[論文レビュー] On Design of Optimal Nonlinear Kernel Potential Function for Protein Folding and Protein Design

Changyu Hu, Xiang Li+1 more|arXiv (Cornell University)|Jan 31, 2003

Protein Structure and Dynamics参考文献 58被引用数 3

ひとこと要約

本論文は、ガウス・ミックスチャージ・モデルに基づく非線形カーネルポテンシャル関数を提案し、従来の線形接触ポテンシャルよりも優れた結果を得た。一般化誤差の上限を最小化するための二次計画法を用いることで、1400万個のギャップなしスレーディングデコイに対して440個のネイティブタンパク質およびその配列を完璧に識別し、独立テストにおいて線形ポテンシャルと比較して誤分類を顕著に低減した。

ABSTRACT

Potential functions are critical for computational studies of protein structure prediction, folding, and sequence design. A class of widely used potentials for coarse grained models of proteins are contact potentials in the form of weighted linear sum of pairwise contacts. However, these potentials have been shown to be unsuitable choices because they cannot stabilize native proteins against a large number of decoys generated by gapless threading. We develop an alternative framework for designing protein potential. We describe how finding optimal protein potential can be understood from two geometric viewpoints, and we derive nonlinear potentials using mixture of Gaussian kernel functions for folding and design. The optimization criterion for obtaining parameters of the potential is to minimize bounds on the generalization error of discriminating protein structures and decoys not used in training. In our experiment we use a training set of 440 protein structures repre senting a major portion of all known protein structures, and about 14 million structure decoys and sequence decoys obtained by gapless threading. We succeeded in obtaining nonlinear potential with perfect discrimination of the 440 native structures and native sequences. For the more challenging task of sequence design when decoys are obtained by gapless threading, we show that there is no linear potential with perfect discrimination of all 440 native sequences. Results on an independent test set of 194 proteins also showed that nonlinear kernel potential performs well.

研究の動機と目的

• 大規模なデコイ集合に対してネイティブタンパク質構造を安定化できない線形接触ポテンシャルの限界を克服すること。
• タンパク質エネルギー・ランドスケープにおける複雑な非線形相互作用を捉える、より洗練されたポテンシャル関数の定式化を開発すること。
• タンパク質折りたたみ（構造識別）およびタンパク質設計（配列適合性）の両タスクにおける性能を向上させること。
• 非線形カーネルポテンシャルが、線形ポテンシャルが失敗する状況でも、特に挑戦的なデコイ条件下で完璧な分類を達成できることを示すこと。
• さまざまなタンパク質表現および相互作用に適用可能な、一般化可能なポテンシャル設計のフレームワークを提供すること。

提案手法

• 残留物同士の相互作用を非線形にモデル化できるように、ガウス・カーネル関数の混合としてタンパク質ポテンシャルを定式化する。
• 構造および配列識別における一般化誤差の理論的上限を最小化するように、二次計画法を用いてポテンシャルパラメータを最適化する。
• 1400万個の構造および配列デコイを学習および検証用に生成するために、ギャップなしスレーディングを採用する。
• 最適化問題を幾何学的視点から解釈し、エネルギー差の凸包分離と関連付ける。
• 440個のタンパク質からなる学習セットと、194個のタンパク質からなる独立テストセットを用いて、最適な線形ポテンシャルと比較して手法を検証する。
• エネルギー差ベクトルの凸包解析を用いて、完全な識別が可能となる理論的条件を導出する。

実験結果

リサーチクエスチョン

• RQ1 非線形カーネルポテンシャル関数は、標準的な線形接触ポテンシャルよりも、ネイティブタンパク質構造をデコイから識別する能力を上回ることができるか？
• RQ2 線形ポテンシャルが失敗する状況でも、非線形ポテンシャルを用いてギャップなしスレーディングデコイに対してネイティブ配列を完全に分類することは可能か？
• RQ3 非線形カーネルポテンシャルは、折りたたみおよび設計タスクの両方において、独立テストセットで線形ポテンシャルと比較してどの程度の性能を示すか？
• RQ4 ネイティブ構造の数が300を超える状況において、ポテンシャルの関数形が有効な識別を可能にする役割は何か？
• RQ5 一般化誤差の上限に基づく最適化フレームワークは、よりロバストで一般化可能なタンパク質ポテンシャルを生み出すことができるか？

主な発見

• 非線形カーネルポテンシャルは、1400万個のギャップなしスレーディングデコイに対して、440個のネイティブタンパク質構造および配列を完全に識別した。これは、線形ポテンシャルが失敗したタスクであった。
• 独立テストセット（194タンパク質）において、非線形ポテンシャルは構造を3つ、配列を14つ誤分類した。これに対して最適な線形ポテンシャルは、構造7つ、配列37つを誤分類した。
• 配列設計における誤分類率を、最適な線形ポテンシャルの40％まで低減した。これは、特に困難な状況下でも顕著な改善を示している。
• 理論的解析により、完全な識別が可能となるのは、エネルギー差ベクトルの凸包に原点が含まれない場合に限られることを示した。この条件は、非線形カーネル定式化によって満たされた。
• 折りたたみおよび設計タスクの両方において、非線形ポテンシャルは線形および統計的ポテンシャルを上回った。特にギャップなしスレーディングで生成されたデコイに対して顕著な優位性を示した。
• 本結果から、接触の重み付き線形和を越える、より複雑な関数形が、効果的なタンパク質エネルギー関数設計に不可欠であることが示唆された。