[논문 리뷰] End-to-End Learning on 3D Protein Structure for Interface Prediction

Raphael J.L. Townshend, Rishi Bedi외 2명|arXiv (Cornell University)|2018. 07. 03.

Machine Learning in Materials Science인용 수 43

한 줄 요약

이 논문은 DIPS라는 대형 단백질–단백질 인터페이스 데이터셋과 SASNet를 소개합니다. 이는 오직 원자 좌표만을 사용해 쌍 단백질 인터페이스를 예측하는 최초의 엔드-투-엔드 3D CNN 모델로, 바운드 복합체에서 학습했음에도 DB5-test에서 최첨단 결과를 달성합니다.

ABSTRACT

Despite an explosion in the number of experimentally determined, atomically detailed structures of biomolecules, many critical tasks in structural biology remain data-limited. Whether performance in such tasks can be improved by using large repositories of tangentially related structural data remains an open question. To address this question, we focused on a central problem in biology: predicting how proteins interact with one another---that is, which surfaces of one protein bind to those of another protein. We built a training dataset, the Database of Interacting Protein Structures (DIPS), that contains biases but is two orders of magnitude larger than those used previously. We found that these biases significantly degrade the performance of existing methods on gold-standard data. Hypothesizing that assumptions baked into the hand-crafted features on which these methods depend were the source of the problem, we developed the first end-to-end learning model for protein interface prediction, the Siamese Atomic Surfacelet Network (SASNet). Using only spatial coordinates and identities of atoms, SASNet outperforms state-of-the-art methods trained on gold-standard structural data, even when trained on only 3% of our new dataset. Code and data available at https://github.com/drorlab/DIPS.

연구 동기 및 목표

• 큰 규모의, 간접적으로 관련된 구조 데이터가 데이터 한정 인터페이스 예측 태스크를 개선할 수 있는지 여부를 모티브로 삼습니다.
• 인터페이스 예측의 편향성과 강건성을 연구하기 위해 훨씬 큰 학습 데이터세트 DIPS를 만듭니다.
• 핸드 크래프드 피처 없이 원자 좌표로 직접 학습하는 엔드-투-엔드 모델을 개발합니다.
• 골드 표준 데이터에 대해 학습된 최첨단 방법과 비교하여 SASNet의 성능을 Demonstrate합니다.
• 데이터세트 편향성에 대한 엔드-투-엔드 학습의 강건성 및 잠재적 확장성 이점을 탐구합니다.

제안 방법

• DIPS 데이터세트를 PDB에서 42,826개의 이진 단백질 상호작용과 5백만 개가 넘는 양성 인터페이스 아미노산 쌍을 채굴하여 구성합니다.
• 각 인터페이스 쌍을 surfacelet로 불리는 로컬 원자 환경으로 표현하고 이를 고정 크기 4D 격자(원자 유형 채널 포함)로 보셀화합니다.
• 쌍이 있는 두 surfacelet를 연결 가중치를 공유하는 시암이 아닌 구조의 3D CNN으로 처리하고, 잠재 표현을 연결해 이진 분류를 수행합니다.
• 이진 교차 엔트로피 손실로 학습하고 회전 불변성을 위해 임의 회전을 통한 데이터 증강을 사용합니다.
• DB5-test에서 중앙값 per-complex AUROC(CAUROC)을 사용해 평가하고, 최상의 검증 재현치를 보고합니다.
• DIPS에서 학습된 SASNet가 핸드크래프트 피처 방법보다 더 나은 성능을 보일 수 있음을 보여주되, DIPS의 일부 데이터로 학습했을 때도 그런 성능을 달성합니다.

실험 결과

연구 질문

• RQ1 엔드-투-엔드 3D CNN이 쌍 단백질 인터페이스 예측에서 핸드 크래프드 피처 방법을 이길 수 있는가?
• RQ2 대규모의 편향이 많은 데이터셋(DIPS)에서 학습하는 것이 인터페이스 예측의 골드 표준 테스트 데이터(DB5-test)에서 성능을 향상시키는가?
• RQ3 DIPS의 일부만으로 학습했을 때 SASNet의 성능은 전통적인 DB5-학습 모델과 비교해 어떤가?
• RQ4 격자 크기 및 데이터세트 크기와 같은 하이퍼파라미터가 SASNet 성능에 어떤 영향을 미치는가?

주요 결과

방법	CAUROC (DB5-test)	시드 변동성 (Std)
NGF	0.843 (0.851 +/- 0.010)	0.010
DTNN	0.861 (0.861 +/- 0.004)	0.004
Node+Edge Average	0.844 (0.850 +/- 0.004)	0.004
Order Dependent	0.857 (0.864 +/- 0.006)	0.006
Node Average	0.876 (0.877 +/- 0.005)	0.005
BIPSPI	0.878 (0.878 +/- 0.003)	0.003
SASNet	0.892 (0.885 +/- 0.009)	0.009

• SASNet은 DB5-test에서 0.892 CAUROC를 달성하여 열거된 모든 베이스라인보다 우수합니다.
• DIPS로 학습된 비교 방법은 DB5-test에서 성능이 하락하는 반면 SASNet은 DIPS로 학습할 때 성능이 향상됩니다.
• DIPS의 데이터 중 고작 3%로 학습한 SASNet도 DB5에서 학습된 최첨단 방법보다 여전히 우수합니다.
• 그리드 크기를 키우면 최대 한도까지가 아닌 지점에서 성능 향상을 보여주며, 41 Å 에지 길이 및 1 Å 해상도에서 강력한 결과를 제공합니다.
• 더 큰 DIPS 데이터세트는 일관되게 SASNet의 성능을 향상시키며, 더 많은 데이터의 활용 여지가 있음을 시사합니다.
• 결합체가 바운드인 경우에만 학습된 SASNet도 언바운드와 유사한 상황으로 일반화될 수 있어, 학습된 피처가 단순한 모양 보완성 너머의 단백질 탄력성까지 포착함을 시사합니다.