[논문 리뷰] PersGNN: Applying Topological Data Analysis and Geometric Deep Learning to Structure-Based Protein Function Prediction

Nicolas Swenson, Aditi S. Krishnapriyan외 3명|arXiv (Cornell University)|2020. 10. 29.

Computational Drug Discovery Methods인용 수 8

한 줄 요약

PersGNN는 지속 호몰로지로 향상된 새로운 그래프 신경망을 도입하여 기초 구조 기반 단백질 기능 예측을 향상시킨다. 기하학적 딥러닝과 위상적 데이터 분석을 융합함으로써 기준 모델 대비 AUPR에서 9.3%의 상대적 향상을 달성하며, 특히 데이터가 적은 GO 어휘에서 뛰어난 일반화 능력을 보여준다.

ABSTRACT

Understanding protein structure-function relationships is a key challenge in computational biology, with applications across the biotechnology and pharmaceutical industries. While it is known that protein structure directly impacts protein function, many functional prediction tasks use only protein sequence. In this work, we isolate protein structure to make functional annotations for proteins in the Protein Data Bank in order to study the expressiveness of different structure-based prediction schemes. We present PersGNN - an end-to-end trainable deep learning model that combines graph representation learning with topological data analysis to capture a complex set of both local and global structural features. While variations of these techniques have been successfully applied to proteins before, we demonstrate that our hybridized approach, PersGNN, outperforms either method on its own as well as a baseline neural network that learns from the same information. PersGNN achieves a 9.3% boost in area under the precision recall curve (AUPR) compared to the best individual model, as well as high F1 scores across different gene ontology categories, indicating the transferability of this approach.

연구 동기 및 목표

• 아미노산 서열에만 의존하는 것 대신 3차원 구조 정보를 활용하여 단백질 기능 예측을 향상시키기 위해.
• 기하학적 딥러닝(GNNs)과 위상적 데이터 분석(지속 호몰로지)을 융합함으로써 구조적 표현의 표현력을 향상시키는지 조사하기 위해.
• 기능 주석 작업에서 독립된 GNN, 지속 호몰로지 모델, 표준 신경망과의 성능을 평가하기 위해.
• 특히 학습 예제가 적은 경우에 모델의 일반화 능력을 평가하기 위해.
• 단백질의 아미노산 서열 정보 없이 3차원 원자 좌표만을 입력으로 사용함으로써 방법의 이식 가능성과 강건성을 입증하기 위해.

제안 방법

• 3차원 원자 좌표에서 유도된 알파-탄소 접촉 맵을 사용하여 단백질 구조를 그래프로 표현한다.
• 메시지 전파를 통해 GNN를 적용하여 접촉 맵에서 노드 및 전반적인 그래프 임베딩을 학습한다.
• 다양한 반경에서 알파-형태의 필터레이션을 구성함으로써 3차원 원자 좌표에서 지속 호몰로지를 계산한다.
• 지속성(죽음 - 탄생)으로 정의된 영역에서 영속성 다이어그램을 추출하여 고리 및 빈 공간과 같은 위상적 특징을 캡처한다.
• GNN가 학습한 임베딩과 위상적 특징(영속성 다이어그램)을 결합하여 통합된 구조적 표현을 형성한다.
• 유전자의 온톨로지(GO) 어휘에서 다중 레이블 분류를 위한 교차 엔트로피 손실을 사용하여 엔드 투 엔드 모델을 훈련시킨다.

실험 결과

연구 질문

• RQ1 기하학적 딥러닝과 위상적 데이터 분석을 융합한 하이브리드 모델이 단독으로 사용된 각 방법보다 단백질 기능 예측에서 뛰어난 성능을 보일 수 있는가?
• RQ2 동일한 구조적 입력에서 훈련된 경우, 표준 피드포워드 신경망과 독립된 GNN에 비해 PersGNN의 성능은 어떻게 비교되는가?
• RQ3 위상적 특징의 포함이 특히 학습 예제가 적은 GO 어휘에서 모델의 일반화 능력을 향상시키는가?
• RQ4 서열 정보가 제거된 상황에서 모델이 구조적 위상 정보를 얼마나 효과적으로 활용하여 정확한 예측을 하는가?
• RQ5 다양한 데이터 희소성 수준을 보이는 유전자의 온톨로지 카테고리(Molecular Function, Biological Process, Cellular Component)에서 모델의 강건성은 어느 정도인가?

주요 결과

• PersGNN는 최고의 개별 모델(GNN 또는 지속 호몰로지 단독) 대비 정밀도-재현율 곡선 아래 면적(AUPR)에서 9.3%의 상대적 향상을 달성한다.
• 모든 유전자의 온톨로지(GO) 카테고리에서 높은 F1 스코어를 유지하며, 특히 학습 데이터 집합 크기가 작은 분자 기능(Molecular Function, MF) 어휘에서 뛰어난 성능을 보인다.
• 모델은 낮은 데이터 GO 어휘에서 기준 다층 퍼셉트론(MLP)과 독립된 GNN보다 뛰어난 성능을 보이며, 더 나은 일반화 능력과 더 의미 있는 특징 학습 능력을 보여준다.
• 성능 향상은 학습 예제가 10개 미만인 GO 어휘에서 가장 두드러지며, 이는 위상적 특징이 데이터 효율성을 향상시킨다는 것을 시사한다.
• 하이브리드 아키텍처는 GNN를 통해 국소적 특징과 지속 호몰로지를 통해 전역적 특징을 효과적으로 캡처하여 더 표현력 있는 표현을 이룬다.
• 이 방법은 매우 이식 가능하며, 최소한의 입력 전처리를 요구하고 3차원 원자 좌표만을 기반으로 하므로 다양한 데이터셋에 적용 가능하다.