[論文レビュー] PersGNN: Applying Topological Data Analysis and Geometric Deep Learning to Structure-Based Protein Function Prediction

Nicolas Swenson, Aditi S. Krishnapriyan+3 more|arXiv (Cornell University)|Oct 29, 2020

Computational Drug Discovery Methods被引用数 8

ひとこと要約

PersGNN は、恒常的ホモロジーを組み込んだ新しいグラフニューラルネットワークを導入し、構造ベースのタンパク質機能予測を向上させた。幾何学的深層学習とトポロジカルデータ解析を統合することで、ベースラインモデル比で AUPR が 9.3% 向上し、特に低データの GO アノテーションに対して優れた汎化性能を示した。

ABSTRACT

Understanding protein structure-function relationships is a key challenge in computational biology, with applications across the biotechnology and pharmaceutical industries. While it is known that protein structure directly impacts protein function, many functional prediction tasks use only protein sequence. In this work, we isolate protein structure to make functional annotations for proteins in the Protein Data Bank in order to study the expressiveness of different structure-based prediction schemes. We present PersGNN - an end-to-end trainable deep learning model that combines graph representation learning with topological data analysis to capture a complex set of both local and global structural features. While variations of these techniques have been successfully applied to proteins before, we demonstrate that our hybridized approach, PersGNN, outperforms either method on its own as well as a baseline neural network that learns from the same information. PersGNN achieves a 9.3% boost in area under the precision recall curve (AUPR) compared to the best individual model, as well as high F1 scores across different gene ontology categories, indicating the transferability of this approach.

研究の動機と目的

• アミノ酸配列に依存せず、3D 構造情報を利用することでタンパク質機能予測を向上させること。
• 幾何学的深層学習（GNN）とトポロジカルデータ解析（恒常的ホモロジー）を組み合わせることで、構造表現の表現力が向上するかどうかを調査すること。
• このハイブリッドモデルの性能を、単独の GNN や恒常的ホモロジー・モデル、標準的なニューラルネットワークと比較し、機能アノテーションタスクにおいて評価すること。
• 特に訓練例が少ない Gene Ontology (GO) アノテーションに対して、モデルの汎化能力を評価すること。
• 3D 原子座標のみを入力とし、配列情報なしで、この手法の転送可能性と頑健性を示すこと。

提案手法

• 3D 原子座標から得られるアルファカルボン酸接触マップを用いて、タンパク質構造をグラフとして表現する。
• メッセージパッシングを用いたグラフニューラルネットワーク（GNN）を適用し、接触マップからノードおよびグローバルなグラフ埋め込みを学習する。
• さまざまな半径でのアルファシェイプのフィルトレーションを構築することで、3D 原子座標から恒常的ホモロジーを計算する。
• フィルトレーションから持久図を抽出し、ループや空洞などのトポロジカル特徴を捉える。持久は「死の時間 - 生の時間」と定義される。
• GNN で学習した埋め込みとトポロジカル特徴（持久図）を連結し、統一された構造表現を形成する。
• Gene Ontology (GO) アノテーションのマルチラベル分類タスクにおいて、交差エントロピー損失を用いてエンドツーエンドでモデルを訓練する。

実験結果

リサーチクエスチョン

• RQ1 幾何学的深層学習とトポロジカルデータ解析を組み合わせたハイブリッドモデルは、それぞれ単独で用いた場合よりも、タンパク質機能予測において優れた性能を発揮できるか？
• RQ2 同じ構造的入力を用いて学習した場合、PersGNN は標準的なフィードフォワードニューラルネットワークや単独の GNN と比べてどのように性能を発揮するか？
• RQ3 トポロジカル特徴の導入が、特に訓練例が少ない GO アノテーションにおいてモデルの汎化能力を向上させるか？
• RQ4 配列情報が欠如している状況でも、モデルが構造のトポロジーをどの程度活用して正確な予測を行うか？
• RQ5 データスパarsity が異なる Gene Ontology カテゴリ（分子機能、生物学的プロセス、細胞部局）において、モデルの頑健性はどの程度か？

主な発見

• PersGNN は、最良の個別モデル（GNN または恒常的ホモロジー単体）と比較して、精度再現曲線下積分（AUPR）で 9.3% の相対的向上を達成した。
• モデルはすべての Gene Ontology (GO) カテゴリで高い F1 スコアを維持しており、特に訓練データが少ない分子機能（MF）アノテーションで顕著な優位性を示した。
• PersGNN は、低データの GO アノテーションにおいて、ベースラインのマルチレイヤーパーセプトロン（MLP）や単独の GNN よりも優れた性能を発揮し、より優れた汎化性能と意味のある特徴学習を示した。
• モデルの性能向上は、訓練例が 10 未満の GO アノテーションで最も顕著であり、トポロジカル特徴がデータ効率を向上させている可能性を示唆した。
• ハイブリッドアーキテクチャは、GNN によるローカル特徴と恒常的ホモロジーによるグローバル特徴を効果的に捉えており、より表現力の高い表現を実現した。
• この手法は非常に転送可能であり、最小限の入力前処理で、3D 原子座標のみに依存するため、多様なデータセットに応用可能である。