[논문 리뷰] Dynamic PDB: A New Dataset and a SE(3) Model Extension by Integrating Dynamic Behaviors and Physical Properties in Protein Structures

Ce Liu, Jun Wang외 11명|arXiv (Cornell University)|2024. 08. 22.

Protein Structure and Dynamics인용 수 4

한 줄 요약

이 논문은 1-마이크로초 전자기계적 분자 동역학 시뮬레이션을 수행한 약 12.6K개의 단백질로 구성된 대규모 데이터셋인 Dynamic PDB를 소개한다. 이 데이터셋은 구형 변화 및 풍부한 물리적 성질(예: 속도, 힘, 에너지)을 캡처한다. 이 물리적 성질을 통합하여 SE(3) 확산 모델을 확장함으로써, 보편적인 궤적 예측 정확도를 향상시켰으며, 기준 단백질에서 평균 절대 오차(MAE)는 0.277로 감소하고, 루트 평균 제곱 편차(RMSD)는 0.528로 감소하였다.

ABSTRACT

Despite significant progress in static protein structure collection and prediction, the dynamic behavior of proteins, one of their most vital characteristics, has been largely overlooked in prior research. This oversight can be attributed to the limited availability, diversity, and heterogeneity of dynamic protein datasets. To address this gap, we propose to enhance existing prestigious static 3D protein structural databases, such as the Protein Data Bank (PDB), by integrating dynamic data and additional physical properties. Specifically, we introduce a large-scale dataset, Dynamic PDB, encompassing approximately 12.6K proteins, each subjected to all-atom molecular dynamics (MD) simulations lasting 1 microsecond to capture conformational changes. Furthermore, we provide a comprehensive suite of physical properties, including atomic velocities and forces, potential and kinetic energies of proteins, and the temperature of the simulation environment, recorded at 1 picosecond intervals throughout the simulations. For benchmarking purposes, we evaluate state-of-the-art methods on the proposed dataset for the task of trajectory prediction. To demonstrate the value of integrating richer physical properties in the study of protein dynamics and related model design, we base our approach on the SE(3) diffusion model and incorporate these physical properties into the trajectory prediction process. Preliminary results indicate that this straightforward extension of the SE(3) model yields improved accuracy, as measured by MAE and RMSD, when the proposed physical properties are taken into consideration. https://fudan-generative-vision.github.io/dynamicPDB/ .

연구 동기 및 목표

• 기존의 정적 구조 기반 데이터베이스인 PDB와 같이, 종합적이고 다양한 종류의 단백질 및 장기적인 동적 데이터셋이 부족한 문제를 해결하기 위해.
• 1 ps 해상도에서 1 µs 시뮬레이션 동안 구형 변화 및 물리적 성질(예: 속도, 힘, 에너지)을 상세히 캡처하기 위해.
• 물리적 성질 통합을 통해 SE(3) 확산 모델을 확장하여 단백질 궤적 예측 정확도를 향상시키기 위해.
• 물리적 성질이 예측 정확도 및 새로운 단백질에 대한 모델 일반화 능력에 미치는 영향을 평가하기 위해.

제안 방법

• 1 µs 동안 1 ps 간격으로 약 12.6K개 단백질에 대해 전원자 분자 동역학 시뮬레이션을 수행하여 대규모 데이터셋인 Dynamic PDB를 생성하였다.
• 각 시간 단계에서 원자 속도, 힘, 위치 에너지 및 운동 에너지, 시뮬레이션 온도를 포함한 종합적인 물리적 성질을 수집하였다.
• 궤적 예측 중에 속도 및 힘과 같은 물리적 성질을 추가 입력 특징으로 통합하여 SE(3) 확산 모델을 확장하였다.
• 다양한 단백질을 동시에 훈련시어, 새로운 단백질에 대한 제로샷 일반화 능력을 향상시켰다.
• 물리적 성질(속도, 힘)이 예측 성능에 기여하는 정도를 분리하기 위해 분석 실험(Ablation study)를 수행하였다.
• 표준 평가 지표인 평균 절대 오차(MAE)와 루트 평균 제곱 편차(RMSD)를 사용하여 모델 성능을 평가하였다.

실험 결과

연구 질문

• RQ1 속도 및 힘과 같은 물리적 성질을 통합할 경우 단백질의 구형 변화 궤적 예측 정확도는 어떻게 향상되는가?
• RQ2 더 긴 시뮬레이션 기간(1 µs 대비 100 ns 및 50 ns)은 모델이 동적 패턴을 학습하는 데 어떤 영향을 미치는가?
• RQ3 다양한 단백질 궤적에서 훈련된 확산 모델이 이전에 본 적 없는 단백질의 궤적을 얼마나 잘 예측할 수 있는가?
• RQ4 Dynamic PDB에 캡처된 물리적 성질은 이소성 전이 및 구형 변화 모델링에 어떻게 기여하는가?

주요 결과

• SE(3) 모델에 속도를 통합함으로써 단백질 2ERL_A에서 MAE는 0.284에서 0.279로 감소하고, RMSD는 0.546에서 0.533으로 감소하였다.
• 힘 정보를 추가로 통합함으로써 MAE는 0.277로, RMSD는 0.528로 추가로 감소하여 물리적 성질의 누적적 이점이 입증되었다.
• 214개 단백질에서 훈련한 모델은 새로운 단백질에서 MAE 0.299, RMSD 0.584를 기록하였고, 단지 10개 단백질에서 훈련한 모델(평균 절대 오차: 0.303, 루트 평균 제곱 편차: 0.596)보다 성능이 뛰어났다.
• 더 긴 시뮬레이션 기간(1 µs)은 플로우 기반 모델(FM)의 성능을 향상시켰지만, SE(3)-Trans, EGNN, SEGNN는 시뮬레이션 길이에 관계없이 유사한 정확도를 보였다.
• 정성적 결과에서는 물리적 성질을 통합한 예측이 특히 알파 나선 및 베타 시트와 같은 2차 구조 특징을 유지하는 데 있어 실제값과 더 밀접하게 일치하는 것으로 나타났다.
• 이 데이터셋을 통해 RMSD 및 회전 반지름 변화 추세, 접촉 맵 빈도, 라마찬드란 플롯 분포 분석 등 구형 변화에 대한 상세한 분석이 가능해졌다.