[論文レビュー] PPIRef

Anton Bushuiev|arXiv (Cornell University)|Feb 12, 2024

Genetics, Bioinformatics, and Biomedical Research被引用数 6

ひとこと要約

本論文は、3次元タンパク質-タンパク質相互作用（PPI）の非再帰的で最大規模のデータセットPPIRefと、PPIRefで事前学習されたSE(3)-同変トランスフォーマーモデルPPIFORMERを紹介する。PPIFORMERは一般化性能を向上させるために開発され、突然変異に伴う∆∆G変化の予測において、非漏れテスト分割とSARS-CoV-2抗体、スタフィロキナーゼのバイオテクノロジー的応用を含む実世界の事例において、先行モデルを上回る最先端の性能を達成した。

ABSTRACT

PPIRef is a dataset of 3D structures of protein-protein interfaces. See the GitHub repository for more details. ppi_6A.zip stores the PPIRef dataset: .pdb files with all 6A-distance interfaces from PDB as of Jan 2024. ppi_6A_stats.zip stores the statistics about the dataset. This includes the indexes for fast search with MMseqs2 and iDist, as well as a .csv file with some statistics for all interfaces.

研究の動機と目的

• タンパク質-タンパク質相互作用（PPI）設計における機械学習モデルの一般化性能が低いという重要な課題に取り組むこと、特に既存のベンチマークにおけるデータの再帰的重複と漏れの要因に起因するものである。
• 構造的再帰を排除するためにスケーラブルなクラスタリングアルゴリズム（iDist）を用いて、3次元PPI構造の最大規模で非再帰的なデータセットPPIRefを構築すること。
• PPIRefで事前学習されたSE(3)-同変トランスフォーマーモデルPPIFORMERを開発し、多様なタンパク質バインダー変異体に一般化できるようにすること。
• 統計熱力学の原則を組み込んだ熱力学的根拠に基づく損失関数を用いてファインチューニングすることで、突然変異に伴う∆∆G変化の予測精度を向上させること。
• 非漏れテスト分割と独立した生物学的ケーススタディを用いた厳密な評価を通じて、一般化性能の向上を検証すること。

提案手法

• PPIRefは、プロテインデータバンク（PDB）から3次元PPI構造を収集し、構造アラインメントに基づくスケーラブルなアルゴリズムiDistを用いてクラスタリングし、類似した相互作用を除去することで構築される。
• PPIFORMERは、3次元幾何的不変性を保つタンパク質複合体構造の符号化を可能にするSE(3)-同変トランスフォーマーモデルであり、回転および平行移動に対して同変性を有する。
• PPIRefデータセットを用いて、入力が損傷を受けるように変更されたタンパク質複合体構造を再構築する目的関数（マスクド自己符号化器）を用いて事前学習が行われる。
• ファインチューニングでは、統計熱力学の原則を反映した熱力学的根拠に基づく損失関数が用いられ、突然変異に伴う∆∆G変化の予測が行われる。
• 最終的な予測ヘッドには、回帰性能の向上とバイアスの低減を目的とした反対称演算（tanh活性化関数、平均埋め込みの差分）が適用される。
• 性能評価は、SKEMPI v2.0の非漏れスプリットおよび独立した生物学的ケーススタディにおいて、標準指標（Spearman、Pearson、AUC、MAE、RMSE）を用いて実施される。

実験結果

リサーチクエスチョン

• RQ1 大規模で非再帰的な3次元PPIデータセットは、PPI設計における機械学習モデルの一般化性能を向上させ得るか？
• RQ2 多様で非再帰的なPPIデータセット上でSE(3)-同変トランスフォーマーを事前学習することで、未観測のPPI変異体に対するゼロショットおよびフェイワッシュ一般化性能が向上するか？
• RQ3 ファインチューニング段階で熱力学的根拠に基づく損失関数を用いることで、標準的な回帰損失関数と比較して、∆∆G予測の正確性と信頼性が向上するか？
• RQ4 PPIFORMERは、標準的なPPI突然変異データセットの非漏れテストスプリットにおいて、最先端の手法と比較してどのように性能を発揮するか？
• RQ5 PPIFORMERは、抗体最適化や酵素活性の向上といった実世界のタンパク質工学的タスクを効果的に支援できるか？

主な発見

• PPIFORMERは、非漏れSKEMPI v2.0テストセットにおいて、Spearman相関係数0.44 ± 0.03、Pearson相関係数0.46 ± 0.03を達成し、先行する最先端モデルを上回った。
• SKEMPI v2.0データセットにおいて、PPIFORMERは5つのテストPPIのうち7つで最高、4つで2位の指標値を記録し、GEMMEやRDE-Networkと比較して複数のケースで優れた性能を示した。
• SARS-CoV-2抗体設計の事例スタディでは、PPIFORMERが高親和性突然変異を的確に同定し、治療的開発における実用的有用性を示した。
• スタフィロキナーゼの血栓溶解酵素工学的改良において、PPIFORMERは活性を向上させる突然変異を予測し、バイオテクノロジー応用における予測力の有効性を検証した。
• モデルは高いファインチューニング安定性を示し、3つの異なる乱数シードで一貫した性能（Spearman：0.42–0.47）を示しており、強靭性と信頼性を示した。
• アブレーションスタディにより、反対称回帰ヘッドが単純または対称ベースラインと比較して顕著に性能を向上させ、MAEが1.64 ± 0.011にまで低減された。