[논문 리뷰] Decision functions from supervised machine learning algorithms as collective variables for accelerating molecular simulations.

Mohammad M. Sultan, Vijay S. Pande|arXiv (Cornell University)|2018. 02. 28.

Protein Structure and Dynamics참고 문헌 5인용 수 2

한 줄 요약

이 논문은 분류 문제에서의 결정 함수를 사용하여 분자 시뮬레이션의 수렴 속도를 향상시키는 방법을 제안한다. 지원 벡터 기반의 결정 초평면에서의 거리 또는 로지스틱 회귀의 확률 출력을 집합 변수(CV)로 활용함으로써, 수용성 알라닌 다펩타이드와 치그놀린에서 느린 구조 전이를 효율적으로 샘플링할 수 있다. 이는 복잡한 에너지 표면에서의 가역적이고 향상된 구조적 샘플링을 가능하게 한다.

ABSTRACT

Selection of appropriate collective variables for enhancing molecular simulations remains an unsolved problem in computational biophysics. In particular, picking initial collective variables (CVs) is particularly challenging in higher dimensions. Which atomic coordinates or transforms there of from a list of thousands should one pick for enhanced sampling runs? How does a modeler even begin to pick starting coordinates for investigation? This remains true even in the case of simple two state systems and only increases in difficulty for multi-state systems. In this work, we attempt to solve the initial CV problem using a data-driven approach inspired by supervised machine learning literature. In particular, we show how the decision functions in supervised machine learning (SML) algorithms can be used as initial CVs for accelerated sampling. Using solvated alanine dipeptide and Chignolin mini-protein as our test cases, we illustrate how the distance to the Support Vector Machines decision hyperplane, the output probability estimates from Logistic Regression, and other classifiers may be used to reversibly sample slow structural transitions. We discuss the utility of other SML algorithms that might be useful for identifying CVs for accelerating molecular simulations.

연구 동기 및 목표

• 고차원 분자 시뮬레이션 공간에서 초기 집합 변수(CV)를 선택하는 데 지속적으로 발생하는 과제를 해결하기 위해.
• 지도 학습(SML) 모델의 결정 함수가 강화 샘플링을 위한 효과적이고 데이터 기반의 CV로 활용될 수 있는지 탐색하기 위해.
• SML 기반의 CV가 생체 분자 시스템에서 느린 구조 전이의 샘플링을 얼마나 빠르게 가속화하는지 평가하기 위해.
• 어떤 SML 알고리즘이 분자 시뮬레이션에서 정보량이 많고 가역적인 CV를 생성하는 데 가장 적합한지 규명하기 위해.

제안 방법

• 학습된 서포트 벡터 머신(SVM)의 결정 함수를 집합 변수로 사용하며, 특히 SVM 초평면으로부터의 부호가 있는 거리로 정의한다.
• 로지스틱 회귀의 출력 확률 추정치를 연속적이고 가역적인 집합 변수로 활용하여 강화 샘플링을 수행한다.
• 기타 지도 학습 분류기들을 적용하여 다른 결정 함수를 생성하고, 이를 강화 샘플링 시뮬레이션에서 CV로 활용한다.
• 수득한 SML 기반의 CV를 메타다이나믹스 또는 유사한 강화 샘플링 방법에 적용하여 느린 상태 간 전이를 가속화한다.
• SML 기반의 CV를 사용한 시뮬레이션에서 복원된 자유 에너지 표면을 분석하여 샘플링의 가역성과 효율성을 검증한다.
• 두 가지 벤치마크 시스템인 수용성 알라닌 다펩타이드와 치그놀린 미니 단백질에 대해 이 방법을 테스트한다. 이들은 복잡하고 느린 구조 전이 동역학으로 유명하다.

실험 결과

연구 질문

• RQ1 지도 학습 모델의 결정 함수가 분자 시뮬레이션의 수렴 속도 향상을 위해 효과적인 집합 변수로 활용될 수 있는가?
• RQ2 SML 기반의 CV는 전통적인 수작업으로 선택된 CV와 비교해 느린 구조 전이의 샘플링 성능과 가역성에서 어떻게 다를까?
• RQ3 어떤 지도 학습 알고리즘이 생체 분자 시뮬레이션에서 집합 변수로 사용될 때 가장 정보량이 많고 안정적인 결정 함수를 생성하는가?
• RQ4 SML 기반의 CV는 알라닌 다펩타이드와 치그놀린과 같은 이중 상태 및 다중 상태 시스템에서 필수 반응 좌표를 어느 정도 정확하게 포괄할 수 있는가?

주요 결과

• SVM의 결정 초평면으로부터의 부호가 있는 거리는 수용성 알라닌 다펩타이드에서 필수 반응 좌표를 성공적으로 포착하여, cis-trans 이성질화 경로의 효율적 샘플링을 가능하게 한다.
• 로지스틱 회귀의 확률 추정치는 매끄럽고 연속적이며 가역적인 집합 변수를 제공하며, 치그놀린에서의 구조 전이 샘플링을 효과적으로 가속화한다.
• SML 기반의 CV는 무작위 또는 히우리스틱 기반의 CV 선택 대비 자유 에너지 표면의 수렴 속도 향상과 샘플링 시간 단축을 가능하게 한다.
• 이 방법은 이중 상태 및 다중 상태 구조 전이를 포함한 다양한 단백질 시스템에서 뛰어난 내성과 안정성을 보였다.
• 랜덤 포레스트나 신경망과 같은 다른 SML 알고리즘들도 대체 CV를 생성할 잠재력을 보였지만, 샘플링에 최적화된 사용을 위해 추가 분석이 필요하다.
• 이 방법은 직관이 통하지 않는 고차원 시스템에서 특히 유용한 체계적이고 데이터 기반의 수작업 CV 선택의 대안을 제공한다.