[論文レビュー] Generating protein sequences from antibiotic resistance genes data using Generative Adversarial Networks

Prabal Chhibbar, Arpit Joshi|arXiv (Cornell University)|Apr 28, 2019

vaccines and immunoinformatics approaches参考文献 13被引用数 7

ひとこと要約

本稿では、腸内居住性耐性遺伝子データから合成タンパク質配列を生成するためのワサーベイン生成対抗ネットワーク（W-GAN）を提案する。トレーニングデータとして6,023個の腸内居住耐性遺伝子が使用された。モデルは実際の耐性タンパク質配列の分布を適切に学習し、実際の耐性遺伝子に非常に類似した生物学的に妥当な新しい配列を生成した。

ABSTRACT

We introduce a method to generate synthetic protein sequences which are predicted to be resistant to certain antibiotics. We did this using 6,023 genes that were predicted to be resistant to antibiotics in the intestinal region of the human gut and were fed as input to a Wasserstein generative adversarial network (W-GAN) model a variant to the original generative adversarial model which has been known to perform efficiently when it comes to mimicking the distribution of the real data in order to generate new data which is similar in style to the original data which was fed as the training data

研究の動機と目的

• 実際の抗生物質耐性遺伝子に類似した新しいタンパク質配列を生成する深層生成モデルの開発を目的とする。
• 公的データベースに存在する多様な耐性タンパク質配列の不足を補うために、合成的で生物学的に妥当な変異を生成することを目的とする。
• 生成モデルを活用して、既知の例を超えた耐性遺伝子の配列空間を探索することを目的とする。
• 配列類似度や構造的妥当性などの指標を用いて、生成された配列の質と多様性を評価することを目的とする。
• 耐性メカニズムのシミュレーション的探索や潜在的なドラッグターゲットの同定を支援するツールを提供することを目的とする。

提案手法

• トレーニングの安定性を向上させ、より高品質なタンパク質配列を生成するために、ワサーベイン生成対抗ネットワーク（W-GAN）アーキテクチャを採用した。
• モデルはヒトの腸内マイクロバイオーム由来の6,023個の抗生物質耐性遺伝子から成るデータセットでトレーニングされた。
• タンパク質配列はアミノ酸トークンにトークン化され、モデル処理のための潜在空間に埋め込まれた。
• 生成器ネットワークは、識別器によって実際の耐性遺伝子と区別できないような配列を学習して生成する。
• 勾配ペナルティを用いてリプシッツ制約を強制することで、W-GANの損失関数を最適化し、トレーニング収束を改善した。
• 生成された配列は、配列類似度指標を用いて評価され、実際の耐性遺伝子配列と比較された。

実験結果

リサーチクエスチョン

• RQ1 W-GANは、腸内マイクロバイオームデータからの実際の抗生物質耐性タンパク質配列の分布を効果的に学習できるか？
• RQ2 生成されたタンパク質配列は、配列組成および構造的側面で実際の耐性遺伝子とどの程度類似しているか？
• RQ3 生成された配列は、抗生物質耐性に関連する機能的モチーフをどの程度保持しているか？
• RQ4 モデルは、元のトレーニングセットに存在しない多様で新しい配列を生成できるか？
• RQ5 標準的なGANと比較して、W-GANを用いることで、生物学的に妥当な耐性タンパク質配列の生成にどのような影響を与えるか？

主な発見

• W-GANは、配列組成および長さ分布において、実際の耐性遺伝子と高い類似性を示す合成タンパク質配列を効果的に生成した。
• 標準的なGANと比較して、トレーニングの安定性が向上し、モード崩壊が低減したことが実証され、より多様な配列が生成された。
• 生成された配列は、既知の耐性タンパク質に見られる主要な機能的モチーフを保持しており、生物学的妥当性が示された。
• 定量的評価では、生成された配列が実際の耐性遺伝子、特に保存領域において高い類似度を示した。
• W-GANフレームワークにおける勾配ペナルティの使用は、生成された配列の質と多様性を顕著に向上させた。
• モデルは、元のトレーニングデータに存在しない新しい配列を生成し、耐性遺伝子の既知の配列空間を拡張した。