[논문 리뷰] Learning Unknown from Correlations: Graph Neural Network for Inter-novel-protein Interaction Prediction

Guofeng Lv, Zhiqiang Hu외 2명|arXiv (Cornell University)|2021. 05. 14.

Bioinformatics and Genomic Networks참고 문헌 17인용 수 8

한 줄 요약

이 논문은 그래프 신경망 모델인 GNN-PPI를 제안하며, 단백질 상호작용 상관관계를 활용하여 상호-신규-단백질 상호작용 예측 성능을 향상시킨다. BFS/DFS 기반의 데이터 분할과 그래프 기반 특징 학습을 통해 구조적 관계를 통합함으로써, 특히 미리 보지 못한 단백질 쌍에 대해 최신 기술들보다 뚜렷이 뛰어난 성능을 보인다.

ABSTRACT

The study of multi-type Protein-Protein Interaction (PPI) is fundamental for understanding biological processes from a systematic perspective and revealing disease mechanisms. Existing methods suffer from significant performance degradation when tested in unseen dataset. In this paper, we investigate the problem and find that it is mainly attributed to the poor performance for inter-novel-protein interaction prediction. However, current evaluations overlook the inter-novel-protein interactions, and thus fail to give an instructive assessment. As a result, we propose to address the problem from both the evaluation and the methodology. Firstly, we design a new evaluation framework that fully respects the inter-novel-protein interactions and gives consistent assessment across datasets. Secondly, we argue that correlations between proteins must provide useful information for analysis of novel proteins, and based on this, we propose a graph neural network based method (GNN-PPI) for better inter-novel-protein interaction prediction. Experimental results on real-world datasets of different scales demonstrate that GNN-PPI significantly outperforms state-of-the-art PPI prediction methods, especially for the inter-novel-protein interaction prediction.

연구 동기 및 목표

• 기존의 PPI 예측 모델이 새로운 데이터셋에서 심각한 성능 저하를 보이는 문제를 해결한다. 특히 상호-신규-단백질 상호작용에서의 성능 저하에 초점을 맞춘다.
• 현재 평가 프로토콜이 단백질과 무관한 무작위 분할 방식을 사용함으로써 상호-신규-단백질 상호작용을 간과하고 있어, 잘못된 성능 평가가 이뤄질 수 있음을 밝힌다.
• BFS 및 DFS 기반의 각 단백질별 무작위 데이터 분할을 활용한 새로운 평가 프레임워크를 설계하여, 실제 세계의 일반화 능력을 더 잘 반영하고, 다양한 데이터셋 간 일관된 성능 평가를 가능하게 한다.
• 단백질 간 상관관계를 모델링하여 새로운 단백질 쌍에 대한 예측 정확도를 향상시키는 그래프 신경망 기반 방법(GNN-PPI)을 제안한다.
• 그래프 학습을 통해 단백질 상호작용 상관관계를 통합함으로써, 특히 자원이 제한되거나 새로운 설정에서 상호-신규-단백질 상호작용 예측 성능이 뚜렷이 향상됨을 입증한다.

제안 방법

• 단백질의 근접성을 고려하고 데이터셋 간 일관성 있는 평가를 보장하기 위해 BFS 및 DFS 탐색을 활용해 테스트 세트를 구성하는 새로운 평가 프레임워크를 도입한다.
• 단백질을 노드로, PPI를 간선으로 간주하는 그래프 신경망(GNN-PPI)을 설계하여 메시지 전파를 통해 상호-단백질 상관관계를 포착한다.
• 단백질 상호작용 임베딩(PIE) 및 단백질 그래프 인코딩(PGE) 모듈을 통합하여 시퀀스 기반 및 구조적 상관관계 특징을 동시에 학습한다.
• 아미노산 서열 기반 특징(예: AC, CTD)을 입력으로 사용하고, 학습된 그래프 표현과 결합하여 새로운 단백질로의 일반화 능력을 향상시킨다.
• 주요 평가 지표로 마이크로-F1을 사용하는 다중 레이블 분류를 적용하고, 구성 요소 기여도를 검증하기 위해 아블레이션 스터디를 실시한다.
• 모델의 강건성과 일반화 능력을 실제 조건에서 평가하기 위해 랜덤, BFS, DFS의 두 가지 데이터 분할 전략을 구현한다.

실험 결과

연구 질문

• RQ1 기존의 PPI 예측 모델이 새로운 데이터셋에서 테스트 시 심각한 성능 저하를 겪는 이유는 무엇인가?
• RQ2 최소한 하나의 단백질이 훈련 중에 보이지 않는 상호-신규-단백질 상호작용이 전체 성능 저하에 얼마나 기여하는가?
• RQ3 그래프 신경망이 단백질 상호작용 상관관계를 효과적으로 모델링하여 새로운 단백질 쌍에 대한 예측 성능을 향상시킬 수 있는가?
• RQ4 BFS/DFS 기반의 데이터 분할을 기반으로 한 새로운 평가 프레임워크가 전통적인 무작위 분할 방식보다 더 일관되고 현실적인 성능 평가를 제공하는가?
• RQ5 GNN-PPI 모델의 개별 구성 요소(PIE 및 PGE)가 상호-신규-단백질 상호작용 예측 성능에 기여하는 정도는 어떠한가?

주요 결과

• STRING 데이터셋에서 GNN-PPI는 DFS 분할 전략 하에 마이크로-F1 점수 91.07 ± 0.58을 기록하며, PIPR(78.37 ± 5.40)를 크게 앞서며 상호-신규-단백질 상호작용에서 12.7점 향상되었다.
• 훈련 데이터에서 둘 다 보이지 않는 NS 서브셋(모든 단백질이 신규)에서 GNN-PPI는 DFS 분할 기준으로 마이크로-F1 88.03 ± 0.59를 기록했고, PIE만을 사용한 아블레이션은 50.03 ± 2.08에 머물러, 그래프 모델링의 핵심적 역할을 입증했다.
• 희귀 PPI 유형인 발현(Expression, 2.07% 비율)에서는 GNN-PPI가 DFS 기준으로 마이크로-F1 23.22 ± 9.21을 기록하며, PIPR의 15.67 ± 10.80을 능가해 클래스 불균형 상황에서도 뛰어난 강건성을 보였다.
• 아블레이션 스터디 결과, PGE 모듈(그래프 인코딩)이 상호-신규-단백질 예측 성능 향상에 필수적임을 확인했으며, 이 모듈을 제거할 경우 DFS 마이크로-F1는 50.03 ± 2.08로 떨어지며, PIE만 사용한 경우 기존 DNN-PPI 기반 모델과 유사한 성능을 보였다.
• 제안된 BFS 및 DFS 분할 전략 하에서 GNN-PPI는 모든 서브셋(BS, ES, NS)에서 일관된 성능을 유지하며, 본래의 PIPR가 NS에서 붕괴되는 것과는 달리, 보이는 상호작용과 보이지 않는 상호작용 간 격차를 좁혔다.
• 새로운 평가 체계 하에서 GNN-PPI는 전체 STRING 테스트 세트에서 마이크로-F1 95.43 ± 0.10을 기록하며, 모든 분할 전략에서 최신 기술 수준의 성능을 입증했다.