[论文解读] Real-value and confidence prediction of protein backbone dihedral angles through a hybrid method of clustering and deep learning

Yujuan Gao, Sheng Wang+2 more|arXiv (Cornell University)|Dec 19, 2017

Protein Structure and Dynamics参考文献 29被引用 5

一句话总结

该论文提出 RaptorX-Angle，一种混合方法，结合蛋白质主链二面角的 k-means 聚类与深度残差神经网络，用于预测实数值的 phi 和 psi 角度及其预测置信度。通过将聚类建模为双变量冯·米塞斯分布，并利用预测标签概率计算加权混合，该方法在实现最先进精度的同时，估计误差与实际预测误差之间表现出强线性关系。

ABSTRACT

Background. Protein dihedral angles provide a detailed description of protein local conformation. Predicted dihedral angles can be used to narrow down the conformational space of the whole polypeptide chain significantly, thus aiding protein tertiary structure prediction. However, direct angle prediction from sequence alone is challenging. Method. In this study, we present a novel method to predict real-valued angles by combining clustering and deep learning. That is, we first generate certain clusters of angles (each assigned a label) and then apply a deep residual neural network to predict the label posterior probability. Finally, we output real-valued prediction by a mixture of the clusters with their predicted probabilities. At the same time, we also estimate the bound of the prediction errors at each residue from the predicted label probabilities. Result. In this article, we present a novel method (named RaptorX-Angle) to predict real-valued angles by combining clustering and deep learning. Tested on a subset of PDB25 and the targets in the latest two Critical Assessment of protein Structure Prediction (CASP), our method outperforms the existing state-of-art method SPIDER2 in terms of Pearson Correlation Coefficient (PCC) and Mean Absolute Error (MAE). Our result also shows approximately linear relationship between the real prediction errors and our estimated bounds. That is, the real prediction error can be well approximated by our estimated bounds. Conclusions. Our study provides an alternative and more accurate prediction of dihedral angles, which may facilitate protein structure prediction and functional study.

研究动机与目标

• 提高从氨基酸序列预测实数值蛋白质主链二面角的准确性。
• 开发一种方法，为每个残基估计预测置信度区间，从而在下游应用中实现可靠使用。
• 通过将问题转化为基于聚类的离散标签分配任务，解决预测连续二面角的挑战。
• 证明有限数量的聚类（20 个）可有效表示蛋白质结构中 phi/psi 角度的复杂分布。
• 为蛋白质三级结构预测和功能分析提供一种计算高效且准确的框架。

提出的方法

• 对来自大规模 PDB 子集的 phi/psi 角度对应用 k-means 聚类，以定义 20 个不同的结构盆地，每个盆地分配一个标签。
• 使用深度残差神经网络，基于序列和进化特征（PSSM）预测给定残基的每个聚类标签的后验概率。
• 实数值二面角通过聚类均值的加权混合进行估计，权重为预测的标签概率。
• 通过为每个聚类的角度分布拟合双变量冯·米塞斯混合模型，计算聚类内标准差，从而估计预测置信度。
• 该方法利用一维卷积神经网络和来自 PSI-BLAST 的 PSSM 特征，提取序列级表示。
• 该框架在 PDB25 和 CASP 目标子集上进行训练和评估，性能通过 PCC 和 MAE 衡量。

实验结果

研究问题

• RQ1 与现有方法相比，混合聚类与深度学习的方法是否能提高实数值二面角预测的准确性？
• RQ2 能否有效利用聚类盆地的预测标签概率生成连续的实数值角度预测？
• RQ3 估计的预测误差边界是否与各残基的实际预测误差呈线性相关？
• RQ4 该方法能否通过高预测不确定性可靠识别无序或柔性区域？
• RQ5 使用固定 20 个聚类是否能捕获足够的结构信息，从而优于使用更细或更粗离散化的其他方法？

主要发现

• RaptorX-Angle 在所有测试数据集（包括 PDB25 子集和 CASP 目标）上的皮尔逊相关系数（PCC）均优于 SPIDER2。
• 在 PDB25 子集上，与 SPIDER2 相比，该方法将平均绝对误差（MAE）降低了约 0.5°（phi 角）和 1.4°（psi 角）。
• 估计的预测误差边界与实际真实预测误差之间存在强近似线性关系，验证了置信度估计的可靠性。
• 在 TS1267 数据集上，两状态准确度（误差在 90° 以内）相比 SPIDER2 提高了 0.15%（phi 角）和 1%（psi 角）。
• 无序区域表现出高预测不确定性，与它们的柔性与动态特性一致，表现为较大的聚类内标准差。
• 该方法在批量处理中计算高效，使用单张 GPU 在 750 秒内完成 TS1267 中全部 1267 个蛋白质的角度假设，速度和精度均优于其他方法。