[논문 리뷰] Principal nested shape space analysis of molecular dynamics data

Ian L. Dryden, Kwangrae Kim외 2명|arXiv (Cornell University)|2019. 03. 22.

Morphological variations and asymmetry참고 문헌 17인용 수 4

한 줄 요약

이 논문은 분자 동역학 시뮬레이션에서 3D 분자 형상 동역학을 모델링하기 위해 주된 중첩 구면(Principal Nested Spheres)을 3D 하위형상 공간으로 확장한 주요 중첩 형상 공간 분석(PNSSA)을 소개한다. 반복적으로 저차원 하위형상을 계층적이고 노이즈 구분 능력을 갖춘 방식으로 적합화함으로써, 29개 원자로 구성된 알라닌 펜타펩타이드에서 고유한 구형 상태와 시간에 따른 전이 패턴을 드러내며, 비선형 형상 변동성과 동적 군집화 행동을 포괄적으로 포착하는 데 있어 전통적인 탄성공간 주성분 분석(PCA)을 능가한다.

ABSTRACT

Molecular dynamics simulations produce huge datasets of temporal sequences of molecules. It is of interest to summarize the shape evolution of the molecules in a succinct, low-dimensional representation. However, Euclidean techniques such as principal components analysis (PCA) can be problematic as the data may lie far from in a flat manifold. Principal nested spheres gives a fundamentally different decomposition of data from the usual Euclidean sub-space based PCA (Jung, Dryden and Marron, 2012, Biometrika). Sub-spaces of successively lower dimension are fitted to the data in a backwards manner, with the aim of retaining signal and dispensing with noise at each stage. We adapt the methodology to 3D sub-shape spaces and provide some practical fitting algorithms. The methodology is applied to cluster analysis of peptides, where different states of the molecules can be identified. Also, the temporal transitions between cluster states are explored.

연구 동기 및 목표

• 분자 동역학 데이터의 비선형이며 굴절된 형상 다양체를 모델링하는 데 있어 유클리드 PCA의 한계를 해결하기 위해.
• 주성분 중첩 구면에 영감을 얻어 3D 형상 공간에 적합한 뒤집힌 계층적 차원 감소 방법을 개발하기 위해.
• 분자 형상 진화에서 고유한 구형 상태와 동적 전이 패턴을 규명하기 위해.
• 평탄한 다양체에서 멀리 떨어진 형상 데이터에 대해 전방 적합 방법(예: 탄성공간 PCA)의 강력한 대안을 제공하기 위해.
• 형상 기반 상태 분류를 통해 분자 동역학 궤적의 군집 분석 및 전이 행렬 모델링을 가능하게 하기 위해.

제안 방법

• 주성분 중첩 구면(PNS) 프레임워크를 3D 하위형상 공간에 적용하기 위해, 데이터 다양체에 대해 차원이 점점 감소하는 중첩된 하위구면을 반복적으로 적합화한다.
• 위치, 회전, 척도 영향을 제거하기 위해 일반화된 프로크루스터 분석을 사용하여 형상만을 비교할 수 있도록 보장한다.
• 시간에 따른 상태 전이의 경험적 확률에서 유도된 전이 행렬에 대해 계층적 군집 분석을 수행한다.
• 전이 행렬을 비교하고, 동적 행동 기반으로 런을 시간적 군집(TC1–TC4)으로 분류하기 위해 헬링거 거리를 활용한다.
• 전체 및 그룹별 전이 행렬에서 추정한 마르코프 체인 평형 분포를 사용해 시간적 전이를 모델링한다.
• 헬링거 거리를 사용한 워드 연결 방법을 활용해 전이 패턴 기반으로 시뮬레이션 런을 네 개의 동적 행동 군집으로 분할한다.

실험 결과

연구 질문

• RQ1 뒤집힌 계층적 차원 감소 방법이 분자 동역학 시뮬레이션에서 비선형 형상 변동성을 효과적으로 모델링할 수 있는가?
• RQ2 동일한 펩타이드의 다양한 분자 동역학 런은 형상 진화에서 어떻게 다른 동적 패턴을 보이는가?
• RQ3 형상 기반 군집화에서 어떤 구형 상태가 나타나며, 그 전이 역학은 어떠한가?
• RQ4 PNSSA는 생물학적으로 의미 있는 형상 상태와 전이를 포착하는 데 있어 전통적인 탄성공간 PCA와 어떻게 비교되는가?
• RQ5 구형 상태의 평형 분포는 무엇이며, 동적 행동 군집 간 전이 패턴은 어떻게 다를까?

주요 결과

• 전체 전이 행렬은 클러스터 3가 가장 자주 점유된 상태로, 평형 상태에 41.6%의 시간을 할애하는 것으로 나타났으며, 클러스터 4는 거의 점유되지 않았다(15.3%).
• 전이 패턴은 비대칭적이다: 클러스터 1에서 가장 가능성이 높은 다음 상태는 클러스터 2 또는 4이며, 그 다음으로 클러스터 3로의 전이 경향이 뚜렷하다.
• 시간 군집 TC1은 클러스터 1 쪽으로 강한 끌림을 보이며, TC2와 TC3는 클러스터 3로의 전이 경향이 우세하고, TC4는 클러스터 3로의 전이에 매우 강한 선호를 보인다.
• TC4의 평형 분포는 79.5%의 런이 클러스터 3로 끝나며, 이는 이 동적 군집 내에서 매우 안정된 구형 상태 상태임을 시사한다.
• 이 방법은 전이 행동에서 다른 점이 두드러진 TC1을 포함해 네 개의 고유한 동적 행동 군집(TC1–TC4)을 성공적으로 규명하였다.
• 분석 결과, 유사한 初기 설정에서도 분자 동역학 시뮬레이션은 다양한 동적 패턴을 생성하며, 런 간에 고유한 시간 전이 프로파일을 보임을 확인하였다.