[論文レビュー] Learning Concave Conditional Likelihood Models for Improved Analysis of Tandem Mass Spectra

John T. Halloran, David M. Rocke|PubMed|Sep 4, 2019

Advanced Proteomics Techniques and Applications参考文献 24被引用数 3

ひとこと要約

本稿では、動的ベイジアンネットワークにおける凹型条件付き対数尤度スコアリングを保証する新しい発電分布のクラス、Convex Virtual Emissions (CVEs) を導入する。これにより、パrameter学習におけるグローバル収束が可能になる。著者らはDideaペプチド-スケルマッチングアルゴリズムにCVEsを統合し、スコアリング精度を最先端水準に高めるとともに、推論速度を64.2%向上させ、DRIP や MS-GF+ を上回り、1% FDR におけるスケルマッチングスペクトル数を16%増加させた。

ABSTRACT

The most widely used technology to identify the proteins present in a complex biological sample is tandem mass spectrometry, which quickly produces a large collection of spectra representative of the <i>peptides</i> (i.e., protein subsequences) present in the original sample. In this work, we greatly expand the parameter learning capabilities of a dynamic Bayesian network (DBN) peptide-scoring algorithm, Didea [25], by deriving emission distributions for which its conditional log-likelihood scoring function remains concave. We show that this class of emission distributions, called <i>Convex Virtual Emissions</i> (CVEs), naturally generalizes the log-sum-exp function while rendering both maximum likelihood estimation and conditional maximum likelihood estimation concave for a wide range of Bayesian networks. Utilizing CVEs in Didea allows efficient learning of a large number of parameters while ensuring global convergence, in stark contrast to Didea's previous parameter learning framework (which could only learn a single parameter using a costly grid search) and other trainable models [12, 13, 14] (which only ensure convergence to local optima). The newly trained scoring function substantially outperforms the state-of-the-art in both scoring function accuracy and downstream Fisher kernel analysis. Furthermore, we significantly improve Didea's runtime performance through successive optimizations to its message passing schedule and derive explicit connections between Didea's new concave score and related MS/MS scoring functions.

研究の動機と目的

• 従来のDideaパrameter学習が高コストなグリッドサーチに依存しており、1つのパrameterのみ最適化可能であったという限界を克服すること。
• 一般のベイジアンネットワーク発電に、凹型条件付き対数尤度を保証する一般化された発電分布のクラスを確立すること。
• Dideaの和積推論の実行時間効率を著しく向上させつつ、精度を損なわないようにすること。
• カーネルベースの後処理器に使用可能な条件付き対数尤度勾配を導出することで、下流の判別的解析を強化すること。
• Dideaの新しいスコアリング関数と広く使われている手法（例：XCorr）との理論的関連性を確立すること。

提案手法

• 一般のベイジアンネットワーク発電に凹型条件を課す非線形微分方程式を解き、Convex Virtual Emissions (CVEs) と呼ばれる発電分布のクラスを導出する。
• CVEsがlog-sum-exp関数を一般化しており、最尤推定および条件付き最尤推定の両方で凹型を維持することを示す。
• CVEsをDidea動的ベイジアンネットワークモデルに統合し、多数のパrameterを効率的かつグローバルに最適化可能にする。
• アルゴリズム的改良によりDideaのメッセージパッシングスケジュールを最適化し、実行時間を64.2%削減する。
• Dideaスコアの条件付き対数尤度勾配を導出し、カーネルベースの判別的後処理に用いる特徴空間を豊かにする。
• Dideaスコアと広く使われているXCorrスコアリング関数との間の理論的下限界を確立し、今後XCorrのパrameter学習を凹型Dideaフレームワークを用いて行えるようにする。

実験結果

リサーチクエスチョン

• RQ1 動的ベイジアンネットワークにおけるスケーラブルなパrameter学習を可能にするために、凹型条件付き対数尤度を保証する一般化された発電分布のクラスを導出可能か？
• RQ2 Dideaのパrameter学習を、単一パrameterのグリッドサーチにとどまらず、複数パrameterの効率的かつグローバル最適化を可能にする方法は何か？
• RQ3 Dideaの推論速度は、スコアリング精度を損なわずにどの程度向上できるか？
• RQ4 Dideaの条件付き対数尤度勾配は、従来手法に比べて、後処理に用いる判別的特徴をより豊かに提供できるか？
• RQ5 Dideaの新しいスコアリング関数と、広く使われているMS/MSスコアリング関数（例：XCorr）との間に理論的関係は存在するか？

主な発見

• 提案されたConvex Virtual Emissions (CVEs) は、log-sum-exp関数を一般化しており、パrameter学習におけるグローバル収束を保証する凹型条件付き対数尤度を実現する。
• CVEsを統合した新しいDideaモデルは、ベンチマークデータセット全体で1% FDRにおけるスケルマッチングスペクトル数をDRIP や MS-GF+ よりも16%多く同定し、優れた性能を示した。
• 最適化されたDidea実装は、推論時間に64.2%の短縮を達成し、1ス toward あたりの検索時間を7秒未満にまで短縮した。これはDRIP よりも2桁以上速く、性能を大きく上回った。
• Dideaの条件付き対数尤度勾配は、DRIPの対数尤度勾配よりもはるかに情報量が多く、Percolatorが優れた再キャリブレーション性能を達成できるようにした。
• 1% FDRにおけるスコアリング精度では、Dideaのトレーニング済みスコアリング関数はDRIP よりも12.3%多く、MS-GF+ よりも13.4%多くスペクトルを同定し、下流解析においてすべての最先端手法を上回った。
• DideaスコアとXCorrスコアリング関数との間に理論的下限界を確立し、今後XCorrのパrameter学習を凹型Dideaフレームワークを用いて行えるようにした。