[论文解读] PPIRef

Anton Bushuiev|arXiv (Cornell University)|Feb 12, 2024

Genetics, Bioinformatics, and Biomedical Research被引用 6

一句话总结

该论文提出了PPIRef，这是迄今为止最大的非冗余3D蛋白质-蛋白质相互作用数据集，以及PPIFORMER，一种基于PPIRef预训练的SE(3)等变Transformer模型，旨在提升模型的泛化能力。该方法在预测突变引起的∆∆G变化方面达到当前最优性能，在非泄漏测试集和真实世界案例研究（包括SARS-CoV-2抗体和链激酶工程）中均优于以往模型。

ABSTRACT

PPIRef is a dataset of 3D structures of protein-protein interfaces. See the GitHub repository for more details. ppi_6A.zip stores the PPIRef dataset: .pdb files with all 6A-distance interfaces from PDB as of Jan 2024. ppi_6A_stats.zip stores the statistics about the dataset. This includes the indexes for fast search with MMseqs2 and iDist, as well as a .csv file with some statistics for all interfaces.

研究动机与目标

• 为解决蛋白质-蛋白质相互作用（PPI）设计中机器学习模型泛化能力差的关键挑战，特别是现有基准数据集中存在的数据冗余和信息泄漏问题。
• 利用可扩展的聚类算法（iDist）构建PPIRef，即目前最大的非冗余3D PPI结构数据集，以消除结构冗余。
• 开发PPIFORMER，一种基于PPIRef预训练的SE(3)等变Transformer模型，以实现对多样化蛋白质-结合物变体的泛化能力。
• 通过采用热力学启发的损失函数对PPIFORMER进行微调，以提升对突变引起∆∆G变化的预测能力。
• 通过在非泄漏测试集和独立的生物学案例研究中进行严格评估，验证模型泛化能力的增强。

提出的方法

• PPIRef通过从蛋白质数据库（PDB）中收集3D PPI结构，并应用iDist算法（一种基于结构比对的可扩展算法）对结构进行聚类并去除近似重复的相互作用，从而构建而成。
• PPIFORMER是一种SE(3)等变Transformer模型，通过保留3D几何不变性来编码蛋白质复合物结构，实现对旋转和变换的等变性。
• 模型在PPIRef数据集上通过掩码自编码器目标进行预训练，以从受损输入中重建蛋白质复合物结构。
• 在微调阶段，采用热力学启发的损失函数来预测突变引起的∆∆G变化，其原理基于统计热力学。
• 最终的预测头采用反对称操作（Tanh激活函数，减去平均嵌入表示），以提升回归性能并减少偏差。
• 通过在SKEMPI v2.0的非泄漏划分和独立的生物学案例研究中使用标准指标（Spearman相关系数、Pearson相关系数、AUC、MAE、RMSE）评估性能。

实验结果

研究问题

• RQ1 大规模非冗余3D PPI数据集是否能提升机器学习模型在PPI设计中的泛化能力？
• RQ2 在多样化且非冗余的PPI数据集上预训练SE(3)等变Transformer模型，是否能提升其在未见PPI变体上的零样本和少样本泛化能力？
• RQ3 在微调阶段采用热力学启发的损失函数，是否能相比标准回归损失函数，提升∆∆G预测的准确性和可靠性？
• RQ4 与当前最优方法相比，PPIFORMER在标准PPI突变数据集的非泄漏测试集上的表现如何？
• RQ5 PPIFORMER是否能成功指导实际的蛋白质工程任务，如抗体优化和酶活性增强？

主要发现

• 在非泄漏的SKEMPI v2.0测试集上，PPIFORMER的Spearman相关系数为0.44 ± 0.03，Pearson相关系数为0.46 ± 0.03，优于以往的最先进模型。
• 在SKEMPI v2.0数据集中，PPIFORMER在5个测试PPI中的7个和4个指标上分别达到最佳或第二好的表现，多个案例中优于GEMME和RDE-Network。
• 在SARS-CoV-2抗体设计的案例研究中，PPIFORMER成功识别出高亲和力突变，展示了其在治疗开发中的实际应用潜力。
• 在链激酶溶栓工程中，PPIFORMER预测的突变显著提升了酶活性，验证了其在生物技术应用中的预测能力。
• 模型展现出高度的微调稳定性，三次随机种子下的性能一致（Spearman相关系数：0.42–0.47），表明其鲁棒性和可靠性。
• 消融实验证实，反对称回归头相比朴素或对称基线模型显著提升了性能，MAE降低至1.64 ± 0.011。