[論文レビュー] Understanding Protein Dynamics with L1-Regularized Reversible Hidden Markov Models

Robert T. McGibbon, Bharath Ramsundar+3 more|arXiv (Cornell University)|May 6, 2014

Protein Structure and Dynamics参考文献 36被引用数 12

ひとこと要約

本稿では、大規模な分子動力学シミュレーションの解析を可能にする、L1正則化を施した可逆的隠れマルコフモデル（HMM）を提案する。この手法により、スケーラブルで物理的に整合性があり、解釈可能なたんぱく質のコンformationalダイナミクスのモデリングが実現される。従来のマルコフ状態モデル（MSM）と比較して、より高いロバスト性と低減されたモデルの複雑さを実現し、c-Srcキナーゼにおける逐次的活性化機構とユビキチンにおける重要なダイナミクスを明らかにする。

ABSTRACT

We present a machine learning framework for modeling protein dynamics. Our approach uses L1-regularized, reversible hidden Markov models to understand large protein datasets generated via molecular dynamics simulations. Our model is motivated by three design principles: (1) the requirement of massive scalability; (2) the need to adhere to relevant physical law; and (3) the necessity of providing accessible interpretations, critical for both cellular biology and rational drug design. We present an EM algorithm for learning and introduce a model selection criteria based on the physical notion of convergence in relaxation timescales. We contrast our model with standard methods in biophysics and demonstrate improved robustness. We implement our algorithm on GPUs and apply the method to two large protein simulation datasets generated respectively on the NCSA Bluewaters supercomputer and the Folding@Home distributed computing network. Our analysis identifies the conformational dynamics of the ubiquitin protein critical to cellular signaling, and elucidates the stepwise activation mechanism of the c-Src kinase protein.

研究の動機と目的

• 分子動力学シミュレーションから得られる大規模なたんぱく質ダイナミクスデータセットを分析するための、スケーラブルで物理的に整合性があり、解釈可能な機械学習フレームワークの開発。
• 従来のマルコフ状態モデル（MSM）の限界、特に前処理の煩雑さと、状態同定と遷移率推定の間の結合の欠如を解決すること。
• 物理的原則（可逆性（詳細つり合い）とL1正則化によるスパarsity）を強制することで、モデルが熱力学的法則を尊重し、情報のない自由度を抑制すること。
• 長時間スケールのコンformationalダイナミクスの同定における解釈可能性とロバスト性を向上させ、生物学的知見やドラッグ設計に貢献すること。
• スーパーコンピュータおよび分散ネットワークからの大規模データセットを用いて、ユビキチンおよびc-Srcキナーゼにおける生物学的に関連するダイナミクスを明らかにすること。

提案手法

• フレームワークは、タンパク質の配置空間におけるメタ安定状態を表す潜在状態を有する隠れマルコフモデル（HMM）を採用する。
• 可逆性は、遷移確率が詳細つり合いを満たすように制約することで強制され、平衡統計力学と整合性を保つ。
• 遷移行列にL1正則化を適用することでスパarsityを促進し、重要でない自由度に関連する遷移を抑制し、局所的で逐次のコンformational変化を好む。
• モデルパラメータの学習にはEMアルゴリズムを採用し、収束性は緩和時間スケールを用いて評価し、モデル選択を支援する。
• GPU上で実装することで高いスケーラビリティを実現し、大規模シミュレーションから得られる1兆以上のデータポイントの解析が可能になる。
• モデル選択には緩和時間スケールの収束という物理的概念を用い、ロバスト性と物理的妥当性を保証する。

実験結果

リサーチクエスチョン

• RQ1 L1正則化を施した可逆的HMMは、たんぱく質ダイナミクスの解析において、標準的なマルコフ状態モデル（MSM）よりもロバストで解釈可能な代替手段を提供できるか？
• RQ2 詳細つり合いとL1正則化によるスパarsityを強制することで、HMMの物理的整合性と解釈可能性は、たんぱく質ダイナミクスモデリングにおいてどのように向上するか？
• RQ3 このフレームワークは、大規模な分子動力学シミュレーションにおいて生物学的に関連するコンformational状態と遷移経路を同定できるか？
• RQ4 特にc-Srcキナーゼのような複雑な系において、この手法はメタ安定状態と遷移メカニズムの検出において、標準的手法を上回る性能を示すか？
• RQ5 L1ペナルティは、ユビキチンやc-Srcキナーゼのようなタンパク質において、関連する機能的ダイナミクスを保持しつつ、不要な自由度の信号をどの程度抑制できるか？

主な発見

• L1正則化を施した可逆的HMMは、c-Srcキナーゼにおいて逐次的活性化機構を明確に同定した。Aループのunfoldが最初に起こり、その後Cヘリックスの内向き回転と、重要な相互作用の解体が続く。
• モデルはc-Srcキナーゼ活性化におけるメタ安定中間状態を明らかにした。この状態は、個々のキナーゼファミリーに固有の可能性があるため、合理的なドラッグ設計の標的に有望である。
• 従来のMSM解析（2,000個のマイクロステートと膨大な後処理を要する）と比較して、HMMはたった3つのマクロステートで同等の知見を得られ、解釈可能性が著しく向上した。
• NCSA Blue WatersスーパーコンピュータおよびFolding@Homeの分散ネットワークからのデータセットにおいて、本手法はロバスト性とスケーラビリティを示し、1兆以上のデータポイントを効率的に処理した。
• L1ペナルティは、重要でない自由度からの信号（グレーで示された）を効果的に抑制し、ユビキチンおよびc-Srcキナーゼの両方において、機能的に関連するコンformational変化にモデルを集中させた。
• 本フレームワークは、MSMの物理的に整合性があり、解釈可能でスケーラブルな代替手段を提供し、1つの確率的モデル内で状態同定と遷移率推定を統合する。