[論文レビュー] Fast and Flexible Geometric Method For Enhancing MC Sampling of Compact Configurations For Protein Docking Problem

Aysegul Ozkan, Jose C. Flores‐Canales+3 more|arXiv (Cornell University)|Aug 11, 2014

Protein Structure and Dynamics参考文献 13被引用数 7

ひとこと要約

本稿では、タンパク質デッキングにおける低エネルギーでコンpakな構成を効率的に探索するため、ケイリー座標を用いた幾何的サンプリング手法EASALを提案する。距離に基づく座標による配置空間の凸化により、従来のモンテカルロ（MC）手法と比較してはるかに少ないサンプル数で、高速なサンプリング、均一かつ重み付けされたカバレッジ、およびマクロ状態の局在化を達成する。特に、膜貫通ヘリックスアセンブリの狭い低次元のエネルギー領域において顕著な優位性を示す。

ABSTRACT

EASAL (Efficient Atlasing and Sampling of Assembly Landscapes) is a geometric method for sampling and computing integrals over the potential energy landscape of small molecular assemblies. EASAL's efficiency arises from the fact that small assembly landscapes permit the use of so-called Cayley (inter-atomic distance based) parameters for geometric representation and sampling of the assembly configuration space regions; this results in their isolation, convexification, customized sampling and systematic traversal using a comprehensive topological roadmap. We define custom-designed measurements to investigate and compare various sampling characteristics of EASAL and the traditional Monte Carlo (MC) sampling, including (i) sampling speed, (ii) efficiency and accuracy of uniform grid coverage, (iii) accuracy of weighted coverage at covering low energy regions, (iv) ability to localize sampling to macrostates, and (v) flexibility in sampling distributions. In particular, we compare the sampling characteristics of EASAL and MC in sampling the assembly landscape of 2 trans-membrane helices, with short-range pair-potentials. We demonstrate that EASAL provides a reasonable coverage of crucial but narrow regions of the energy landscape of low effective dimension, with much fewer samples and computational resources than MC sampling. Promising avenues for combining the complementary advantages of the two methods are discussed.

研究の動機と目的

• タンパク質アセンブリのシミュレーションにおける関連する位相空間の不完全なサンプリングを解決すること。
• EASALのサンプリング性能を、速度、カバレッジの正確さ、柔軟性の観点から従来のモンテカルロ（MC）サンプリングと比較すること。
• EASALがマクロ状態へのサンプリング局在化および低エネルギー・低次元領域への効率的サンプリングの能力を評価すること。
• EASALとMCの相乗効果を活用し、自由エネルギーおよび積分計算を改善すること。
• EASALが計算コストを最小限に抑えながら、エネルギーランドスケープの狭く重要な領域を効果的にサンプリングできる能力を示すこと。

提案手法

• EASALはケイリー座標（距離に基づく内部座標）を用いて分子構成を表現し、アクティブな制約領域（マクロ状態）の凸化を可能にする。
• エネルギーランドスケープをほぼ等ポテンシャルなマクロ状態に分割し、各マクロ状態はエネルギーが類似した最大の連続領域として定義され、照会可能なアトラスを形成する。
• ケイリー空間における凸性により、制約の強制なしにマクロ状態内にサンプリングが保たれ、勾配降下法やサンプルの破棄を回避できる。
• トポロジカルロードマップを介した体系的な配置空間の走査が可能であり、次元が異なるマクロ状態（2次元から5次元まで）の局所的サンプリングも可能である。
• εカバレッジおよびMultiGridベースの重み付きカバレッジといった、独自に設計された指標を用いて、MCとのサンプリング効率および正確さを定量的に比較する。
• アトラス生成とサンプリングを分離することで、盆地、エネルギー障壁、経路確率、および構成的エントロピーの近似を事前計算可能となる。

実験結果

リサーチクエスチョン

• RQ1 EASALは、コンパクトなタンパク質アセンブリにおいて、モンテカルロ法と比較してどの程度高速にサンプリングできるか？
• RQ2 EASALは、MCと比較してより少ないサンプル数で、エネルギーランドスケープの均一なカバレッジをどの程度正確に達成できるか？
• RQ3 EASALは、低エネルギー領域の重み付きカバレッジにおいて、MCと比較してどの程度優れているか？
• RQ4 EASALは、次元が異なるマクロ状態（2次元から5次元まで）に効果的にサンプリングを局在化できるか？
• RQ5 EASALとMCを組み合わせることで、自由エネルギーおよび積分計算においてどのような相乗効果が得られるか？

主な発見

• EASALはケイリー空間における凸性のおかげで勾配降下法を回避し、制約違反によるサンプル破棄を減らすことで、モンテカルロ法よりも著しく高速なサンプリングを実現する。
• EASALは、より少ないサンプル数で優れたεカバレッジの正確さを達成しており、配置空間の均一なサンプリングがより効率的かつ正確であることを示している。
• EASALは、重複サンプルの最小化とサンプル数当たりの正規化の向上により、均一カバレッジの効率性が優れている。
• 低エネルギー領域の重み付きカバレッジにおいて、MultiGrid基準による測定結果から、EASALはエネルギー的に有利な領域にサンプルをより正確に集中させることで、MCを上回る性能を示している。
• EASALは、次元が異なるマクロ状態（2次元から5次元まで）へのサンプリング局在化に成功しており、低次元で影響力の大きな領域の標的的探索を可能にしている。
• EASALとMCを統合することで（EASALが低エネルギーの盆地をシードとして特定する形で）、MCの走査速度が向上し、エルゴード性およびサンプリングの正確性が向上する。