[논문 리뷰] A Novel Approach to Structure Alignment

Mattias Ohlsson, Carsten Peterson외 2명|ArXiv.org|2000. 06. 19.

Protein Structure and Dynamics참고 문헌 15인용 수 5

한 줄 요약

이 논문은 반복적 평균장 근사와 정확한 강체 변환을 통해 이진 할당 변수와 실수값 원자 좌표를 동시에 최적화하는 새로운 구조 정렬 방법을 제시한다. 이는 임의의 순열을 포함한 정렬 공간의 전체 탐색을 가능하게 하며, 거리 척도에 대한 민감도가 낮고 효율성이 높아 기존 방법에 비해 순환적으로 순열이 가해진 단백질에 대해 뛰어난 성능을 발휘한다.

ABSTRACT

A novel approach for structure alignment is presented, where the key ingredients are: (1) An error function formulation of the problem simultaneously in terms of binary (Potts) assignment variables and real-valued atomic coordinates. (2) Minimization of the error function by an iterative method, where in each iteration a mean field method is employed for the assignment variables and exact rotation/translation of atomic coordinates is performed, weighted with the corresponding assignment variables. The approach allows for extensive search of all possible alignments, including those involving arbitrary permutations. The algorithm is implemented using a C_alpha representation of the backbone and explored on different protein structure categories using the Protein Data Bank (PDB) and is successfully compared with other algorithms. The approach performs very well with modest CPU consumption and is robust with respect to choice of parameters. It is extremely generic and flexible and can handle additional user-prescribed constraints easily. Furthermore, it allows for a probabilistic interpretation of the results.

연구 동기 및 목표

• 이차 구조의 임의의 순열을 포함한 모든 가능한 정렬을 포괄적으로 탐색할 수 있는 구조 정렬 방법을 개발하기 위해.
• 기존 방법이 순열을 처리하지 못하거나 제한적인 가정에 의존하는 한계를 극복하기 위해.
• 비용이 많이 드는 몬테카를로 시뮬레이션 없이도 정렬 결과에 대한 확률적 해석을 제공하기 위해.
• 측면 체인 표현 및 사용자 정의 제약 조건에 쉽게 확장 가능한 유연한 프레임워크를 만들기 위해.
• 다양한 단백질 구조 계열, 특히 순환적으로 순열이 가해진 접힘 형태와 같은 도전적인 케이스에 대한 성능 평가를 위해.

제안 방법

• 이진 푸아송 할당 변수와 실수값 원자 좌표에 대한 연합 오차 함수를 사용하여 구조 정렬 문제를 수식화한다.
• 할당 변수에 대한 평균장 근사를 통해 반복적으로 오차 함수를 최소화하고, 할당에 가중치를 부여한 좌표의 정확한 회전/이동을 번갈아 적용한다.
• 확률적 해석을 위해 스토케스 샘플링 없이도 후행 분포를 근사하는 결정론적 평균장 접근법을 사용한다.
• 최적화 과정에서 가능한 할당의 전체 공간을 암묵적으로 탐색함으로써 이차 구조의 임의의 순열을 허용한다.
• 복잡성을 줄이면서도 구조적 정밀도를 유지하기 위해 단백질의 $C_{\alpha}$ 표현을 사용한다.
• 탄력적인 최적화 프레임워크를 통해 사용자 정의 갭 페널티 및 기능 형태와 같은 임의의 제약 조건을 통합할 수 있다.

실험 결과

연구 질문

• RQ1 어떤 구조 정렬 방법이 이차 구조의 임의의 순열을 포함한 가능한 모든 정렬 공간을 효율적으로 탐색할 수 있는가?
• RQ2 기존의 반복적 동적 프로그래밍 방법에 비해 평균장 기반 접근법의 정확도와 계산 비용 측면에서 성능는 어떻게 비교되는가?
• RQ3 표준 방법이 실패하는 경우, 순환적으로 순열이 가해진 단백질에서 이 방법이 얼마나 잘 구조 유사성을 탐지할 수 있는가?
• RQ4 정렬 점수의 확률적 해석이 거리 척도 선택과 이방성에 대한 강건성에 기여하는 정도는 어느 정도인가?
• RQ5 측면 체인의 자세 및 사용자 정의 제약 조건을 포함시키되 효율성을 유지할 수 있는가?

주요 결과

• 이 방법은 순환적으로 순열이 가해진 날개 달린 알파헬릭스 접힘 형태 쌍인 1LEA와 1XGNb4를 성공적으로 정렬하여 60개의 정렬된 잔기를 식별했으며, 이는 Vast의 39개보다 현저히 높은 성능로 비 tradition 구조적 유사성을 탐지할 수 있음을 보여준다.
• Vast가 식별한 39개의 잔기를 모두 정렬하면서도 1LEA의 C말단 시트를 1XGNb4의 N말단 시트와도 정렬함으로써, 순열된 접힘 형태를 탐지할 수 있는 능력을 입증한다.
• 평균적으로 Dali 방법과 비슷한 속도를 보이며 [5]보다도 더 빠르며, 특히 순열이 가해진 케이스에서 훨씬 더 정확한 성능을 발휘한다.
• 측면 체인이 포함되지 않은 경우, 파rameter 선택에 거의 민감하지 않게 다양한 단백질 가족에서 강건한 성능을 발휘한다.
• 몬테카를로 샘플링 없이도 정렬 결과에 대한 확률적 해석을 제공하여 이해 가능성과 안정성을 향상시킨다.
• 기존의 반복적 동적 프로그래밍 방법이 구조적 강성 제약으로 인해 순열이 가해진 케이스를 처리하지 못하는 데 비해, 이 방법은 이러한 경우에서 더 뛰어난 성능을 발휘한다.