[论文解读] ThreshKnot: Thresholded ProbKnot for Improved RNA Secondary Structure Prediction

Liang Zhang, He Zhang+2 more|arXiv (Cornell University)|Dec 30, 2019

RNA and protein synthesis mechanisms参考文献 39被引用 9

一句话总结

ThreshKnot 引入了 ProbKnot 算法的阈值化变体，通过过滤概率低于可调阈值 θ 的碱基对，提升了 RNA 二级结构预测的准确性，同时在 RNAstructure、Vienna RNAfold 和 CONTRAfold 三个主流折叠引擎中，相比更复杂的 MEA 方法，实现了更高的精度、更好的假结预测能力以及更快的运行速度。当 θ = 0.3 时，ThreshKnot 在 PPV 和灵敏度方面均持续优于 MEA，同时保持 O(n²) 的效率。

ABSTRACT

RNA structure prediction is a challenging problem, especially with pseudoknots. Recently, there has been a shift from the classical minimum free energy-based methods (MFE) to partition function-based ones that assemble structures using base-pairing probabilities. Two examples of the latter group are the popular maximum expected accuracy (MEA) method and the ProbKnot method. ProbKnot is a fast heuristic that pairs nucleotides that are reciprocally most probable pairing partners, and unlike MEA, can also predict structures with pseudoknots. However, ProbKnot's full potential has been largely overlooked. In particular, when introduced, it did not have an MEA-like hyperparameter that can balance between positive predictive value (PPV) and sensitivity. We show that a simple thresholded version of ProbKnot, which we call ThreshKnot, leads to more accurate overall predictions by filtering out unlikely pairs whose probabilities fall under a given threshold. We also show that on three widely-used folding engines (RNAstructure, Vienna RNAfold, and CONTRAfold), ThreshKnot always outperforms the much more involved MEA algorithm in (1) its higher structure prediction accuracy, (2) its capability to predict pseudoknots, and (3) its faster runtime and easier implementation. This suggests that ThreshKnot should replace MEA as the default partition function-based structure prediction algorithm. ThreshKnot is already available in the widely used RNAstructure software package version 6.2 (released November 27, 2019): https://rna.urmc.rochester.edu/RNAstructure.html

研究动机与目标

• 为解决 ProbKnot 算法缺乏类似 MEA 的超参数 γ 来调节精确率（PPV）与召回率（灵敏度）之间可调平衡的问题。
• 通过使用阈值 θ 过滤低概率碱基对，提升基于配分函数的 RNA 结构预测准确性。
• 提供一种简单、快速且高效的假结预测方法，其性能优于更复杂的 MEA 算法。
• 通过在多个广泛使用的 RNA 折叠工具中展示卓越性能，取代 MEA 作为基于配分函数的默认 RNA 结构预测方法。

提出的方法

• ThreshKnot 对配分函数计算出的碱基配对概率施加阈值 θ，排除所有概率 < θ 的配对。
• 其采用与 ProbKnot 相同的互惠概率配对启发式方法，但增加了基于 θ 的过滤步骤，以减少假阳性结果。
• 通过在 RNA 家族上进行自助抽样（jackknife resampling）对阈值 θ 进行调优，发现 θ = 0.3 时能最大化 F1 分数，为最优值。
• 该方法保持 O(n²) 的时间复杂度，与 ProbKnot 的效率一致，且可与 RNAstructure 等现有 RNA 折叠软件兼容。
• 在完整结构和交叉配对（用于假结）上分别计算 PPV 和灵敏度，以评估假结预测的准确性。
• 阈值化方法可实现灵敏度（较高 θ）与 PPV（较低 θ）之间的动态平衡，为 MEA 的 γ 参数提供一种更简单的替代方案。

实验结果

研究问题

• RQ1 简单的阈值化机制是否能在不增加计算成本的前提下提升 ProbKnot 的预测准确性？
• RQ2 ThreshKnot 是否在多个 RNA 折叠引擎中均优于 MEA，无论在整体结构预测精度还是假结检测方面？
• RQ3 是否存在一个在不同 RNA 家族中均能稳定平衡 PPV 与灵敏度的最优阈值 θ？
• RQ4 由于性能更优且实现更简单，ThreshKnot 是否可作为默认的基于配分函数的 RNA 结构预测方法，取代 MEA？
• RQ5 与无法预测假结的 MEA 相比，阈值化是否能提升对交叉配对（假结）的预测能力？

主要发现

• 在所有三个折叠引擎（RNAstructure、Vienna RNAfold 和 CONTRAfold）中，θ = 0.3 的 ThreshKnot 在整体 F1 分数上持续优于 MEA。
• 在包含 2,889 条序列的 9 个 RNA 家族基准数据集上，ThreshKnot 的 PPV 和灵敏度均高于 MEA，且经置换检验确认具有统计显著性。
• ThreshKnot 能够成功预测假结，而 MEA 无法实现，且在交叉配对上的假结 PPV 和灵敏度均高于 MEA。
• 该方法运行时间为 O(n²)，与 ProbKnot 的效率一致，显著快于 MEA 的 O(n³) 结构组装步骤。
• 在所有自助抽样试验中，最优阈值 θ = 0.3 均被一致选中，表明其在不同 RNA 家族中具有鲁棒性。
• ThreshKnot 已集成至 RNAstructure v6.2，证实其已被采纳为生产环境可用的、替代 MEA 的默认方法。