[論文レビュー] Learning Hierarchical Protein Representations via Complete 3D Graph Networks

Limei Wang, Haoran Liu+3 more|arXiv (Cornell University)|Jul 26, 2022

Protein Structure and Dynamics被引用数 16

ひとこと要約

本稿では、アミノ酸、骨格、およびすべての原子レベルの多層的なタンパク質表現を、各アミノ酸をノードとしてモデル化することで、内在する構造的階層を捉えることで学習する階層的3次元グラフニューラルネットワーク、ProNetを提案する。ProNetは、タンパク質機能・フォールド予測、結合親和定数、タンパク質-タンパク質相互作用といった多様な下流タスクにおいて、先行手法に比べて優れた効率性と完全性を兼ね備えた最先端の性能を達成する。

ABSTRACT

We consider representation learning for proteins with 3D structures. We build 3D graphs based on protein structures and develop graph networks to learn their representations. Depending on the levels of details that we wish to capture, protein representations can be computed at different levels, \emph{e.g.}, the amino acid, backbone, or all-atom levels. Importantly, there exist hierarchical relations among different levels. In this work, we propose to develop a novel hierarchical graph network, known as ProNet, to capture the relations. Our ProNet is very flexible and can be used to compute protein representations at different levels of granularity. By treating each amino acid as a node in graph modeling as well as harnessing the inherent hierarchies, our ProNet is more effective and efficient than existing methods. We also show that, given a base 3D graph network that is complete, our ProNet representations are also complete at all levels. Experimental results show that ProNet outperforms recent methods on most datasets. In addition, results indicate that different downstream tasks may require representations at different levels. Our code is publicly available as part of the DIG library (\url{https://github.com/divelab/DIG}).

研究の動機と目的

• 3次元構造から効果的で階層的なタンパク質表現を学習する挑戦に取り組み、計算効率を維持すること。
• 既存手法の限界を克服すること。具体的には、タンパク質の階層構造を無視するか、原子レベルのモデリングによる高い計算複雑性を抱えるものである。
• 粗い粒度から細かい粒度まで、すべてのスケールで構造的完全性を捉えることが可能な柔軟な、多層表現学習フレームワークの開発。
• 異なる下流タスクが、異なる構造的詳細レベルの表現から利益を受けることを実証すること。

提案手法

• ProNetは、アミノ酸の構造的詳細（アミノ酸、骨格、すべての原子）に関わらず、各アミノ酸を1つのノードとして扱う3次元グラフを構築する。
• モデルは、タンパク質構造の自然な階層を保ちながら、レベル間を情報が伝搬される階層的メッセージパッシング機構を採用する。
• 完全な3次元グラフネットワークをベースとして用いることで、すべてのレベルで表現が完全に情報的かつ判別可能であることを保証する。
• 共通のパラメータを用いたエンドツーエンド学習が可能であり、粗い粒度と細かい粒度の表現の間で効率的な統合学習が実現される。
• 計算効率を維持するようにアーキテクチャが設計されており、計算複雑度はn（アミノ酸数）とk（平均次数）の関数としてO(nk)に比例する。
• フレームワークはDIGライブラリに統合されており、多様な下流応用への公開アクセスと拡張性を可能にしている。

実験結果

リサーチクエスチョン

• RQ1 統一されたグラフニューラルネットワークは、複数の構造的レベルにわたり、階層的なタンパク質表現を効果的に学習できるか？
• RQ2 内部構造的階層を保ちながらアミノ酸レベルでタンパク質をモデリングすることで、表現の質と効率性が向上するか？
• RQ3 アミノ酸、骨格、すべての原子レベルの表現が、多様な下流タスクのパフォーマンスにどのように影響を与えるか？
• RQ4 完全な3次元グラフネットワークは、すべてのレベルで情報的かつ判別可能な表現を保証できるか？

主な発見

• ProNetは、タンパク質フォールド予測、機能予測、タンパク質リガンド結合親和定数予測の各ベンチマークデータセットにおいて、最近のSOTA手法を大多数で上回る性能を達成した。
• 60%の相同性を有するLBAデータセットにおいて、ProNet-All-AtomはRMSE 1.343 ± 0.025を達成し、IEConv や Holoprot を含むすべてのベースラインを上回った。
• PSRタスクにおいて、ProNet-All-Atomはグローバルスピアマン相関係数0.849を達成し、GVP-GNN（0.845）およびAtom3D-GNN（0.750）を顕著に上回った。
• LEP二値分類タスクでは、ProNet-All-AtomがAUROC 0.692を達成し、1位となり、次に良い手法（Atom3D-GNN：0.681）を上回った。
• ProNet-BackboneはPSRタスクで最高のグローバルスピアマン相関係数（0.845）を記録し、バイオポリマー全体にわたる強力な一般化能力を示した。
• 結果から、異なる下流タスクが異なる表現レベルから利益を受けることが明らかになった。特に、すべての原子レベルおよび骨格レベルのモデルが、大多数のタスクで優れたパフォーマンスを示した。