[论文解读] Learning Hierarchical Protein Representations via Complete 3D Graph Networks

Limei Wang, Haoran Liu+3 more|arXiv (Cornell University)|Jul 26, 2022

Protein Structure and Dynamics被引用 16

一句话总结

该论文提出ProNet，一种分层3D图神经网络，通过将每个氨基酸视为一个节点，同时捕捉内在的结构层次，实现对蛋白质在氨基酸、主链和全原子多个层次上的表征学习。ProNet在多种下游任务中达到最先进性能，包括蛋白质功能与折叠预测、结合亲和力以及蛋白质-蛋白质相互作用预测，且在所有层次上均展现出更优的效率与完整性，优于以往方法。

ABSTRACT

We consider representation learning for proteins with 3D structures. We build 3D graphs based on protein structures and develop graph networks to learn their representations. Depending on the levels of details that we wish to capture, protein representations can be computed at different levels, \emph{e.g.}, the amino acid, backbone, or all-atom levels. Importantly, there exist hierarchical relations among different levels. In this work, we propose to develop a novel hierarchical graph network, known as ProNet, to capture the relations. Our ProNet is very flexible and can be used to compute protein representations at different levels of granularity. By treating each amino acid as a node in graph modeling as well as harnessing the inherent hierarchies, our ProNet is more effective and efficient than existing methods. We also show that, given a base 3D graph network that is complete, our ProNet representations are also complete at all levels. Experimental results show that ProNet outperforms recent methods on most datasets. In addition, results indicate that different downstream tasks may require representations at different levels. Our code is publicly available as part of the DIG library (\url{https://github.com/divelab/DIG}).

研究动机与目标

• 为解决从3D结构中学习有效且分层的蛋白质表征，同时保持计算效率的挑战。
• 克服现有方法在忽略蛋白质层次结构或因原子级别建模导致计算复杂度过高的局限。
• 开发一种灵活的多层级表征学习框架，确保在所有粒度层级上均保持结构完整性。
• 证明不同下游任务从不同细节层次的表征中获益。

提出的方法

• ProNet构建3D图，其中每个氨基酸无论在何种结构细节层次（氨基酸、主链或全原子），均被视为单一节点。
• 该模型采用分层消息传递机制，在不同层次间传播信息，保留蛋白质结构的自然层次关系。
• 使用完整的3D图网络作为基础，确保所有层次的表征均具备充分信息量和判别力。
• 该方法支持端到端训练，各层次间共享参数，实现粗粒度与细粒度表征的高效联合学习。
• 该架构设计注重计算效率，复杂度为O(nk)，其中n为氨基酸数量，k为平均度数。
• 该框架已集成至DIG库中，支持公开访问与多样化下游应用的可扩展性。

实验结果

研究问题

• RQ1 统一的图神经网络能否有效学习跨多个结构层次的分层蛋白质表征？
• RQ2 在保留内部结构层次关系的前提下，以氨基酸为单位建模蛋白质，是否能提升表征质量与效率？
• RQ3 不同层次（氨基酸、主链、全原子）的表征如何影响多种下游任务的性能？
• RQ4 完整的3D图网络能否确保所有层次的表征均具备信息量与判别力？

主要发现

• ProNet在大多数基准数据集上均优于近期最先进方法，在蛋白质折叠预测、功能预测以及蛋白质-配体结合亲和力预测任务中表现卓越。
• 在序列同一性为60%的LBA数据集中，ProNet-All-Atom的RMSE为1.343 ± 0.025，超越所有基线方法，包括IEConv和Holoprot。
• 在PSR任务中，ProNet-All-Atom的全局Spearman相关系数达到0.849，显著优于GVP-GNN（0.845）和Atom3D-GNN（0.750）。
• 在LEP二分类任务中，ProNet-All-Atom的AUROC为0.692，排名第一，超过次优方法Atom3D-GNN（0.681）。
• ProNet-Backbone在PSR任务中取得最高全局Spearman相关系数（0.845），表明其在生物大分子间具有强大的泛化能力。
• 结果表明，不同下游任务从不同层次的表征中获益，全原子和主链层级模型在大多数任务中表现更优。