[论文解读] Peak Detection On Data Independent Acquisition Mass Spectrometry Data With Semisupervised Convolutional Transformers

Leon L. Xu, Hannes Röst|arXiv (Cornell University)|Oct 26, 2020

Mass Spectrometry Techniques and Applications被引用 4

一句话总结

该论文提出了一种用于数据独立采集（DIA）LC-MS数据中峰检测的半监督卷积Transformer模型，结合卷积神经网络（CNN）进行局部特征提取与自注意力机制，以捕捉多变量时间序列中的长程依赖关系。该方法在基准DIA数据集上实现了最先进性能，优于基线神经网络模型，并与现有自动化峰检测工具在人工标注作为真实标签的情况下表现相当或更优。

ABSTRACT

Liquid Chromatography coupled to Mass Spectrometry (LC-MS) based methods are commonly used for high-throughput, quantitative measurements of the proteome (i.e. the set of all proteins in a sample at a given time). Targeted LC-MS produces data in the form of a two-dimensional time series spectrum, with the mass to charge ratio of analytes (m/z) on one axis, and the retention time from the chromatography on the other. The elution of a peptide of interest produces highly specific patterns across multiple fragment ion traces (extracted ion chromatograms, or XICs). In this paper, we formulate this peak detection problem as a multivariate time series segmentation problem, and propose a novel approach based on the Transformer architecture. Here we augment Transformers, which are capable of capturing long distance dependencies with a global view, with Convolutional Neural Networks (CNNs), which can capture local context important to the task at hand, in the form of Transformers with Convolutional Self-Attention. We further train this model in a semisupervised manner by adapting state of the art semisupervised image classification techniques for multi-channel time series data. Experiments on a representative LC-MS dataset are benchmarked using manual annotations to showcase the encouraging performance of our method; it outperforms baseline neural network architectures and is competitive against the current state of the art in automated peak detection.

研究动机与目标

• 为解决复杂、高维DIA LC-MS数据中准确峰检测的挑战，该挑战对定量蛋白质组学至关重要。
• 通过在Transformer中整合卷积层进行局部上下文建模与自注意力机制进行全局序列建模，改进现有深度学习模型。
• 通过将计算机视觉中的半监督学习技术适配至蛋白质组学中的多变量时间序列，有效利用有限的标注数据。
• 开发一种方法，其性能优于标准神经网络架构，并在真实世界DIA数据集上的自动化峰检测中达到或超越当前最先进水平。

提出的方法

• 该模型采用混合架构，结合卷积层与自注意力机制，称为“卷积自注意力”，以联合建模多变量时间序列中的局部与长程依赖关系。
• 将峰检测建模为多变量时间序列分割任务，其中每个通道对应一个特定m/z值的提取离子色谱图（XIC）。
• 采用半监督方式训练模型，结合少量标注数据（人工标注的峰）与大量未标注数据，以提升泛化能力。
• 作者将最先进的半监督图像分类技术——特别是一致性正则化与伪标签法——适配至多通道时间序列设置。
• 架构采用多头注意力机制与可学习的位置编码，以建模保留时间点之间的时序关系。
• 最终输出为每个XIC的峰分割序列，置信度分数由模型的注意力头与分类头生成。

实验结果

研究问题

• RQ1 与标准深度学习模型相比，混合卷积-Transformer架构是否能提升DIA LC-MS数据中的峰检测性能？
• RQ2 来自计算机视觉的半监督学习技术在多变量时间序列中的蛋白质组学应用中，其有效性在多大程度上可被成功迁移？
• RQ3 将局部（卷积）与全局（自注意力）建模相结合，是否能改善DIA数据中复杂、重叠肽信号的检测？
• RQ4 在基准数据集上，该方法与现有最先进峰检测工具相比，在精确率、召回率与F1分数方面表现如何？

主要发现

• 所提方法在代表性DIA LC-MS数据集上的峰检测准确率优于基线神经网络架构。
• 与当前最先进自动化峰检测方法相比，其性能具有竞争力，以F1分数与人工标注对比衡量。
• 半监督训练策略显著提升了模型泛化能力，尤其在标注数据有限时表现更优。
• 卷积层与自注意力机制的结合，使模型能更好地建模局部信号模式与保留时间上的长程依赖关系。
• 模型对噪声与重叠峰表现出强鲁棒性，这是DIA数据中的常见挑战。
• 消融研究证实，卷积与自注意力组件均对最终性能有显著贡献。