[论文解读] Protein model quality assessment using rotation-equivariant, hierarchical neural networks

Stephan Eismann, Patricia Suriana+3 more|arXiv (Cornell University)|Nov 27, 2020

Protein Structure and Dynamics参考文献 17被引用 5

一句话总结

该论文提出了一种旋转等变的分层深度学习模型，仅使用原子坐标对蛋白质结构模型进行评分，无需基于物理的势能项或外部数据。该方法在 CASP11 和 CASP12 基准测试中达到最先进性能，在 CASP12 上的每目标斯皮尔曼相关系数为 0.62，通过在多尺度上端到端学习结构基元，展示了稳健的品质评估能力。

ABSTRACT

Proteins are miniature machines whose function depends on their three-dimensional (3D) structure. Determining this structure computationally remains an unsolved grand challenge. A major bottleneck involves selecting the most accurate structural model among a large pool of candidates, a task addressed in model quality assessment. Here, we present a novel deep learning approach to assess the quality of a protein model. Our network builds on a point-based representation of the atomic structure and rotation-equivariant convolutions at different levels of structural resolution. These combined aspects allow the network to learn end-to-end from entire protein structures. Our method achieves state-of-the-art results in scoring protein models submitted to recent rounds of CASP, a blind prediction community experiment. Particularly striking is that our method does not use physics-inspired energy terms and does not rely on the availability of additional information (beyond the atomic structure of the individual protein model), such as sequence alignments of multiple proteins.

研究动机与目标

• 开发一种仅依赖原子坐标、无需基于物理的势能项或额外生物数据的深度学习方法，用于蛋白质模型品质评估。
• 提升在大量候选模型中对蛋白质结构模型排序的准确性，这是计算蛋白质结构预测中的关键瓶颈。
• 通过利用旋转等变卷积，使网络能够识别对旋转和方向不变的结构基元。
• 在多个分辨率层级上学习蛋白质结构的分层表征，捕捉局部原子间相互作用。

提出的方法

• 模型采用基于点的原子表示，初始特征向量由元素类型（C、O、N、S）的一次性编码生成。
• 使用阶数至 $ l=2 $ 的球谐函数实施旋转等变卷积，使网络能够不受方向影响地检测结构基元。
• 卷积层在 k-最近邻（k=40）上操作，以保证局部性，反映原子间作用力的主导局部特性。
• 在每一层级的分层结构中，使用 α-碳原子作为聚合点，同时保持旋转等变性，并支持多尺度基元检测。
• 通过平均 α-碳特征形成全局指纹，随后经过两层全连接层（250 和 150 个单元，使用 ReLU 激活函数）预测单一品质得分。
• 网络在 CASP 数据集上端到端训练，以 GDT_TS 作为真实标签，完全不依赖序列比对或外部特征。

实验结果

研究问题

• RQ1 仅使用原子坐标且不依赖基于物理的势能项，深度学习模型能否实现蛋白质模型品质评估的最先进性能？
• RQ2 旋转等变性在蛋白质模型结构特征学习中如何提升泛化能力和鲁棒性？
• RQ3 在无显式监督的情况下，分层的局部卷积在多大程度上能捕捉生物相关的结构基元？
• RQ4 纯坐标基方法是否优于整合多序列比对或进化信息的方法？

主要发现

• 在 CASP12 阶段 2 上，该方法实现了每目标斯皮尔曼相关系数 0.62，优于所有先前方法，包括使用多序列比对的方法。
• 在 CASP11 阶段 2 上，模型实现了全局斯皮尔曼相关系数 0.84，表明在整体模型品质排序方面表现强劲。
• 通过主成分分析（PCA）可视化，所学习的指纹编码了具有生物学意义的特征，如范德华力相互作用的普遍性与 α-螺旋含量。
• 网络成功依据残基相互作用频率和二级结构组成等结构特性对模型进行聚类，表明其学习到了有意义的表征。
• 该方法在不使用任何基于物理的势能函数或外部数据（如序列比对）的情况下，实现了最先进性能。
• 该模型在多样化的蛋白质靶标上泛化良好，在 CASP11 和 CASP12 测试集上均表现优异，证实了其鲁棒性与可扩展性。