[논문 리뷰] Multi-scale Sinusoidal Embeddings Enable Learning on High Resolution Mass Spectrometry Data

Gennady Voronov, Rose Lightheart외 4명|arXiv (Cornell University)|2022. 07. 06.

Metabolomics and Mass Spectrometry Studies인용 수 15

한 줄 요약

이 논문은 고해상도 투 tandem 질량분석법(MS2) 데이터에서 질량대전하비(m/z) 값에 다중 척도 사인성 임베딩을 도입하여 딥러닝 모델이 전체 해상도 스펙트럼 정보를 효과적으로 활용할 수 있도록 한다. 이 방법은 스펙트럼 라이브러리 검색에서 최신 기술 수준의 성능을 달성하고, 새로운 화합물에서 10개의 약물 관련 화학적 성질을 평균 R² 80%로 예측하며, MS2 데이터에서 복잡한 패턴을 학습하기 위해 고정밀도 m/z 표현이 필수적임을 입증한다.

ABSTRACT

Small molecules in biological samples are studied to provide information about disease states, environmental toxins, natural product drug discovery, and many other applications. The primary window into the composition of small molecule mixtures is tandem mass spectrometry (MS2), which produces data that are of high sensitivity and part per million resolution. We adopt multi-scale sinusoidal embeddings of the mass data in MS2 designed to meet the challenge of learning from the full resolution of MS2 data. Using these embeddings, we provide a new state of the art model for spectral library search, the standard task for initial evaluation of MS2 data. We also introduce a new task, chemical property prediction from MS2 data, that has natural applications in high-throughput MS2 experiments and show that an average $R^2$ of 80\% for novel compounds can be achieved across 10 chemical properties prioritized by medicinal chemists. We use dimensionality reduction techniques and experiments with different floating point resolutions to show the essential role multi-scale sinusoidal embeddings play in learning from MS2 data.

연구 동기 및 목표

• 기계학습 모델에서 고해상도 MS2 데이터의 비효율적 사용으로 인해 발생하는 대사체학 분야의 성능 저하 문제를 해결하기 위해.
• 밀리달톤 수준의 해상도를 유지하면서 이산화로 인한 경계 효과를 방지하는 m/z 값의 수치적 표현을 개발하기 위해.
• 다중 척도 사인성 임베딩이 다양한 후행 작업에서 전체 해상도 MS2 스펙트럼으로부터 효과적으로 학습할 수 있음을 입증하기 위해.
• 고정밀도 입력(이중 정밀도 부동소수점)이 임베딩 내 의미 있는 구조를 포착하는 데 필수적임을 검증하기 위해.
• 학습된 임베딩이 MS2 스펙트럼만으로도 약물 발굴 관련 핵심 화학적 성질을 예측할 수 있음을 보여주기 위해.

제안 방법

• 이 방법은 m/z 값을 다중 주기의 연속적이고 미분 가능한 벡터로 표현하여 여러 주기적 순서의 크기를 모두 포괄하는 다중 척도 사인성 임베딩을 사용한다.
• 모델은 각 피크의 m/z와 강도를 다양한 주파수를 가진 사인 함수를 사용하여 임베딩하여 네트워크가 미세한 질량 차이를 학습할 수 있도록 한다.
• 이 접근법은 주로 두 가지 작업에 적용된다: 스펙트럼 라이브러리 검색과 트랜스포머 기반 아키텍처를 사용한 화학적 성질 예측.
• 모델 성능에 미치는 해상도의 영향을 분리하기 위해 m/z 입력에 대해 반정밀도와 이중 정밀도 부동소수점을 비교한다.
• 고차원 임베딩 공간의 시각화를 위해 UMAP를 사용하여 차원 축소를 수행하고, 다양한 입력 정밀도에서의 구조적 특징 유형을 평가한다.
• 모델은 공개 및 상업용 MS2 데이터셋의 조합으로 훈련되며, 분자의 입체화학 정보는 제거되어 분자의 분리된 분할을 보장한다.

실험 결과

연구 질문

• RQ1 m/z 값에 대한 다중 척도 사인성 임베딩이 전체 해상도 MS2 데이터를 사용한 스펙트럼 라이브러리 검색에서 최신 기술 수준의 성능을 달성할 수 있는가?
• RQ2 사인성 임베딩을 통한 고해상도 m/z 표현이 새로운 화합물의 화학적 성질 예측에서 일반화 성능을 향상시킬 수 있는가?
• RQ3 m/z 값이 반정밀도 부동소수점으로 내림표본화될 경우 모델 성능이 떨어지며, 이는 고해상도 입력에 대한 의존성을 시사하는가?
• RQ4 고정밀도 m/z 입력을 사용할 경우 고차원 임베딩 공간에 어떤 종류의 고차원적 구조가 나타나며, 이는 생물학적 또는 화학적 유사성과 어떻게 관련되는가?
• RQ5 다양한 화학적 성질 예측 작업 전반에서 사인성 임베딩 방식이 토큰화 방식보다 일관되게 성능 향상을 이룰 수 있는가?

주요 결과

• 사인성 임베딩 모델은 스펙트럼 라이브러리 검색에서 최신 기술 수준의 성능을 달성하여 이전 방법보다 정확한 화합물 일치 및 유사 구조체 식별에서 뛰어난 성능을 보였다.
• 화학적 성질 예측에서 이 모델은 10개의 약물 화학 중심 성질에 대해 새로운 화합물에서 평균 R² 80%를 달성하여 약물 발굴에서 최초의 히트 우선순위 정렬을 가능하게 하였다.
• m/z 값이 반정밀도 부동소수점으로 표현될 경우 모델의 성능이 크게 떨어지며, 이는 고해상도 입력이 학습에 필수적임을 시사한다.
• UMAP 시각화 결과, 고정밀도 m/z 입력이 사용될 경우에만 의미 있는 비선형적이고 생물학적으로 유의미한 구조가 임베딩 공간에 나타남을 확인하였다.
• 성질 예측에서 새로운 분자에 대해 사인성 임베딩 방식이 토큰화 방식보다 평균 R²를 11% 향상시켜 일반화 성능에서의 우월성을 입증하였다.
• 결과적으로 다중 척도 사인성 임베딩은 세부 질량 스펙트럼 정보를 유지할 수 있는 능력 덕분에 작업 간 보편적인 개선 효과를 보이며, 작업 특화가 아닌 일반적인 개선이 됨을 확인하였다.