[논문 리뷰] Weighted persistent homology for biomolecular data analysis

Zhenyu Meng, D. Vijay Anand외 3명|arXiv (Cornell University)|2019. 03. 07.

Topological and Geometric Data Analysis참고 문헌 63인용 수 5

한 줄 요약

이 논문은 생물분자의 구조적 변동을 세밀하게 포착하기 위해 생물분자를 겹치는 국소 도메인으로 분해하는 국소 가중 지속 homology (LWPH)라는 새로운 위상적 데이터 분석 방법을 제안한다. 이 방법은 전역 모델과 전통적인 기하학적 방법보다 뛰어나며, 이온 유도 구조 변화에 매우 민감하게 반응하는 국소 위상의 정량적 특성 분석을 통해 DNA에서 높은 정확도로 구조적 변동을 포착한다. 이는 나선좌표 모델과도 일관되며, DNA를 초월해 다양한 생물분자에 적용 가능하다.

ABSTRACT

In this paper, we systematically review weighted persistent homology (WPH) models and their applications in biomolecular data analysis. Essentially, the weight value, which reflects physical, chemical and biological properties, can be assigned to vertices (atom centers), edges (bonds), or higher order simplexes (cluster of atoms), depending on the biomolecular structure, function, and dynamics properties. Further, we propose the first localized weighted persistent homology (LWPH). Inspired by the great success of element specific persistent homology (ESPH), we do not treat biomolecules as an inseparable system like all previous weighted models, instead we decompose them into a series of local domains, which may be overlapped with each other. The general persistent homology or weighted persistent homology analysis is then applied on each of these local domains. In this way, functional properties, that are embedded in local structures, can be revealed. Our model has been applied to systematically studying DNA structures. It has been found that our LWPH based features can be used to successfully discriminate the A-, B-, and Z-types of DNA. More importantly, our LWPH based PCA model can identify two configurational states of DNA structure in ion liquid environment, which can be revealed only by the complicated helical coordinate system. The great consistence with the helical-coordinate model demonstrates that our model captures local structure variations so well that it is comparable with geometric models. Moreover, geometric measurements are usually defined in very local regions. For instance, the helical-coordinate system is limited to one or two basepairs. However, our LWPH can quantitatively characterize structure information in local regions or domains with arbitrary sizes and shapes, where traditional geometrical measurements fail.

연구 동기 및 목표

• 생물분자의 국소 구조적 특징을 포착하는 데에 전역 위상 모델의 한계를 해결하기 위해.
• 물리적·화학적 성질을 유지하면서도 유연한 국소 위상 프레임워크를 개발하기 위해.
• 기계학습 응용을 위한 정량적이고 단위 없는 위상적 특징 추출을 가능하게 하기 위해.
• 이온 액체 용액과 같은 다양한 환경 조건에서 DNA의 미세한 구조 변화를 향상된 감도로 탐지하기 위해.
• 국소적이고 가중된 위상 불변량을 활용하여 DNA를 초월해 단백질, RNA 및 생물분자 복합체로 일반화하기 위해.

제안 방법

• 생물분자를 구조적 및 기능적 기준에 따라 겹치는 국소 도메인으로 분해함으로써 국소 가중 지속 homology (LWPH)를 제안한다.
• 각 국소 도메인에 대해 가중 지속 homology (WPH)를 적용하여 물리적, 화학적 또는 생물학적 성질에 기반해 정점(원자), 변(결합), 또는 단체형(원자 군집)에 가중치를 할당한다.
• 가중 단체 복합체에 대한 필터링 과정을 통해 다스케일 위상 불변량을 생성하고, 다양한 척도에서 지속 homology 특징을 추적한다.
• 특정 원소 기반 원자 선택 기법(예: 페링린의 경우 C8, C4, N1, C1′; 피리미딘의 경우 N3, C6, C1′)을 사용하여 목표 분석을 위한 국소 도메인을 정의한다.
• 국소 지속 homology (LPH)와 결합된 PCA를 통해 분자 동역학 궤적에서 숨겨진 구조적 상태를 밝혀낸다.
• 기하학적으로 불변하고 단위가 없는 위상적 특징 벡터를 사용하여 기계학습 파ipeline에 통합함으로써 분류 및 군집화에 활용한다.

실험 결과

연구 질문

• RQ1 국소 가중 지속 homology (LWPH)는 전역 위상 모델이나 기하학적 모델이 놓치는 DNA의 미세한 구조적 변동을 탐지할 수 있는가?
• RQ2 이온 액체 환경에서 LWPH는 기존의 나선좌표 시스템과 비교해 이온-DNA 결합 방식의 변화를 어떻게 정확히 식별하는가?
• RQ3 LWPH 기반 특징은 높은 정확도로 3가지 대표적인 DNA 형태(A-, B-, Z-DNA)를 성공적으로 분류할 수 있는가?
• RQ4 LWPH는 다양한 환경 조건에서 DNA의 구속 효과와 구성 변화 전이를 어느 정도 잘 포착할 수 있는가?
• RQ5 LWPH는 DNA를 초월해 단백질과 RNA 등 다양한 생물분자로 일반화 가능한가?

주요 결과

• LWPH 기반 PCA는 이온 액체 환경에서 DNA의 두 가지 구분되는 구조적 상태를 성공적으로 식별하였으며, 이는 복잡한 나선좌표 시스템의 결과와 일치한다.
• LWPH 모델은 궤적 IL1에서 전역 원자 좌표 기반 PCA 또는 국소 지속 homology (LPH) 모델이 포착하지 못한 미세한 이온-DNA 결합 방식 변화를 탐지한다.
• LWPH 기반 특징는 윤곽 그래프 분석에서 나선 파라미터 기반 모델과 높은 일치도를 보이며, IL1에서 두 개의 명확한 중심을 드러내어 다수의 결합 모드가 존재함을 시사한다.
• 국소 도메인에서 유도된 위상 프린트를 활용해 높은 정확도로 A-, B-, Z-형 DNA를 성공적으로 구분한다.
• 특히 3개 이상의 염기쌍에서의 협동적 변화를 탐지하는 데서 전역 지속 homology 및 LPH 모델보다 LWPH가 뛰어난 성능을 보인다.
• LWPH 특징는 단위가 없고 확장 가능하여 다양한 생물분자 구조와 크기 간의 효과적인 비교 및 기계학습 모델 통합이 가능하다.