[논문 리뷰] Comparison of amino acid occurrence and composition for predicting protein folds

Y‐h. Taguchi, M. Michael Gromiha|ArXiv.org|2006. 09. 25.

Machine Learning in Bioinformatics참고 문헌 20인용 수 4

한 줄 요약

이 논문은 아미노산 잔기 발생 빈도를 사용하여 단백질 접힘을 예측하는 선형 판별 분석(LDA) 기반 방법을 제안한다. 이는 구성 또는 서열을 사용하지 않는다. 이 방법은 30개의 주요 접힘 유형으로 이루어진 1,612개의 구형 단백질을 분류할 때 37%의 민감도를 달성하며, 복잡한 방법들과 견줄 만하거나 그 이상의 성능을 보이며, 계산적으로 효율적이고 대규모 데이터셋에 대해 확장 가능한 성능을 제공한다.

ABSTRACT

Background:Prediction of protein three-dimensional structures from amino acid sequences is a long-standing goal in computational/molecular biology. The successful discrimination of protein folds would help to improve the accuracy of protein 3D structure prediction. Results: In this work, we propose a method based on linear discriminant analysis (LDA) for recognizing proteins belonging to 30 different folds using the occurrence of amino acid residues in a set of 1612 proteins. The present method could discriminate the globular proteins from 30 major folding types with the sensitivity of 37%, which is comparable to or better than other methods in the literature. A web server has been developed for predicting the folding type of the protein from amino acid sequence and it is available at http://granular.com/PROLDA/. Conclusions:Linear discriminant analysis based on amino acid occurrence could successfully recognize protein folds. The present method has several advantages such as, (i) it directly predicts the folding type of a protein without performing pair-wise comparisons, (ii) it can discriminate folds among large number of proteins and (iii) it is very fast to obtain the results. This is a simple method, which can be easily incorporated in any other structure prediction algorithms.

연구 동기 및 목표

• 쌍별 비교 없이 단백질 서열에서 단백질 접힘을 예측하기 위한 단순하고 빠르며 확장 가능한 방법을 개발하기.
• 다양한 구조적 계열에 걸쳐 아미노산 잔기 발생 빈도만으로도 신뢰할 수 있는 접힘 인식에 충분한 정보를 담고 있는지 조사하기.
• 단백질 수가 극심하게 불균형한 접힘 유형에서 LDA의 재가중치 조정이 성능에 미치는 영향 평가하기.
• 단백질 구조 예측 분야에서 실용적으로 응용할 수 있도록 무료로 접근 가능한 웹 서버 구축하기.
• 신경망 및 SVM과 같은 더 복잡한 모델들과의 성능 비교를 통해 이 단순한 방법이 접힘 인식 과제에서 어떤 성능을 보이는지 평가하기.

제안 방법

• 각 단백질의 20种 아미노산 잔기 발생 빈도를 계산하여 단백질당 20차원 벡터를 구성한다.
• 선형 판별 분석(LDA)을 이 벡터에 적용하여 군 간 산란 대 전체 산란의 비율(S_B / S_T)을 최대화함으로써 30개의 구조적 접힘 유형으로 단백질을 분리한다.
• LDA의 두 변형을 사용한다: 하나는 재가중치 조정이 있는 경우(W_k = 1)로, 각 접힘 유형이 크기에 관계없이 동일한 기여를 하도록 보장하며, 다른 하나는 재가중치 조정이 없는 경우(W_k = N_k)로 전체 정확도를 최적화한다.
• LDA 변환은 접힘 유형을 분리하는 데 가장 적합한 아미노산 빈도의 선형 조합(z_i = a_0 + Σ a_j * n_ij)을 찾는다.
• LDA 계산은 R의 MASS 라이브러리를 사용하며, 표준 하드웨어에서 몇 초 이내에 실행된다.
• 사용자가 단백질 서열을 입력하면 LDA 모델을 사용해 예측된 접힘 유형 분류 결과를 제공하는 웹 서버(http://granular.com/PROLDA/)를 구현하였다.

실험 결과

연구 질문

• RQ1 아미노산 잔기 발생 빈도만으로도 서열 기반 또는 구조적 특징 없이 높은 민감도로 단백질 접힘을 예측할 수 있는가?
• RQ2 접힘 크기가 크게 다를 경우 LDA의 재가중치 조정이 접힘 인식 성능에 어떤 영향을 미치는가?
• RQ3 이 단순한 LDA 기반 방법의 성능은 신경망 및 SVM과 같은 더 복잡한 모델들과 비교해 어떻게 되는가?
• RQ4 불균형한 학습 데이터가 존재함에도 불구하고 이 방법이 30개의 모든 접힘 유형에서 높은 민감도를 달성할 수 있는가?
• RQ5 이 방법은 광범위한 단백질 접힘 예측에 대해 충분히 확장 가능하고 효율적인가? 특히 첨단 컴퓨팅 자원이 요구되지 않는가?

주요 결과

• 이 방법은 30개의 주요 접힘 유형으로 이루어진 1,612개의 구형 단백질을 분류할 때 37%의 민감도를 달성하였으며, 문헌에 보고된 다른 방법들과 비교해도 유사하거나 뛰어난 성능을 보였다.
• LDA에서의 재가중치 조정은 접힘 간 성능 균형을 크게 향상시켰으며, 평균 접힘 민감도와 전체 민감도 간 격차를 약 10%에서 더 균형 잡힌 분포로 줄였다.
• 이 방법은 루프-형상의 나선 구조(예: a.24)와 EF-hand 유사 구조(예: a.39)를 예측하는 데 Shen과 Chou(2007)의 결과보다 뛰어났으며, 각각 39%와 44%의 정확도를 기록한 반면, 그들의 결과는 각각 30.5%와 24%였다.
• 불균형한 데이터셋에서도 뚜렷한 내성 보유를 보였으며, 접힘 유형 별 민감도는 단백질 수에 비례하는 경향이 있었지만, 재가중치 조정을 통해 효과적으로 완화되었다.
• 이 방법의 계산 효율성 덕분에 쌍별 비교 없이 단일 실행으로 단백질을 분류할 수 있어, 더 큰 구조 예측 파이프라인에 통합하기에 적합하다.
• 공개된 웹 서버(http://granular.com/PROLDA/)는 아미노산 서열에서 실시간으로 접힘 유형을 예측할 수 있도록 하며, 다양한 재가중치 전략을 지원한다.