[논문 리뷰] DPST: De Novo Peptide Sequencing with Amino-Acid-Aware Transformers

Yan Yang, Zakir Hossain외 4명|arXiv (Cornell University)|2022. 03. 23.

Advanced Proteomics Techniques and Applications인용 수 8

한 줄 요약

DPST는 신뢰도 값 집합과 글로벌-로컬 융합 디코딩을 통해 아미노산 인지 스펙트럼 표현을 활용하는 새로운 트랜스포머 기반 프레임워크를 제안한다. 닫힌 형식의 정수선형계획문제 해법으로부터 인덕티브 바이어스를 도출함으로써 검색 공간을 90% 감소시키고, 최신 기술 대비 12%~19% 높은 펩타이드 정확도를 달성한다.

ABSTRACT

De novo peptide sequencing aims to recover amino acid sequences of a peptide from tandem mass spectrometry (MS) data. Existing approaches for de novo analysis enumerate MS evidence for all amino acid classes during inference. It leads to over-trimming on receptive fields of MS data and restricts MS evidence associated with following undecoded amino acids. Our approach, DPST, circumvents these limitations with two key components: (1) A confidence value aggregation encoder to sketch spectrum representations according to amino-acid-based connectivity among MS; (2) A global-local fusion decoder to progressively assimilate contextualized spectrum representations with a predefined preconception of localized MS evidence and amino acid priors. Our components originate from a closed-form solution and selectively attend to informative amino-acid-aware MS representations. Through extensive empirical studies, we demonstrate the superiority of DPST, showing that it outperforms state-of-the-art approaches by a margin of 12% - 19% peptide accuracy.

연구 동기 및 목표

• 추론 중 아미노산 클래스의 완전한 열거에 의존하는 기존 신규 펩타이드 시퀀싱 방법의 한계를 해결한다.
• 구조적 및 스펙트럼 사전 지식을 통합하여 MS 기반 펩타이드 시퀀싱에서 나쁜 문맥 추론과 큰 검색 공간 문제를 해결한다.
• 유의미한 아미노산 인지 MS 증거에 대해 선택적으로 주의를 기울이는 모델을 개발하여 추론 효율성과 정확도를 향상시킨다.
• 닫힌 형식의 정수선형계획문제(ILP) 해법으로부터 유도된 인덕티브 바이어스를 트랜스포머 아키텍처에 통합하여 학습 중 타당한 해를 제약한다.
• 특히 펩타이드 재현율과 정확도에서 최신 기술 기준선 대비 뛰어난 성능을 입증한다.

제안 방법

• 아미노산 연결성 기반의 쌍별 MS 피크 정렬을 모델링하는 신뢰도 값 집합 인코더를 제안하여 문맥 인지 스펙트럼 표현을 가능하게 한다.
• 학습된 아미노산 사전 지식에 따라 국소적 MS 증거와 글로벌 문맥을 융합하는 글로벌-로컬 융합 디코더를 사용하여 예측을 정밀하게 조정한다.
• 닫힌 형식의 정수선형계획문제(ILP) 해법을 이론적 기초로 삼아 인덕티브 바이어스를 도출하고 검색 공간을 90% 감소시킨다.
• 알고리즘 1을 통해 상위 신뢰도 피크를 임계값 설정으로 선택한 kNN 기반 자기주의를 인코더에 적용하여 관련 스펙트럼 특징에 집중한다.
• 교차 엔트로피 손실을 주요 펩타이드 서열에 대해 엔드 투 엔드로 훈련하고, 주의 메커니즘의 하이퍼파라미터인 k(이웃 수)와 δ(신뢰도 임계값)를 조정한다.
• 디코더에 아미노산 사전 지식을 통합하여 주의를 이끌고 예측 서열과 MS 증거 간의 정렬을 향상시킨다.

실험 결과

연구 질문

• RQ1 아미노산 인지 스펙트럼 표현을 갖춘 트랜스포머 기반 아키텍처가 기존의 신규 펩타이드 시퀀싱 방법보다 정확도와 재현율에서 뛰어난 성능을 보일 수 있는가?
• RQ2 닫힌 형식의 ILP 해법을 인덕티브 바이어스로 통합할 경우 검색 공간과 모델 일반화 능력에 어떤 영향을 미치는가?
• RQ3 신뢰도 값 집합이 다양한 아미노산 위치 간의 MS 피크를 연결함으로써 문맥 추론 능력을 얼마나 향상시키는가?
• RQ4 아미노산 사전 지식을 통합한 글로벌-로컬 융합 디코더는 국소적 증거와 글로벌 문맥을 균형 있게 조합함으로써 추론 성능을 향상시키는가?
• RQ5 k(이웃 수)와 δ(신뢰도 임계값)와 같은 하이퍼파라미터가 모델 성능과 노이즈가 많은 MS 데이터에 대한 강건성에 어떤 영향을 미치는가?

주요 결과

• DPST는 도전적인 C. endoloripes 데이터셋을 포함한 여러 벤치마크에서 최신 기술 대비 12%~19% 높은 펩타이드 정확도를 달성한다.
• 신뢰도 값 집합을 통해 효과적인 검색 공간을 90% 감소시켜 계산 효율성과 추론 안정성 모두를 크게 향상시킨다.
• 절단 실험 결과, 신뢰도 값 집합과 글로벌 및 로컬 디코더 브랜치를 모두 조합한 경우 퍼플렉서티가 1.28로 가장 낮아 가장 뛰어난 성능을 보였다.
• 인코더에서 k=8 및 δ=8 설정이 최적 성능을 낳으며, 이는 균형 잡힌 이웃 수와 신뢰도 임계값 선택이 피크 정렬에 있어 핵심임을 시사한다.
• 모델은 위치 기반 정확도보다 펩타이드 재현율에서 더 큰 향상을 보이며, 이는 향상된 문맥 추론 능력과 고립된 누락 피크에 대한 민감도 감소를 의미한다.
• 아미노산 사전 지식을 통합한 글로벌-로컬 융합 디코더는 예측 서열을 구분력 있는 MS 표현과 정렬함으로써 성능을 향상시키고 노이즈를 걸러내는 데 기여한다.