[論文レビュー] Dynamic PDB: A New Dataset and a SE(3) Model Extension by Integrating Dynamic Behaviors and Physical Properties in Protein Structures

Ce Liu, Jun Wang+11 more|arXiv (Cornell University)|Aug 22, 2024

Protein Structure and Dynamics被引用数 4

ひとこと要約

本論文は、約12.6Kのタンパク質を含む大規模なデータセットであるDynamic PDBを紹介する。各タンパク質に対して1-µsのアトムレベル分子動力学シミュレーションを実施し、構造的変化や豊富な物理的性質（例：速度、力、エネルギー）を捉えている。SE(3)拡散モデルにこれらの物理的性質を統合することで、より高い軌道予測精度を達成し、ベンチマークタンパク質において平均絶対誤差（MAE）を0.277、平均二乗偏差（RMSD）を0.528まで低減した。

ABSTRACT

Despite significant progress in static protein structure collection and prediction, the dynamic behavior of proteins, one of their most vital characteristics, has been largely overlooked in prior research. This oversight can be attributed to the limited availability, diversity, and heterogeneity of dynamic protein datasets. To address this gap, we propose to enhance existing prestigious static 3D protein structural databases, such as the Protein Data Bank (PDB), by integrating dynamic data and additional physical properties. Specifically, we introduce a large-scale dataset, Dynamic PDB, encompassing approximately 12.6K proteins, each subjected to all-atom molecular dynamics (MD) simulations lasting 1 microsecond to capture conformational changes. Furthermore, we provide a comprehensive suite of physical properties, including atomic velocities and forces, potential and kinetic energies of proteins, and the temperature of the simulation environment, recorded at 1 picosecond intervals throughout the simulations. For benchmarking purposes, we evaluate state-of-the-art methods on the proposed dataset for the task of trajectory prediction. To demonstrate the value of integrating richer physical properties in the study of protein dynamics and related model design, we base our approach on the SE(3) diffusion model and incorporate these physical properties into the trajectory prediction process. Preliminary results indicate that this straightforward extension of the SE(3) model yields improved accuracy, as measured by MAE and RMSD, when the proposed physical properties are taken into consideration. https://fudan-generative-vision.github.io/dynamicPDB/ .

研究の動機と目的

• 既存の静的構造データベース（例：PDB）では、包括的で多様性に富み、長時間にわたる動的タンパク質データセットが不足しているという問題に対処すること。
• 1 ps解像度で1 µsのシミュレーション期間中に、詳細な構造的ダイナミクスと物理的性質（例：速度、力、エネルギー）を捉えること。
• 物理的性質の統合によりSE(3)拡散モデルを拡張し、タンパク質軌道予測の精度を向上させること。
• 物理的性質が予測精度および未観測タンパク質へのモデル一般化能力に与える影響を評価すること。

提案手法

• 1 µsの全原子分子動力学シミュレーションを約12.6Kのタンパク質に対して1 ps間隔で実施し、大規模データセット「Dynamic PDB」を生成した。
• 各タイムステップで原子速度、力、ポテンシャルエネルギー、運動エネルギー、およびシミュレーション温度を含む包括的な物理的性質を収集した。
• 軌道予測の過程で速度や力を追加特徴として統合できるように、SE(3)拡散モデルを拡張した。
• 複数のタンパク質を同時に学習させることで、未観測タンパク質へのゼロショット一般化を可能にした。
• 物理的性質（速度、力）の貢献を分離するためのアブレーションスタディを実施した。
• 標準指標（平均絶対誤差（MAE）と平均二乗偏差（RMSD））を用いてモデル性能を評価した。

実験結果

リサーチクエスチョン

• RQ1 速度や力といった物理的性質を統合することで、タンパク質の構造的軌道予測精度はどの程度向上するか？
• RQ2 より長いシミュレーション期間（1 µs 対 100 ns 対 50 ns）は、モデルの動的パターン学習能力にどのような影響を与えるか？
• RQ3 多様なタンパク質軌道で学習した拡散モデルは、これまでにないタンパク質の軌道をどの程度正確に予測できるか？
• RQ4 Dynamic PDBに収集された物理的性質は、アルロステリック遷移や構造的変化のモデリングにどのように寄与するか？

主な発見

• SE(3)モデルに速度を統合することで、タンパク質2ERL_AにおけるMAEは0.284から0.279に、RMSDは0.546から0.533に低下した。
• 力の情報追加により、MAEは0.277、RMSDは0.528にさらに低下し、物理的性質の累積的利点が明確に示された。
• 214個のタンパク質で学習したモデルは、未観測タンパク質に対してMAE 0.299、RMSD 0.584を達成し、10個のタンパク質での学習（MAE: 0.303、RMSD: 0.596）を上回った。
• 長いシミュレーション期間（1 µs）はフローベースモデル（FM）の性能向上に寄与したが、SE(3)-Trans、EGNN、SEGNNはシミュレーション長にかかわらず同等の精度を示した。
• 定性的な結果から、物理的性質を統合した予測は、特にαヘリックスやβシートといった二次構造の特徴をより正確に保持しており、真値に近い結果を示した。
• このデータセットにより、RMSDや回転半径のトレンド、接触マップの頻度、ラマチャンドランプロットの分布といった、構造的変化の詳細な分析が可能になった。