[論文レビュー] Machine Learning Coarse-Grained Potentials of Protein Thermodynamics

M. W. Majewski, Adrià Pérez+8 more|arXiv (Cornell University)|Dec 14, 2022

Protein Structure and Dynamics被引用数 5

ひとこと要約

本論文は、12種類の多様なタンパク質の全原子分子動力学シミュレーションを9 msにわたり無偏見に訓練した機械学習ベースの粗粒度（CG）ポテンシャルを導入する。この手法は、動的加速を1,000倍以上にし、1つの普遍的ポテンシャルで複数のタンパク質においてネイティブおよび変異タンパク質のコンformationを正確にサンプリングできるようにしながら、熱力学的状態を保持する。

ABSTRACT

A generalized understanding of protein dynamics is an unsolved scientific problem, the solution of which is critical to the interpretation of the structure-function relationships that govern essential biological processes. Here, we approach this problem by constructing coarse-grained molecular potentials based on artificial neural networks and grounded in statistical mechanics. For training, we build a unique dataset of unbiased all-atom molecular dynamics simulations of approximately 9 ms for twelve different proteins with multiple secondary structure arrangements. The coarse-grained models are capable of accelerating the dynamics by more than three orders of magnitude while preserving the thermodynamics of the systems. Coarse-grained simulations identify relevant structural states in the ensemble with comparable energetics to the all-atom systems. Furthermore, we show that a single coarse-grained potential can integrate all twelve proteins and can capture experimental structural features of mutated proteins. These results indicate that machine learning coarse-grained potentials could provide a feasible approach to simulate and understand protein dynamics.

研究の動機と目的

• 多様な系に一般化可能な、データ駆動型の粗粒度ポテンシャルを開発し、タンパク質の熱力学的性質を正確に再現すること。
• ゆっくりとしたコンformational遷移や準安定状態のサンプリングにおいて、全原子分子動力学の計算的制限を克服すること。
• 1つの普遍的CGポテンシャルを用いて、タンパク質の折りたたみや変異の影響を効率的にシミュレートできること。
• 学習したCGポテンシャルが、全原子シミュレーションと同等の熱力学的正確性でネイティブおよび非ネイティブな構造的状態を捉えられることを検証すること。

提案手法

• 本手法は、12種類のタンパク質（多様な二次構造を有する）の広範な全原子分子動力学シミュレーションから、人工ニューラルネットワークを用いて粗粒度ポテンシャルを学習する。
• 広範なコンformationalサンプリングを保証するため、全原子シミュレーションの約9 msにわたる偏りのない大規模データセットを生成した。
• CGポテンシャルは統計力学に裏打ちされており、全原子系の自由エネルギー状態を再現するように訓練された。
• 12種類のタンパク質の全データを統合して1つの普遍的CGポテンシャルを訓練し、異なるタンパク質タイプ間での汎用性を実現した。
• モデルはタンパク質構造の低次元表現を用い、原子レベルの詳細を粗粒度ビーズにマッピングしながら、重要な熱力学的特徴を保持した。
• シミュレーションは3桁以上（1,000倍以上）の加速が達成され、コンformationalアンサンブルの効率的探索が可能になった。

実験結果

リサーチクエスチョン

• RQ1 1つの機械学習ベースの粗粒度ポテンシャルが、複数の多様なタンパク質の熱力学的性質を正確に再現できるか？
• RQ2 全原子シミュレーションと比較して、CGモデルは準安定コンformational状態の相対的分布と自由エネルギー状態をどの程度正確に保持するか？
• RQ3 普遍的CGポテンシャルは、折りたたみパスや安定性を変えるような変異が引き起こす構造的変化を捉えられるか？
• RQ4 CGモデルは、関連する構造的状態のサンプリング精度を維持しつつ、どの程度ダイナミクスを加速できるか？
• RQ5 モデルは、実験的結晶構造から最小限のずれでタンパク質のネイティブマクロ状態を特定・サンプリングできるか？

主な発見

• 機械学習ベースの粗粒度ポテンシャルは、全原子系の熱力学的性質を保持しつつ、タンパク質ダイナミクスを1,000倍以上に加速する。
• CGシミュレーションは、全原子シミュレーションと同様に、同じコンformational状態を正しく特定・サンプリングし、自由エネルギー差も同等の精度で再現する。
• 12種類の多様なタンパク質のデータから訓練された1つの普遍的CGポテンシャルは、それぞれのタンパク質の構造的および熱力学的特徴（ネイティブおよび非ネイティブ状態を含む）を的確に捉えている。
• モデルは、単一アミノ酸置換や挿入を伴う変異タンパク質の実験的構造的特徴を正確に再現する。
• 変異タンパク質において、CGシミュレーションは結晶構造からの平均RMSDが1.5 Å未満でネイティブマクロ状態を回復し、ネイティブ状態の平衡確率が（一部の例では80％以上）非常に高い。
• テストした全タンパク質において、モデルはネイティブマクロ状態を自由エネルギーが最小の状態として特定しており、実験的期待と整合的である。