[논문 리뷰] SBSM-Pro: Support Bio-sequence Machine for Proteins

Yizheng Wang, Yixiao Zhai외 2명|arXiv (Cornell University)|2023. 08. 20.

Machine Learning in Bioinformatics인용 수 28

한 줄 요약

SBSM-Pro는 물리화학적 특성에 따라 아미노산을 그룹화하고, 새로운 MKL 방법으로 다중 유사도 커널을 통합하며, 10개 데이터셋에 걸쳐 단백질 분류를 위해 SVM을 사용하는 시퀀스 기반 커널 학습 프레임워크를 도입한다.

ABSTRACT

Proteins play a pivotal role in biological systems. The use of machine learning algorithms for protein classification can assist and even guide biological experiments, offering crucial insights for biotechnological applications. We introduce the Support Bio-Sequence Machine for Proteins (SBSM-Pro), a model purpose-built for the classification of biological sequences. This model starts with raw sequences and groups amino acids based on their physicochemical properties. It incorporates sequence alignment to measure the similarities between proteins and uses a novel multiple kernel learning (MKL) approach to integrate various types of information, utilizing support vector machines for classification prediction. The results indicate that our model demonstrates commendable performance across ten datasets in terms of the identification of protein function and posttranslational modification. This research not only exemplifies state-of-the-art work in protein classification but also paves avenues for new directions in this domain, representing a beneficial endeavor in the development of platforms tailored for the classification of biological sequences. SBSM-Pro is available for access at http://lab.malab.cn/soft/SBSM-Pro/.

연구 동기 및 목표

• 신뢰할 수 있는 단백질 시퀀스 분류 도구의 필요성을 입증하고, 풍부한 시퀀스 정보를 보존한다.
• Physicochemical 의미를 보존하면서 아미노산 알파벳을 축소하는 새로운 프레임워크(PSD)를 제안한다.
• Levenshtein 거리와 Smith–Waterman 점수를 사용하여 다수의 단백질 유사성 커널을 개발하고 통합한다.
• 융합된 중심 커널에서 파생된 커널로 SVM을 학습시켜 단백질 기능 및 PTM 분류를 수행한다.
• 10개 데이터셋에서 기존 방법과 비교하고 ablation 연구를 통해 각 모듈의 기여를 분석한다.

제안 방법

• 스펙트럴 클러스터링을 통해 10가지 물리화학 특성으로 아미노산을 분류하여 사전을 생성하는 PSD 정의.
• 다시 인코딩된 시퀀스에서 두 가지 시퀀스 유사성 척도(Levenshtein 거리 및 Smith–Waterman 점수)를 계산한다.
• 20개의 커널(10개 사전 × 2개 유사성 척도)을 생성하고 제안된 HCKDM-MKL 커널 학습 방법으로 이들을 융합한다.
• 융합된 중심 커널에서 파생된 사전 계산 커널로 단백질 기능 및 PTM 분류를 위한 SVM을 학습시킨다.
• SBSM-Pro를 10개 데이터셋에서 기존 방법과 비교하고 ablation 연구를 통해 각 모듈의 기여를 분석한다.

실험 결과

연구 질문

• RQ1 PSD 기반 아미노산 그룹화가 단백질 분류를 위한 시퀀스 유사성 측정에 향상을 가져오는가?
• RQ2 MKL이 여러 유사성 커널을 효과적으로 통합하여 단일 커널보다 예측 정확도를 높일 수 있는가?
• RQ3 PSD 인코딩된 시퀀스의 맥락에서 LS 거리와 SW 점수는 커널 구성에 어떤 차이를 보이는가?
• RQ4 제안된 HCKDM-MKL을 다른 MKL 방법과 비교했을 때 분류 성능에 어떤 영향을 미치는가?

주요 결과

• SBSM-Pro는 대부분의 데이터셋에서 기존 방법보다 ACC가 높게 나타남(예: DBP 0.8925 vs 0.753; PTSS 0.9000 vs 0.8563).
• 10개 데이터셋에서 SBSM-Pro는 일반적으로 최첨단 접근법을 능가하여 일반화 가능성과 로버스트성이 향상되었음을 시사한다.
• 아미노산 그룹화와 LS 거리 및 SW 점수를 HCKDM-MKL로 결합한 커널 융합이 우수한 예측 성능을 낸다.
• MKL 기반 커널 융합은 데이터셋 간 평균 커널 가중치에서 지속적으로 HSIC-MKL, HKAM-MKL, 및 단순 평균 가중치보다 우수하다.