[논문]단백질 서열의 상동 관계를 가중 조합한 단백질 이차 구조 예측

지상문

doi:10.6109/jkiice.2016.20.9.1816

[국내논문] 단백질 서열의 상동 관계를 가중 조합한 단백질 이차 구조 예측
Prediction of Protein Secondary Structure Using the Weighted Combination of Homology Information of Protein Sequences 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.20 no.9, 2016년, pp.1816 - 1821

지상문 (Department of Computer Science and Engineering, Kyungsung University)

초록
AI-Helper

단백질은 대부분의 생물학적 과정에서 중대한 역할을 수행하고 있으므로, 단백질 진화, 구조와 기능을 알아내기 위하여 많은 연구가 수행되고 있는데, 단백질의 이차 구조는 이러한 연구의 중요한 기본적 정보이다. 본 연구는 대규모 단백질 구조 자료로부터 단백질 이차 구조 정보를 효과적으로 추출하여 미지의 단백질 서열이 가지는 이차 구조를 예측하려 한다. 질의 서열과 상동관계에 있는 단백질 구조자료내의 서열들을 광범위하게 찾아내기 위하여, 탐색에 사용하는 프로파일의 구성에 질의 서열과 유사한 서열들을 사용하고 갭을 허용하여 반복적인 탐색이 가능한 PSI-BLAST를 사용하였다. 상동 단백질들의 이차구조는 질의 서열과의 상동 관계의 강도에 따라 가중되어 이차 구조 예측에 기여되었다. 이차 구조를 각각 세 개와 여덟 개로 분류하는 예측 실험에서 상동 서열들과 신경망을 동시에 사용하여 93.28%와 88.79%의 정확도를 얻어서 기존 방법보다 성능이 향상되었다.

Abstract ▼ AI-Helper

Protein secondary structure is important for the study of protein evolution, structure and function of proteins which play crucial roles in most of biological processes. This paper try to effectively extract protein secondary structure information from the large protein structure database in order to predict the protein secondary structure of a query protein sequence. To find more remote homologous sequences of a query sequence in the protein database, we used PSI-BLAST which can perform gapped iterative searches and use profiles consisting of homologous protein sequences of a query protein. The secondary structures of the homologous sequences are weighed combined to the secondary structure prediction according to their relative degree of similarity to the query sequence. When homologous sequences with a neural network predictor were used, the accuracies were higher than those of current state-of-art techniques, achieving a Q3 accuracy of 92.28% and a Q8 accuracy of 88.79%.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

1996년부터 2013년까지 PDB(Protein Data Bank)에 추가되는 단백질 자료를 조사해보면, 새롭게 추가되는 단백질 서열은 서열 유사성이 30%이상인 것이 기존의 자료에 이미 존재하는 비율이 증가하고 있으며, 2013년에는 94%이상이었다[3]. 본 논문에서는 단백질 구조 자료에 존재하는 질의 서열과 유사한 단백질의 이차 구조를 사용하여 이차구조를 예측한다. 이는 모든 단백질이 가질 수 있는 구조의 형태가 대부분 알려지고 있으므로, 이차 구조를 예측하고자 하는 단백질 서열과 부분적으로 매우 유사한 영역들이 존재할 가능성이 점점 커지고 있기 때문이다.
하지만, 반복적으로 프로파일을 만드는 과정 중에 질의 서열과 일치하지 않는 자료들이 추가됨으로서, 초기 질의 서열과는 특성이 다른 프로파일로 표류하는 단점이 있다. 본 논문에서는 옵션 h를 조절하여 이차 구조 예측에 최적인 값을 조사한다.
이는 모든 단백질이 가질 수 있는 구조의 형태가 대부분 알려지고 있으므로, 이차 구조를 예측하고자 하는 단백질 서열과 부분적으로 매우 유사한 영역들이 존재할 가능성이 점점 커지고 있기 때문이다. 본 논문에서는 이들 유사한 부분 영역들을 단백질 구조 자료에서 탐색하고, 이들 각 영역과 질의 서열과의 상동 관계의 정도를 효과적으로 최종 분류에 반영하여 이차 구조를 예측하려 한다.
따라서 질의 서열의 하나의 위치에 대응되는 여러 개의 서열이 나타나고, 이들의 이차 구조를 조합하여 예측을 수행하였다. 본 논문에서는 질의 서열과 정합된 서열에서 양의 값으로 치환된 개수가 클수록 큰 가중치를 가지도록 조합하였다. 그림 1의 경우에 두 번째 행에서 공백이 아닌 위치의 개수가 양의 값으로 치환된 개수이다.
본 논문은 대규모의 단백질 구조 자료에서 정보를 효과적으로 추출하여 단백질 이차 구조를 예측하였다. 갭이 있는 서열 탐색과 질의 단백질과 상동 관계에 있는 단백질 자료내의 단백질들을 기반으로 질의 서열을 재구성하고 이를 이용하여 보다 먼 상동 관계의 서열들을 탐색하였다.
본 연구에서는 대규모 단백질 삼차원 구조 자료인 PDB[12]를 보다 효과적으로 이용하여 이차 구조를 예측하려 한다. PDB에 존재하는 유사서열의 삼차원 구조에서 이차 구조를 추출하는 과정에서, 기존 방법은 갭을 허용하지 않고 정확히 일치하는 부분 서열의 정보만을 이용하였지만, 본 연구에서는 질의 서열과 유사한 서열을 보다 광범위하게 탐색한다.
갭이 있는 서열 탐색과 질의 단백질과 상동 관계에 있는 단백질 자료내의 단백질들을 기반으로 질의 서열을 재구성하고 이를 이용하여 보다 먼 상동 관계의 서열들을 탐색하였다. 이러한 탐색과정에서 나타나는 서열의 유사성을 기준으로 최종 예측 결과에 기여하는 정도를 조절하였다.

제안 방법

본 연구에서는 대규모 단백질 삼차원 구조 자료인 PDB[12]를 보다 효과적으로 이용하여 이차 구조를 예측하려 한다. PDB에 존재하는 유사서열의 삼차원 구조에서 이차 구조를 추출하는 과정에서, 기존 방법은 갭을 허용하지 않고 정확히 일치하는 부분 서열의 정보만을 이용하였지만, 본 연구에서는 질의 서열과 유사한 서열을 보다 광범위하게 탐색한다. 이를 위하여 (1) 탐색에 갭을 허용하고, (2) PSI-BLAST에서 매 반복마다 프로파일의 구성에 추가할 유사서열을 결정하는 e값 문턱치를 결정하는 옵션 h의 다양한 값을 조사하여 최적값을 알아보고, (3) 이차 구조 예측에 사용하는 서열의 e값 최적 문턱치를 조사하고, (4) 이러한 탐색 결과로 얻은 서열의 상동 관계의 강도를 반영하여 조합하였다.
본 논문은 대규모의 단백질 구조 자료에서 정보를 효과적으로 추출하여 단백질 이차 구조를 예측하였다. 갭이 있는 서열 탐색과 질의 단백질과 상동 관계에 있는 단백질 자료내의 단백질들을 기반으로 질의 서열을 재구성하고 이를 이용하여 보다 먼 상동 관계의 서열들을 탐색하였다. 이러한 탐색과정에서 나타나는 서열의 유사성을 기준으로 최종 예측 결과에 기여하는 정도를 조절하였다.
첫 단계는 PSI-BLAST를 UNIREF50 단백질 자료[11]를 대상으로 세 번 반복하여 다중 서열 정렬을 수행하고, 이 결과를 이용하여 단백질 서열의 각 위치에서 나타나는 아미노산의 빈도를 구한다. 두 번째 단계에서는 첫단계에서 얻은 단백질 프로파일을 신경망의 입력으로 사용하여 단백질 이차구조를 예측한다. 세 번째 단계에서는 대규모 단백질 구조 자료인 PDB[12]에서 이차 구조를 예측하고자 하는 질의 단백질 서열의 부분서열들과 유사한 부분 서열을 찾는다.
단백질 서열 자료를 대상으로 질의 서열과 유사한 서열들을 탐색하면, 그림 1같은 서열간의 정합이 여러 개 나타난다. 따라서 질의 서열의 하나의 위치에 대응되는 여러 개의 서열이 나타나고, 이들의 이차 구조를 조합하여 예측을 수행하였다. 본 논문에서는 질의 서열과 정합된 서열에서 양의 값으로 치환된 개수가 클수록 큰 가중치를 가지도록 조합하였다.
또한, 이들 여덟 가지를 세 가지 (G, H, I -> H; B, E -> E; T, S, “.” ->C)로 통합하여 나선, 베타-병풍과 코일구조로 나눈다.
본 논문에서는 blastpgp를 서열 탐색에 사용한다. 이 방법은 우선 질의 서열과 유사한 단백질 서열들을 데이터베이스에 찾아서 프로파일인 PSSM을 구성한다.
하지만, 매칭 되지 않는 부분의 서열을 처리하여야 한다. 본 논문에서는 갭에 해당하는 부분의 이차 구조는 예측하지 않는 방법을 사용하였다.
w는 실험에 의해서 결정할 파라미터이고, 양의 값으로 치환된 개수가 많을수록 커다란 가중치를 갖도록 w를 p_i번 곱하여 주었다. 이러한 이차 구조의 점수에서 가장 큰 점수를 갖는 이차 구조를 그 위치의 이차 구조로 예측하였다.
PDB에 존재하는 유사서열의 삼차원 구조에서 이차 구조를 추출하는 과정에서, 기존 방법은 갭을 허용하지 않고 정확히 일치하는 부분 서열의 정보만을 이용하였지만, 본 연구에서는 질의 서열과 유사한 서열을 보다 광범위하게 탐색한다. 이를 위하여 (1) 탐색에 갭을 허용하고, (2) PSI-BLAST에서 매 반복마다 프로파일의 구성에 추가할 유사서열을 결정하는 e값 문턱치를 결정하는 옵션 h의 다양한 값을 조사하여 최적값을 알아보고, (3) 이차 구조 예측에 사용하는 서열의 e값 최적 문턱치를 조사하고, (4) 이러한 탐색 결과로 얻은 서열의 상동 관계의 강도를 반영하여 조합하였다.
하지만, 모든 질의 서열의 위치를 예측할 수 있는 방법들과 조합하면 이러한 예측 범위와 정확도의 동일한 경향성은 유지되지 않을 것이다. 이를 확인하기 위하여 본 논문의 제안 방법을 먼저 적용하고, 예측되지 않는 나머지 범위에 대하여 신경망을 사용하는 SSpro[3]의 예측결과를 적용하였다. SSpro는 질의 서열의 모든 위치에서 예측을 하는데, 본 논문의 실험 자료에 적용한 결과 Q3에서는 79.
유사한 서열을 찾기 위한 대규모 단백질 자료는 질의 서열을 포함하고 있지 않은 121,713개의 단백질 체인으로 구성되었는데, 단백질 체인은 1개 이상 모여서 단백질 하나를 구성하는 단백질 구조의 일부분이다[3]. 질의 서열과 유사한 서열을 보다 광범위하게 탐색하기 위하여 갭을 허용하였고, blastpgp에서 세 번 반복하여 프로 파일 구성할 때의 문턱치를 조절하였다.
표 1은 이차 구조의 종류를 각각 3개와 8개를 분류한 Q3와 Q8의 이차 구조 예측 결과를 나타낸다. 질의 서열과 한 개 이상의 유사한 단백질 자료가 존재하여 이차 구조가 예측되는 비율(coverage), 이러한 예측이 수행된 범위 내에서의 정확도인 특이성(specificity), 모든 자료에 대해서 올바른 이차 구조 예측이 수행된 정도인 정확도(accuracy)를 차례로 표시하였다. 표 1의 두 번째 행에 나타난 No Gap은 SSpro[3]와 같은 조건인 질의 서열과 최소한 10개의 아미노산이 갭이 없이 일치하고, 10^-9이하의 e값을 갖고, 45%이상의 아미노산이 일치하고, 55%이상의 양의 치환값을 가지는 서열의 정보를 사용할 때의 결과이다.
유사한 부분 서열은 최소한 10개 이상의 연속된 아미노산이 갭이 없이 질의 서열과 일치하고, 10^-9이하의 BLAST 기댓값을 갖고, 45%이상의 아미노산이 일치하고, 55%이상의 양의 치환값을 가져야 유사한 서열로 판정하는 조건을 가진다. 질의 서열의 각 위치에 대응하는 유사 부분 서열의 이차 구조를 수집하여, 가장 빈도가 높은 이차 구조로 그 위치의 이차 구조로 예측한다. 두 번째 단계에서 얻은 예측 결과는 세 번째 단계에서 예측되는 결과가 없는 위치에 사용한다.
단백질 서열의 진화적인 정보를 이용하는 또 다른 방법인 SSpro[3]의 경우에는 세단계로 구성되어 있다. 첫 단계는 PSI-BLAST를 UNIREF50 단백질 자료[11]를 대상으로 세 번 반복하여 다중 서열 정렬을 수행하고, 이 결과를 이용하여 단백질 서열의 각 위치에서 나타나는 아미노산의 빈도를 구한다. 두 번째 단계에서는 첫단계에서 얻은 단백질 프로파일을 신경망의 입력으로 사용하여 단백질 이차구조를 예측한다.
두 번째 행은 각 위치에서의 정합의 정도를 나타내는데, 같은 아미노산의 경우에는 그 아미노산 문자를 적고, 유사한 아미노산이 대응될 경우에는 +로 표시한다. 첫 번째 행의 질의 서열과 세 번째 행의 유사 서열 모두에 갭이 없는 위치에서만 이차구조 정보를 사용하였다. 즉, 질의서열의 280-284 위치의 이차 구조의 예측을 위해서는 대응되는 유사 서열의 149-153을 이용한다.

대상 데이터

실험에 사용된 자료[3]는 2013년 8월 20일 까지 PDB[12]에 수집된 자료 중에서 해상도가 2.5 옹스트롬 이하이고, 체인이 연속되어 있고, 5개 이하의 미지 아미노산을 가지고, 서열의 길이가 30개 이상이며, 25%이하의 서열 동일성을 가진 5772개의 단백질 자료이며, 이차 구조를 예측하여야할 아미노산의 위치는 1,031,455개이다.

이론/모형

아미노산 서열로부터 이차 구조를 예측하는 방법들을 학습하거나 평가하기 위해서는 아미노산 서열의 각각의 아미노산이 어떤 이차 구조에 속하는지를 나타낸 자료가 필요하다. 실험적으로 결정된 단백질 삼차원 구조에 이차 구조를 할당하기 위해서, 이차 구조의 분류로 가장 널리 사용되는 DSSP[13] 프로그램을 사용하였다. DSSP는 단백질 서열의 각 아미노산을 여덟 가지 (G: 3-helix, H: alpha helix, I: 5-helix, B: residue in isolated beta-bridge, E: extended strand, participates in beta ladder, T: hydrogen-bonded turn, S: bend, “.

성능/효과

이를 확인하기 위하여 본 논문의 제안 방법을 먼저 적용하고, 예측되지 않는 나머지 범위에 대하여 신경망을 사용하는 SSpro[3]의 예측결과를 적용하였다. SSpro는 질의 서열의 모든 위치에서 예측을 하는데, 본 논문의 실험 자료에 적용한 결과 Q3에서는 79.21%, Q8에서는 66.77%의 정확도를 보였다. 제안한 방법의 성능을 식 (2)의 넓은 파라미터 범위에서 조사하였다.
기존의 방법에 비하여, 제안한 방법은 상동 관계가 있는 아미노산 서열을 더 광범위하게 사용하므로, 질의 서열의 더 많은 부분이 상동 관계를 이용하여 예측이 가능하여 정확도가 향상된다. 하지만 질의 서열과 정확히 일치하지 않은 부분의 부분서열도 사용하므로 특이성은 약간 하락하는 상충관계가 나타난다.
표 3은 본 실험과 동일한 실험 자료를 사용하는 다른 방법들과의 비교이다. 본 논문의 방법이 가장 높은 정확도를 보임으로서, 갭을 허용하여 유사한 서열을 광범위하게 탐색한 후에 이를 상동관계의 정도에 따라 가중하여 조합하는 방법이 효과적임을 보여준다.
78%의 정확도로 성능이 안정적이었다. 신경망을 사용하여 모든 위치에서 이차 구조의 예측이 가능한 방법을 동시에 사용할 경우에는 h와 e 값이 작은 것을 사용하여 특이성이 큰것을 사용하는 것이 더욱 효과적인 결과를 보였다.
제안한 방법의 예측 범위와 특이성의 상충관계로 인하여 표 1과 표 2와는 다른 h와 e에서 최고의 정확도를 보였다. Q3은 h = 10^-18, e = 10^-3, w = exp(0.

질의응답

핵심어	질문	논문에서 추출한 답변
	단백질 서열의 진화적인 정보를 이용하는 방법 중 SSpro는 어떤 단계로 구성되어 있는가?	단백질 서열의 진화적인 정보를 이용하는 또 다른 방법인 SSpro[3]의 경우에는 세단계로 구성되어 있다. 첫단계는 PSI-BLAST를 UNIREF50 단백질 자료[11]를 대상으로 세 번 반복하여 다중 서열 정렬을 수행하고, 이 결과를 이용하여 단백질 서열의 각 위치에서 나타나는 아미노산의 빈도를 구한다. 두 번째 단계에서는 첫단계에서 얻은 단백질 프로파일을 신경망의 입력으로 사용하여 단백질 이차구조를 예측한다. 세 번째 단계에서는 대규모 단백질 구조 자료인 PDB[12]에서 이차 구조를 예측하고자 하는 질의 단백질 서열의 부분서열들과 유사한 부분 서열을 찾는다. 유사한 부분 서열은 최소한 10개 이상의 연속된 아미노산이 갭이 없이 질의 서열과 일치하고, 10-9이하의 BLAST 기댓값을 갖고, 45%이상의 아미노산이 일치하고, 55%이상의 양의 치환값을 가져야 유사한 서열로 판정하는 조건을 가진다. 질의 서열의 각 위치에 대응하는 유사 부분 서열의 이차 구조를 수집하여, 가장 빈도가 높은 이차 구조로 그 위치의 이차 구조로 예측한다. 두 번째 단계에서 얻은 예측 결과는 세 번째 단계에서 예측되는 결과가 없는 위치에 사용한다.
	단백질의 일차 구조란 무엇을 의미하는가?	이러한 예측 방법들을 뒷받침하는 중요한 구성 요소 기술로서 단백질의 이차 구조 예측이 사용된다. 단백질의 일차 구조는 단백질을 구성하는 아미노산 서열을 의미하고, 이차 구조는 이들 아미노산의 카보닐기 산소 원자와 아민기 수소 원자 사이에 수소 결합이 형성되어 열역학적으로 안정하기 때문에 나타나는 국소적으로 규칙적 구조인 나선이나 병풍 등의 구조적 형태를 의미한다[1].
	단백질 이차 구조 예측에서 입력으로 단백질 서열을 직접적으로 사용하지 않고 유사한 서열들의 평균적인 단백질 서열을 사용하는 이유는 무엇 때문인가?	현재의 단백질 이차 구조 예측과 단백질 구조 예측 방법들은 입력으로 단백질 서열을 직접적으로 사용하지 않고, 입력 서열과 유사한 서열들을 단백질 자료에서 찾아내어 이들의 평균적인 단백질 서열을 사용한다[2-5]. 이것은 질의 서열만을 사용하는 것보다 유사 서열들로 이루어지는 단백질 패밀리에서 이차 구조 등의 단백질 구조가 더 잘 보존되므로, 단백질 프로파일을 사용하는 것이 서열을 직접 사용하는 것보다 예측 성능이 높기 때문이다. 이밖에도 단백질 이차 구조 예측에 진화 정보를 이용하는 방법은 입력 서열과 유사한 서열 들의 예측 결과를 각각 구하여 이들 결과의 투표로서 최종 예측을 결정하는 방법이 있다[3].

참고문헌 (13)

H. Lodish, A. Berk, C.A. Kaiser, et al., Molecular Cell Biology, 6th Ed. New York, NY: W. H. Freeman and Company, 2007.
H. W. Buchan, et al., "Scalable web services for the PSIPRED protein analysis workbench," Nucleic Acids Res., vol. 41, W72-W76, Jul. 2013.

상세보기
C. N. Magnan and P. Baldi, "SSpro/ACCpro 5: almost perfect prediction of protein secondary structure and relative solvent accessibility using profiles, machine learning and structural similarity," Bioinformatics, vol. 30, no. 18, pp, 2592-2597, Sep. 2014.

상세보기
C. Mirabello and G. Pollastri, "Porter, PaleAle 4.0: high-accuracy prediction of protein secondary structure and relative solvent accessibility," Bioinformatics, vol. 29, no. 16, pp. 2056-2058, Aug. 2013.

상세보기
R. Yan, et al, "A comparative assessment and analysis of 20 representative sequence alignment methods for protein structure prediction," Scientific Reports 3, Article number: 2619, Sep. 2013.
J. Zhou and O. Troyanskaya, "Deep supervised convolutional generative stochastic network for protein secondary structure prediction," in JMLR Proceedings, 32, pp. 745-753, Beijing, China, 2014.
M. Spencer, J. Eickholt and J. Cheng, "A deep learning network approach to ab initio protein secondary structure prediction," IEEE/ACM Trans. Comput. Biol. Bioinform., vol. 12, no. 1, pp. 103-112, Jan.-Feb. 2015.

상세보기
R. Heffernan, et al, "Improving prediction of secondary structure, local backbone angles, and solvent accessible surface area of proteins by iterative deep learning," Scientific Reports 5, Article number: 11476, June 2015.
S. Wang, J. Peng, J. Ma, and J. Xu, "Protein secondary structure prediction using deep convolutional neural fields," Scientific Reports 6, Article number: 18962, Jan. 2016.
S. F. Altschul, et al, "Gapped blast and PSI-BLAST: a new generation of protein database search programs," Nucleic Acids Res., vol. 25, no. 17, pp. 3389-3402, Sep. 1997.

상세보기
B. E. Suzek, et al, "Uniref: comprehensive and nonreduncant uniprot reference clusters," Bioinformatics, vol. 23, no. 10, pp. 1282-1288, May 2007.

상세보기
H. M. Berman, et al, "The protein data bank," Nucleic Acids Res. vol. 28, no. 1, pp. 235-242, Jan. 2000.

상세보기
W. Kabsch and C. Sander, "Dictionary of protein secondary structure: pattern recognition of hydrohen-bonded and geometrical features," Biopolymers, vol. 22, no. 12, pp. 2577-2637, Dec. 1983.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증