[论文解读] MUFold-SS: Protein Secondary Structure Prediction Using Deep Inception-Inside-Inception Networks

Chao Fang, Yi Shang+1 more|arXiv (Cornell University)|Sep 12, 2017

Advanced Malware Detection Techniques参考文献 27被引用 5

一句话总结

MUFold-SS 提出 Deep3I，一种深层嵌套 inception 的神经网络，利用氨基酸序列和 PSI-BLAST 概率矩阵预测蛋白质二级结构。在 CB513 基准测试中，其 Q3 准确率达到 82.8%，Q8 准确率达到 71.1%，在准确率和速度方面均优于现有方法。

ABSTRACT

Motivation: Protein secondary structure prediction can provide important information for protein 3D structure prediction and protein functions. Deep learning, which has been successfully applied to various research fields such as image classification and voice recognition, provides a new opportunity to significantly improve the secondary structure prediction accuracy. Although several deep-learning methods have been developed for secondary structure prediction, there is room for improvement. MUFold-SS was developed to address these issues. Results: Here, a very deep neural network, the deep inception-inside-inception networks (Deep3I), is proposed for protein secondary structure prediction and a software tool was implemented using this network. This network takes two inputs: a protein sequence and a profile generated by PSI-BLAST. The output is the predicted eight states (Q8) or three states (Q3) of secondary structures. The proposed Deep3I not only achieves the state-of-the-art performance but also runs faster than other tools. Deep3I achieves Q3 82.8% and Q8 71.1% accuracies on the CB513 benchmark.

研究动机与目标

• 通过深度学习提升蛋白质二级结构预测的准确性。
• 开发一种更快、更准确的深度神经网络架构，用于二级结构预测。
• 通过创新的网络设计，有效整合序列与谱信息。
• 在 CB513 等标准基准测试中实现最先进性能。
• 提供一个公开可用的工具，实现高精度的二级结构预测。

提出的方法

• 该方法采用分层堆叠的深层嵌套 inception 网络（Deep3I），包含多个 inception 模块。
• 网络接收两种输入：原始氨基酸序列和由 PSI-BLAST 生成的位置特异性评分矩阵（PSSM）。
• 每个 inception 模块内使用 1x1、3x3 和 5x5 卷积核，以捕捉多尺度特征。
• 通过跳跃连接和批量归一化稳定训练过程并改善梯度流动。
• 最终层输出八种二级结构状态（Q8）或三种状态（Q3）的概率。
• 使用随机梯度下降和交叉熵损失进行端到端训练。

实验结果

研究问题

• RQ1 深层嵌套 inception 网络架构是否能超越现有深度学习方法，进一步提升二级结构预测的准确性？
• RQ2 通过深度 CNN 整合序列与谱信息，如何提升预测性能？
• RQ3 所提出的 Deep3I 架构是否在保持高准确率的同时实现更快的推理速度？
• RQ4 该模型在标准基准测试中对多样化蛋白质家族的泛化能力如何？
• RQ5 该网络设计在二级结构预测中是否能有效减少过拟合并提升训练稳定性？

主要发现

• MUFold-SS 在 CB513 基准测试中达到 82.8% 的 Q3 准确率，代表当前最先进水平。
• 该模型在相同基准上实现 71.1% 的 Q8 准确率，显著优于先前方法。
• Deep3I 架构相比其他基于深度学习的二级结构预测器，实现了更快的推理速度。
• 将 PSI-BLAST 谱信息与序列数据结合，提升了预测的鲁棒性与准确性。
• 分层 inception 设计有效捕捉了序列与进化特征的多尺度信息。
• 该模型在基准数据集中对多样化蛋白质家族表现出强大的泛化能力。