[論文レビュー] Deep Learning in Protein Structural Modeling and Design

Wenhao Gao, Sai Pooja Mahajan+2 more|arXiv (Cornell University)|Jul 16, 2020

Protein Structure and Dynamics参考文献 202被引用数 16

ひとこと要約

本レビューは、タンパク質の構造モデリングおよび設計における深層学習の最近の進展を統合し、CNN、RNN、VAE、GANなどのアーキテクチャを用いて配列からタンパク質構造を予測し、新しい機能を持つタンパク質を生成する方法を焦点としている。AlphaFoldによる高精度な構造予測のブレークスルー、および生成モデルによるタンパク質設計で最大87%の配列回復率を達成した事例を強調しており、計算生物学における深層学習の変容的役割を示している。

ABSTRACT

Deep learning is catalyzing a scientific revolution fueled by big data, accessible toolkits, and powerful computational resources, impacting many fields including protein structural modeling. Protein structural modeling, such as predicting structure from amino acid sequence and evolutionary information, designing proteins toward desirable functionality, or predicting properties or behavior of a protein, is critical to understand and engineer biological systems at the molecular level. In this review, we summarize the recent advances in applying deep learning techniques to tackle problems in protein structural modeling and design. We dissect the emerging approaches using deep learning techniques for protein structural modeling, and discuss advances and challenges that must be addressed. We argue for the central importance of structure, following the "sequence -> structure -> function" paradigm. This review is directed to help both computational biologists to gain familiarity with the deep learning methods applied in protein modeling, and computer scientists to gain perspective on the biologically meaningful problems that may benefit from deep learning techniques.

研究の動機と目的

• 計算バイオロジストに、タンパク質構造モデリングおよび設計に応用された深層学習手法の包括的概要を提供すること。
• コンピュータサイエンティストが、深層学習技術が活用できる生物学的に意味のあるタンパク質モデリングの問題を理解するのを支援すること。
• 学習された表現および生成モデルがタンパク質構造の予測および所望の機能を持つ新規配列の設計に果たす役割を分析すること。
• 従来の手法と比較して、深層学習モデルがタンパク質構造予測およびデノボ設計において果たす性能と限界を評価すること。
• 今後の研究における解釈可能性、一般化、データ効率に関する未解決の課題を特定すること。

提案手法

• 畳み込みニューラルネットワーク（CNN）を用いて、タンパク質配列および構造表現から局所的な空間的・順序的パターンを抽出した。
• 再帰的ニューラルネットワーク（RNN）および双方向LSTMを用いて、アミノ酸配列の長距離依存性をモデル化し、構造および機能予測に応用した。
• 変分オートエンコーダ（VAE）を用いて、タンパク質配列および構造の分離可能で連続的な潜在表現を学習し、生成および補間を可能にした。
• 生成的対抗ネットワーク（GAN）および条件付きGANを活用して、構造的または機能的ターゲットに条件づけたリアルなタンパク質配列を生成し、溶解性および触媒活性を向上させた。
• グラフニューラルネットワーク（GNN）および3次元畳み込みネットワークを統合して、タンパク質の骨格をグラフまたは3次元グリッドとしてモデル化し、エンドツーエンドの構造→配列マッピングを実現した。
• 適応的サンプリングとオートエンコーダフレームワーク（例：CbAS-VAE、PEVAE）を組み合わせて、進化的および安定性関連の特徴の潜在空間モデリングを強化した。

実験結果

リサーチクエスチョン

• RQ1 テンプレートが存在しない状況下でも、深層学習モデルはどのようにしてアミノ酸配列からタンパク質の3次元構造を正確に予測できるか？
• RQ2 VAE や GAN などの生成モデルは、どれほど新規で安定的かつ機能的なタンパク質配列をデノボで生成できるか？
• RQ3 CNN、RNN、GNN、トランスフォーマーなどの異なるニューラルネットワークアーキテクチャは、タンパク質の配列-構造関係をどのように比較してモデル化できるか？
• RQ4 学習された潜在表現は、進化的関係、二次構造、安定性といった生物学的に意味のある特徴をどのように捉えているか？
• RQ5 現在の深層学習モデルがタンパク質設計において抱える主な限界、特に一般化、解釈可能性、データ効率の観点での課題は何か？

主な発見

• AlphaFoldはCASP13で最先端のパフォーマンスを達成し、特に困難なターゲットにおいて、フリー・モデリング（FM）およびテンプレートベースモデリング（TBM）の両カテゴリーで精度が著しく向上した。
• ProDCoNNおよびDenseCPDといった生成モデルは、それぞれ42.2%および54.45%の配列回復率を達成し、逆折りたたみタスクにおける強力な性能を示した。
• gcWGANモデルは、設計済み配列に対してTMスコアがcVAE以上を達成し、生成タンパク質の構造的質および多様性の両面で優れた結果を示した。
• ProteinGANは16,706個の新規タンパク質配列を生成し、そのうち60個中19個が溶解性を示した。さらに13個が触媒活性を示した。
• トランスフォーマーに基づくモデルは、剛体状態で6.56、柔軟状態で11.13のパープレキシティを達成し、ランダムベースライン（20.00）を上回った。これは、構造的制約の有効なモデル化を示している。
• 3次元CNNベースのモデル（Anandら, 2020）は、TIM-バーレル折りたたみのテストにおいて、配列回復率を33%から87%まで向上させた。これは3次元空間モデリングの強力さを示している。