[논문 리뷰] ContraNovo: A Contrastive Learning Approach to Enhance De Novo Peptide Sequencing

Zhi Jin, Sheng Xu외 7명|arXiv (Cornell University)|2023. 12. 18.

Advanced Proteomics Techniques and Applications인용 수 7

한 줄 요약

ContraNovo는 contrastive learning을 사용하여 스펙트럼과 펩타이드를 연결하고 디코딩에 접두사/접미사 질량 정보를 통합하여 벤치마크 데이터셋에서 최첨단 de novo 펩타이드 시퀀싱을 달성합니다.

ABSTRACT

De novo peptide sequencing from mass spectrometry (MS) data is a critical task in proteomics research. Traditional de novo algorithms have encountered a bottleneck in accuracy due to the inherent complexity of proteomics data. While deep learning-based methods have shown progress, they reduce the problem to a translation task, potentially overlooking critical nuances between spectra and peptides. In our research, we present ContraNovo, a pioneering algorithm that leverages contrastive learning to extract the relationship between spectra and peptides and incorporates the mass information into peptide decoding, aiming to address these intricacies more efficiently. Through rigorous evaluations on two benchmark datasets, ContraNovo consistently outshines contemporary state-of-the-art solutions, underscoring its promising potential in enhancing de novo peptide sequencing. The source code is available at https://github.com/BEAM-Labs/ContraNovo.

연구 동기 및 목표

• de novo 펩타이들 시퀀싱 정확도를 시퀀스-대 시퀀스 프레이밍 이상으로 개선하려는 동기 부여.
• 스펙트럼과 펩타이드 표현을 정렬하기 위한 대조 학습 활용.
• 디코딩을 안내하기 위해 접두사/접미사 질량 정보를 포함된 정보를 이용하여 아미노산 질량 반영.
• 질량 인지 임베딩 및 공동 훈련을 위한 통합 손실을 사용하는 디코더 개발

제안 방법

• 자체 어텐션 기반 인코더로 스펙트럼과 펩타이드를 인코딩하여 전역 피처를 얻습니다.
• 공유 공간에서 스펙트럼과 펩타이드 표현을 일치시키기 위해 대조 손실로 학습합니다.
• 접두사-접미사 질량 정보를 사용하는 변환기 유사 디코더로 펩타이드를 디코딩하고 질량 인지 아미노산 임베딩 조회를 이용합니다.
• 교차 엔트로피 디코더 손실과 대조 손실을 결합한 공동 훈련 목표를 dynamic weighting 파라미터로 최적화합니다.
• 임베딩 및 디코딩 과정에 피크, 전구체, 그리고 아미노산 질량 정보를 반영합니다

실험 결과

연구 질문

• RQ1 스펙트럼과 펩타이드 사이의 대조 학습이 기존 seq2seq 접근 방식보다 de novo 시퀀싱 정확도를 개선할 수 있는가?
• RQ2 디코딩에 접두사 및 접미사 질량 정보를 포함시키면 아미노산 및 펩타이드 수준의 예측이 향상되는가?
• RQ3 질량 인지 아미노산 임베딩은 가까운 질량의 아미노산에 대한 디코딩 결정에 어떤 영향을 주는가?
• RQ4 대조 손실과 표준 디코딩 손실을 결합하는 것이 전반적인 성능에 어떤 영향을 미치는가?

주요 결과

• ContraNovo는 9-species-V1 벤치마크에서 Peaks, DeepNovo, PointNovo, CasaNovo, 및 CasaNovoV2보다 더 높은 아미노산 정밀도와 펩타이드 정밀도를 달성합니다.
• 9종에 걸친 평균에서 ContraNovo는 CasaNovoV2에 비해 아미노산 정밀도를 4.6% 향상시키고 펩타이드 정밀도를 8.2% 향상시킵니다.
• 9-species-V2에서 더 풍부한 수정에서 ContraNovo는 아미노산 정밀도에서 CasaNovoV2보다 3.3%, 펩타이드 정밀도에서 3.7%를 초과합니다.
• ContraNovo는 인간 데이터에서 강력한 성능을 보이며 아미노산 수준에서 CasaNovoV2를 17.6% 상회합니다.
• 제거형 연구(ablation)에서 빔 서치, 대조 학습, 아미노산 임베딩, 접두사/접미사 질량 정보가 각각 성능 향상에 기여하며, 생략 시 큰 하락이 나타납니다.
• ContraNovo는 질량이 비슷한 아미노산(M(Oxidation) 대 F) 처리에 대해 CasaNovoV2보다 더 잘 작동합니다.