[論文レビュー] Minimum Data Requirements and Supplemental Angle Constraints for Protein Structure Prediction with REDCRAFT

Edina Timko, Paul Shealy+2 more|arXiv (Cornell University)|Oct 31, 2019

Protein Structure and Dynamics被引用数 4

ひとこと要約

本研究では、残留双極子結合（RDC）を用いてコンformational search spaceを縮小するREDRAFTアルゴリズムを用いて、正確なタンパク質構造予測に必要な最小限の実験データを調査する。RDCデータセットを縮小してテストし、二次的構造制約を統合することで、より少ないデータポイントで信頼性の高い折りたたみが達成可能であることが示された。これは、実験時間の大幅な削減を実現しつつ、正確性を維持するものである。

ABSTRACT

One algorithm to predict protein structure is the residual dipolar coupling based residue assembly and filter tool (REDCRAFT). This algorithm exploits an exponential reduction of the search space of all possible structures to find a structure that best fits a set of experimental residual dipolar couplings. However, the minimum amount of data required to successfully determine a protein's structure using REDCRAFT has not been previously investigated. Here we explore the effect of reducing the amount of data used to fold proteins. Our goal is to reduce experimental data collection times while retaining the accuracy levels previously achieved with larger amounts of data. We also investigate incorporating a priori secondary structure information into REDCRAFT to improve its structure prediction ability.

研究の動機と目的

• REDCRAFTを用いたタンパク質構造予測において、信頼性のある構造予測に必要な残留双極子結合（RDC）測定値の最小数を特定すること。
• 事前に得られる二次的構造情報の統合が、限られたデータ条件下での予測正確性に与える影響を評価すること。
• タンパク質折りたたみにおける構造正確性を損なわずに、実験的データ収集時間を短縮すること。
• RDCベースの構造決定において、データ量と予測忠実度のトレードオフを評価すること。

提案手法

• REDCRAFTアルゴリズムを、段階的に縮小された実験的RDCデータのサブセットを用いてタンパク質構造に適用する。
• 二次的構造情報は、探索空間の縮小を支援する補足的制約として統合される。
• アルゴリズムは、予測されたRDC値と実験値を一致させることで、コンformational search spaceを指数関数的に縮小する。
• 予測構造と基準構造をRMSD指標を用いて比較することで、構造正確性を評価する。
• 一般化可能性を評価するために、複数のタンパク質に対してデータ削減実験を実施する。
• 二次的構造制約の影響は、このような入力を含む・含まないで予測正確性を比較することで定量化する。

実験結果

リサーチクエスチョン

• RQ1 REDCRAFTを用いたタンパク質構造予測において、正確な予測が可能な残留双極子結合（RDC）測定値の最小数は何か？
• RQ2 限られたRDCデータ条件下で、二次的構造情報を組み込むと、構造予測の正確性にどのように影響するか？
• RQ3 予測品質を損なわずに、実験的データ収集時間の大幅な短縮を達成できるか？
• RQ4 RDCデータを体系的に削減するにあたり、REDCRAFTの性能はどのように低下するか？

主な発見

• 本研究では、信頼性のある構造予測に不十分となるRDCデータの閾値を特定したが、その正確な数値はタンパク質によって異なる。
• データが限られている状況では、二次的構造制約を統合することで、予測正確性が顕著に向上する。
• 最適化されたデータ削減と制約の統合により、元のRDC測定値の半分未満でも、REDCRAFTは高い正確性を維持する。
• 構造的事前知識（priors）と組み合わせることで、アルゴリズムはデータ削減に対して特に頑健であることが示された。