[논문 리뷰] MAPE-PPI: Towards Effective and Efficient Protein-Protein Interaction Prediction via Microenvironment-Aware Protein Embedding

Lirong Wu, Yijun Tian외 5명|arXiv (Cornell University)|2024. 02. 22.

Bioinformatics and Genomic Networks인용 수 10

한 줄 요약

MAPE-PPI는 학습 가능한 코드북과 Masked Codebook Modeling을 통해 마이크로환경 인식 단백질 임베딩을 도입하고 시퀀스와 구조를 결합하여 확장 가능한 PPI 예측을 수행하며, 최신 방법 대비 우수한 효율성과 성능을 달성합니다.

ABSTRACT

Protein-Protein Interactions (PPIs) are fundamental in various biological processes and play a key role in life activities. The growing demand and cost of experimental PPI assays require computational methods for efficient PPI prediction. While existing methods rely heavily on protein sequence for PPI prediction, it is the protein structure that is the key to determine the interactions. To take both protein modalities into account, we define the microenvironment of an amino acid residue by its sequence and structural contexts, which describe the surrounding chemical properties and geometric features. In addition, microenvironments defined in previous work are largely based on experimentally assayed physicochemical properties, for which the "vocabulary" is usually extremely small. This makes it difficult to cover the diversity and complexity of microenvironments. In this paper, we propose Microenvironment-Aware Protein Embedding for PPI prediction (MPAE-PPI), which encodes microenvironments into chemically meaningful discrete codes via a sufficiently large microenvironment "vocabulary" (i.e., codebook). Moreover, we propose a novel pre-training strategy, namely Masked Codebook Modeling (MCM), to capture the dependencies between different microenvironments by randomly masking the codebook and reconstructing the input. With the learned microenvironment codebook, we can reuse it as an off-the-shelf tool to efficiently and effectively encode proteins of different sizes and functions for large-scale PPI prediction. Extensive experiments show that MAPE-PPI can scale to PPI prediction with millions of PPIs with superior trade-offs between effectiveness and computational efficiency than the state-of-the-art competitors.

연구 동기 및 목표

• 시퀀스 기반 방법을 넘어 단백질 구조를 포함하여 대규모 PPI 예측의 효율성과 효과를 촉진한다.
• Residue 맥락을 포착하기 위한 대형 마이크로환경 코드북을 도입한다.
• 마이크로환경 코드를 마스킹하여 코드북의 의존성을 포착하는 Masked Codebook Modeling (MCM)을 개발한다.
• 마이크로환경 임베딩을 그래프 기반 PPI 예측기에 통합하여 수백만 개의 PPI로 확장 가능하게 한다.
• 다양한 데이터셋에서 최신 baselines 대비 우수한 효율성과 예측 정확도를 Demonstrate 한다.

제안 방법

• Sequential 및 구조적 맥락에서 잔기 마이크로환경 정의.
• 복원, 코드북, 약정 손실을 포함한 VQ-VAE 스타일 목표(L_VQ)를 통해 대형 마이크로환경 코드북을 학습한다.
• 마이크로환경 엔트리를 마스킹하여 마이크로환경 간 의존성을 포착하는 Masked Codebook Modeling (L_MCM)을 도입한다.
• 잔기 임베딩을 이산적 마이크로환경 코드로 매핑하고, 인코더 출력과 결합해 단백질 표현을 형성하여 단백질을 인코딩한다.
• 학습된 단백질 임베딩으로 그래프 동형성 네트워크(GIN)를 PPI 그래프에 적용해 상호작용 유형을 예측한다.
• 공동 사전 학습 목표 L_Pre = L_VQ + eta * L_MCM과 함께 최적화하고, 이어 라벨링 데이터에 대한 감독 형태의 PPI 예측 손실을 적용한다.

Figure 1: Micro-F1 vs. Training Time.

실험 결과

연구 질문

• RQ1 마이크로환경 기반의 이산 코드북이 시퀀스와 구조로부터 PPI 예측을 위한 잔기 맥락을 효과적으로 포착할 수 있는가?
• RQ2 마이크로환경 코드북의 사전 학습이 대규모 데이터에서 다운스트림 PPI 예측의 효율성과 정확도를 향상시키는가?
• RQ3 MAPE-PPI가 시퀀스 기반 및 구조 기반 벤치마크에 비해 정확도와 확장성 측면에서 어떻게 비교되는가?
• RQ4 학습된 마이크로환경 코드북이 아미노산 분포 및 잔기 맥락에 대해 해석 가능성이 있는가?
• RQ5 모델이 단백질 3D 구조 품질의 변화 및 데이터 간 도메인 시프트에 얼마나 강건한가?

주요 결과

• MAPE-PPI는 SHS27k, SHS148k 및 STRING 데이터 세트에서 최신 baselines에 비해 우수한 정확도와 효율성을 달성한다.
• CATH 4.2의 42k 비라벨 시퀀스-구조 쌍에 대해 마이크로환경 코드북을 사전 학습하면 세부 조정 없이도 강력한 일반화가 가능하다.
• MAPE-PPI는 여러 데이터 분할에서 시퀀스 기반 및 구조 기반 경쟁자보다 성능이 뛰어나며, 특히 ES/NS 하위집합에서 두드러진다.
• 학습된 마이크로환경 코드는 존재하는 지역 잔기 환경과 현실적인 아미노산 분포를 반영하는 의미 있는 클러스터를 형성한다.
• 사전학습 임베딩은 도메인 시프트 하에서 더 강한 일반화와 구조적 교란에 대한 강인성을 보이며 HIGH-PPI 및 여러 baselines에 비해 견고하다.

Figure 2: Left: Illustration of microenvironment discovery and microenvironment-aware protein embedding. Right: Illustration of pre-training the codebook by Masked Codebook Modeling (MCM).