[论文解读] DeepSymmetry : Using 3D convolutional networks for identification of tandem repeats and internal symmetries in protein structures

Guillaume Pagès, Sergei Grudinin|arXiv (Cornell University)|Oct 29, 2018

RNA and protein synthesis mechanisms参考文献 52被引用 15

一句话总结

DeepSymmetry 提出一种三维卷积神经网络，通过学习六维 Veronese 嵌入来预测对称轴，实现对蛋白质结构和冷冻电镜密度图中串联重复和内部对称性的检测，平均角度误差小于1度。该方法能高精度识别对称阶数和对称轴，发现了超过10,000个 RepeatsDB 数据库中未收录的疑似串联重复蛋白。

ABSTRACT

Motivation: Thanks to the recent advances in structural biology, nowadays three-dimensional structures of various proteins are solved on a routine basis. A large portion of these contain structural repetitions or internal symmetries. To understand the evolution mechanisms of these proteins and how structural repetitions affect the protein function, we need to be able to detect such proteins very robustly. As deep learning is particularly suited to deal with spatially organized data, we applied it to the detection of proteins with structural repetitions. Results: We present DeepSymmetry, a versatile method based on three-dimensional (3D) convolutional networks that detects structural repetitions in proteins and their density maps. Our method is designed to identify tandem repeat proteins, proteins with internal symmetries, symmetries in the raw density maps, their symmetry order, and also the corresponding symmetry axes. Detection of symmetry axes is based on learning six-dimensional Veronese mappings of 3D vectors, and the median angular error of axis determination is less than one degree. We demonstrate the capabilities of our method on benchmarks with tandem repeated proteins and also with symmetrical assemblies. For example, we have discovered over 10,000 putative tandem repeat proteins that are not currently present in the RepeatsDB database. Availability: The method is available at https://team.inria.fr/nano-d/software/deepsymmetry. It consists of a C++ executable that transforms molecular structures into volumetric density maps, and a Python code based on the TensorFlow framework for applying the DeepSymmetry model to these maps.

研究动机与目标

• 开发一种稳健的方法，用于检测蛋白质三维结构和密度图中的结构重复与内部对称性。
• 解决预测三维空间中对称轴的挑战，该挑战需要在三维空间中实现连续且唯一的表示。
• 利用蛋白质结构的体素表示，识别串联重复蛋白和对称蛋白复合物。
• 实现在低分辨率冷冻电子显微镜密度图中检测对称性的能力。
• 发现现有数据库（如 RepeatsDB）中尚未收录的新型串联重复蛋白。

提出的方法

• 该方法使用三维卷积神经网络（3D-CNN）处理从 PDB 结构和冷冻电镜图中提取的体素密度图。
• 采用六维 Veronese 嵌入，以实现对三维向量的表示，从而支持对称轴的连续且唯一预测。
• 网络同时预测对称阶数和对称轴方向，后者通过 Veronese 映射实现的角回归进行学习。
• 输入数据通过 C++ 管道生成，将 PDB 文件转换为分辨率为 24×24×24 体素的三维密度图。
• 模型使用已知对称性的合成数据进行训练，并通过独立的验证集评估性能。
• 框架在 TensorFlow 中实现深度学习，在 C++ 中实现数据预处理，从而高效处理大型蛋白质结构。

实验结果

研究问题

• RQ1 三维卷积神经网络能否有效检测蛋白质三维结构中的内部对称性和串联重复？
• RQ2 在非唯一且不连续表示的挑战下，该方法在三维空间中预测对称轴方向的准确性如何？
• RQ3 该方法能否在信噪比较低的低分辨率冷冻电镜密度图中检测到对称性？
• RQ4 该方法在多大程度上能发现现有数据库（如 RepeatsDB）中未收录的新型串联重复蛋白？
• RQ5 该模型在不同对称阶数和结构背景下是否具有良好的泛化能力？

主要发现

• 对称轴预测的中位角度误差小于1度，表明轴检测具有高精度。
• 在验证集上，模型使用合成数据预测正确对称阶数的准确率达到92%。
• 在验证集上，模型对对称轴的平均角度偏差约为8°，包括预测错误的情况。
• 发现了超过10,000个当前未列在 RepeatsDB 数据库中的疑似串联重复蛋白。
• 该方法成功识别了低分辨率冷冻电镜密度图中的对称性，已在10个不同分辨率的测试案例中得到验证。
• 第一层的三维卷积核类似于基本滤波器（如拉普拉斯算子），而第二层的核则类似于正交基集（如球谐函数），表明存在分层特征学习。