[论文解读] DeepQA: Improving the estimation of single protein model quality with deep belief networks

Renzhi Cao, Debswapna Bhattacharya+2 more|arXiv (Cornell University)|Jul 15, 2016

Protein Structure and Dynamics参考文献 46被引用 4

一句话总结

DeepQA 提出了一种基于深度置信网络（DBN）的方法，用于单个蛋白模型的质量评估，整合了能量、理化性质和结构信息等多种特征，以提升质量估计的准确性。该方法在 CASP11 数据集上表现优于支持向量机（SVMs）和标准神经网络，达到当前最先进水平，尤其在从大量低质量从头预测模型中筛选高质量模型方面表现出色。

ABSTRACT

Protein quality assessment (QA) by ranking and selecting protein models has long been viewed as one of the major challenges for protein tertiary structure prediction. Especially, estimating the quality of a single protein model, which is important for selecting a few good models out of a large model pool consisting of mostly low-quality models, is still a largely unsolved problem. We introduce a novel single-model quality assessment method DeepQA based on deep belief network that utilizes a number of selected features describing the quality of a model from different perspectives, such as energy, physio-chemical characteristics, and structural information. The deep belief network is trained on several large datasets consisting of models from the Critical Assessment of Protein Structure Prediction (CASP) experiments, several publicly available datasets, and models generated by our in-house ab initio method. Our experiment demonstrate that deep belief network has better performance compared to Support Vector Machines and Neural Networks on the protein model quality assessment problem, and our method DeepQA achieves the state-of-the-art performance on CASP11 dataset. It also outperformed two well-established methods in selecting good outlier models from a large set of models of mostly low quality generated by ab initio modeling methods. DeepQA is a useful tool for protein single model quality assessment and protein structure prediction. The source code, executable, document and training/test datasets of DeepQA for Linux is freely available to non-commercial users at http://cactus.rnet.missouri.edu/DeepQA/.

研究动机与目标

• 为解决在大规模、异质性模型池中估计单个蛋白模型质量的长期挑战。
• 通过更优地从低质量模型中筛选高质量模型，提升蛋白结构预测的准确性。
• 开发一种集成多维特征（能量、理化性质、结构）的机器学习框架，实现稳健的质量评估。
• 证明深度置信网络在单模型质量评估中优于传统模型（如支持向量机和前馈神经网络）的性能。
• 为研究人员提供一个免费、非商业用途的工具，以增强蛋白结构预测的工作流程。

提出的方法

• 该方法采用在多个数据集（包括 CASP 实验、公开蛋白模型集合以及内部从头预测模型）上训练的深度置信网络（DBN）。
• 输入特征包括能量项、理化性质和结构描述符，从多个角度表征模型质量。
• DBN 通过贪婪逐层无监督学习在可见层和隐藏层上进行预训练，随后通过有监督学习进行微调。
• 使用标注数据对模型进行微调，其中模型质量通过与天然结构的 GDT_TS 或 RMSD 等指标进行评估。
• 特征工程选择相关且非冗余的描述符，以提升泛化能力并减少输入空间中的噪声。
• 最终模型输出一个质量评分，用于预测模型接近天然结构的可能性。

实验结果

研究问题

• RQ1 深度置信网络能否有效整合多源特征，以提升单个蛋白模型的质量评估？
• RQ2 DBN 在蛋白质量评估中的表现与传统模型（如支持向量机和前馈神经网络）相比如何？
• RQ3 DeepQA 在由大量低质量从头预测模型主导的模型池中，识别高质量模型的能力有多强？
• RQ4 基于 DBN 的方法是否能在包括 CASP 和公开模型库在内的多样化数据集上实现良好泛化？
• RQ5 该方法能否在 CASP11 等基准数据集上实现最先进性能？

主要发现

• DeepQA 在 CASP11 数据集上达到最先进性能，在单模型质量评估中优于现有方法。
• 深度置信网络在模型质量排序方面显著优于支持向量机和标准神经网络。
• DeepQA 展现出从大量低质量从头预测模型中筛选高质量异常值模型的卓越能力。
• 整合能量、理化性质和结构等多种特征，显著提升了模型的预测准确性和鲁棒性。
• 该方法在多个数据集（包括 CASP 实验和公开模型仓库）上表现出强大的泛化能力。
• 源代码、可执行文件、文档以及训练/测试数据集均对非商业用途公开可用。