선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 단백질 이차 구조의 예측을 위하여 효과적인 단백질 프로파일을 구성하였다. 단백질 프로파일을 구성하기 위하여 질의 단백질과 상동 관계에 있는 단백질 자료내의 단백질들을 탐색하는 방법으로 기존에 널리 사용되는 PSI-BLAST이외에 추가적으로 HHblits를 사용하였다.
제안 방법
- HHblits에서도 단백질 서열을 단백질 프로파일을 변환하기 위해서 유사한 서열들을 탐색하여야 하는데, 이를 위하여 단백질 데이터베이스로 UniProt[18]을 사용하였다. HHblits도 PSI-BLAST처럼 입력 서열 대신에 다중 서열이 정합된 결과를 입력으로 사용하여 반복적으로 단백질 프로파일을 만들 수 있는데 본 논문에서는 5번의 반복을 수행하고 매 반복마다의 프로파일을 구하였다. HHblits도 PSI-BLAST의 문턱치 E값처럼 각 반복마다 추가되는 유사서열을 [-e](기본 값 0.
- 단백질 구조자료를 DSSP[20] 프로그램을 사용하여 8개의 이차구조(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, “.”: otherwise) 중의 하나로 분류하였고, 이를 세 가지 (G, H, I -> H; B, E -> E; T, S, “.” ->C)의 대분류인 나선(H), 베타-병풍(E)과 코일(C)로 변환하여 본 논문의 이차 구조를 정의하였다.
- 단백질 이차구조 예측에 적합한 단백질 프로파일을 찾기 위하여 여러 단백질 프로파일을 심층 신경망의 입력 자료로 사용하여 예측 정확도를 비교하였다.
- HHblits을 사용하여 단백질 프로파일로 변환하기 위하여 HHblits이 출력 결과를 PSI-BLAST와 같은 형태로 변환한다. 단백질 프로파일들을 합성곱 신경망과 순환 신경망의 입력으로 사용하여 최적의 성능을 보이는 단백질 프로파일을 찾는다.
- 본 논문에서는 단백질 프로파일을 구성하기 위해서 PSI-BLAST[13]와 HHblits [14]를 사용하였다. 단백질 프로파일을 구성하기 위하여 단백질 데이터베이스로부터 추가되는 서열을 결정하는 유사도 문턱치와 상동 단백질의 정보를 이용하여 반복적으로 프로파일을 구성하는 횟수에 따른 성능을 조사하였다. HHblits을 사용하여 단백질 프로파일로 변환하기 위하여 HHblits이 출력 결과를 PSI-BLAST와 같은 형태로 변환한다.
- 본 논문에서는 단백질 이차 구조의 예측을 위하여 효과적인 단백질 프로파일을 구성하였다. 단백질 프로파일을 구성하기 위하여 질의 단백질과 상동 관계에 있는 단백질 자료내의 단백질들을 탐색하는 방법으로 기존에 널리 사용되는 PSI-BLAST이외에 추가적으로 HHblits를 사용하였다. 여러 가지 단백질 프로파일을 최근 들어 성능이 급격히 향상된 심층 심경망인 합성곱 신경망과 순환 신경망의 입력으로 사용하여 예측 정확도를 조사하였다.
- 또한, [-num_iterations] 옵션을 6으로 설정하여 PSI-BLAST가 반복적으로 PSSM을 5개까지 구하도록 하였다. 최종적으로 만들어지는 단백질 프로파일은 4개의 E값 각각에 대하여 5개의 반복으로 만들어진 20개이다.
- 최근에는 심층신경망(deep neural networks)을 이용하여 단백질 이차구조 예측에 적용하려는 시도가 활발하다[3-7]. 본 논문에서는 심층 신경망 구조 중에서 성능이 우수한 합성곱 신경망(Convolutional Neural Network, CNN)과 순환신경망(Recurrent Neural Network: RNN)을 사용하여 단백질 이차 구조를 예측한다[8,9]. 합성곱 신경망은 입력 자료의 국부적 관계를 효과적으로 모델링할 수 있으므로, 이미지, 영상, 음성, 오디오 처리에 매우 좋은 성능을 보여 주고 있으며[8-10], 순환 신경망은 순차적 자료의 처리에 적합하며, 이전 시간의 정보들을 효과적으로 학습하기 위해 개발된 긴 단기 기억(Long Short-Term Memory: LSTM)[11]과 게이트 순환 신경망(Gated Recurrent Unit: GRU) [12]이 대표적이다.
- 즉, E값은 우연에 의하여 데이터베이스내의 서열들끼리 정합되는 개수이므로, 작은 E값을 문턱치로 사용할 경우에는 매우 유사한 서열들만을 사용하여 단백질 프로파일을 만들게 된다. 본 논문에서는 최적의 단백질 프로파일을 조사하기 위하여 psi-blast 프로그램의 문턱치 E값 (기본값 10)를 결정하는 [-evalue] 옵션을 사용하여 다음의 4가지 경우에 대하여 각각 단백질 프로파일을 구하였다.
- 신경망의 파라미터를 학습하기 위해, 최소화하는 목적함수로서 음의 로그우도를 사용하였다.
- 단백질 프로파일을 구성하기 위하여 질의 단백질과 상동 관계에 있는 단백질 자료내의 단백질들을 탐색하는 방법으로 기존에 널리 사용되는 PSI-BLAST이외에 추가적으로 HHblits를 사용하였다. 여러 가지 단백질 프로파일을 최근 들어 성능이 급격히 향상된 심층 심경망인 합성곱 신경망과 순환 신경망의 입력으로 사용하여 예측 정확도를 조사하였다. 단백질 프로파일을 구성하기 위하여 추가되는 상동 단백질의 문턱치는 예측정확도에 미치는 영향이 크지 않았다.
- 학습 자료에만 과적응된 신경망은 실제 평가 자료의 예측에는 효과적이지 않다. 이를 방지하기 위하여 조기중단(early stopping)을 사용하였다. 학습을 통하여 파리미터를 갱신하고, 학습 자료와 별개의 검증 자료를 예측하고 검증자료의 정확도가 현재까지의 갱신 회수의 2배의 회수의 학습과정에서 정확도가 향상되지 않으면 학습을 중단한다.
- 학습과정에서 학습률을 0.001, 0.01, 0.1을 사용하여 검증 자료에 대해 최고의 예측정확도를 주는 학습률을 찾고, 이렇게 얻은 학습률의 2배와 1/2배의 학습률을 적용하여 다시 최고의 정확도를 보이는 학습률을 찾았다. 표 1은 학습률 0.
대상 데이터
- 단백질 프로파일은 단백질의 구조와 기능을 예측하는 많은 방법들의 중요한 정보로 사용되며, 본 논문에서도 심층 신경망의 입력 자료로 사용하였다. 단백질 프로파일은 단백질 데이터베이스에서 유사한 서열들과의 정합(alignment)으로부터 얻은 여러 개의 유사 서열의 정보를 집약하여 나타내는 방법이다[13,14].
- 단백질 데이터베이스는 변환하려는 단백질 서열과 유사한 서열들을 찾는데 이용된다. 본 논문에서는 PSI-BLAST를 사용한 탐색에는 대용량 단백질 서열 자료인 UniRef50[17]을 이용하였다. 주어진 유사도보다 큰 유사성을 갖는 서열만을 사용하여 PSSM을 구성하는데, 이러한 문턱치 E값에 따라 최종적으로 만들어지는 단백질 프로파일의 특성이 달라진다.
- 학습을 통하여 파리미터를 갱신하고, 학습 자료와 별개의 검증 자료를 예측하고 검증자료의 정확도가 현재까지의 갱신 회수의 2배의 회수의 학습과정에서 정확도가 향상되지 않으면 학습을 중단한다. 본 논문에서는 실험 자료를 균등하게 5개로 나누고, 1개는 평가 자료로, 1개는 검증 자료로, 나머지 3개는 학습 자료로 사용하였다.
- 실험을 위한 자료를 수집하기 위하여 CullPDB server[19]에서 30%이하의 서열 동일성을 갖고 단백질 구조의 해상도가 2.5 옹스트롬 보다 양호한 단백질 자료를 대상으로, 논문 [5,7]과 같이 길이가 50이상이고 700이하인 단백질 체인을 선택하였고, 체인의 개수는 9091개이다. 단백질 서열로부터 예측한 단백질 이차구조의 정확도를 판단하기 위해서는, 실제 단백질 삼차원 구조로부터 얻은 이차구조가 필요하다.
- 또한, [-num_iterations] 옵션을 6으로 설정하여 PSI-BLAST가 반복적으로 PSSM을 5개까지 구하도록 하였다. 최종적으로 만들어지는 단백질 프로파일은 4개의 E값 각각에 대하여 5개의 반복으로 만들어진 20개이다. 신경망의 입력으로는 이렇게 얻어진 PSSM에 0.
이론/모형
- 단백질 프로파일을 구성하는 또 다른 방법인 HHblits[14]은 HMM(hidden Markov model)으로 프로파일을 만드는데, PSSM처럼 단백질 서열의 각 위치에서 아미노산이 관측되는 확률을 가지고 있고, 추가적인 파라미터로 각 위치에 서열이 삽입되거나 삭제되는 확률도 가지고 있다. HHblits에서도 단백질 서열을 단백질 프로파일을 변환하기 위해서 유사한 서열들을 탐색하여야 하는데, 이를 위하여 단백질 데이터베이스로 UniProt[18]을 사용하였다. HHblits도 PSI-BLAST처럼 입력 서열 대신에 다중 서열이 정합된 결과를 입력으로 사용하여 반복적으로 단백질 프로파일을 만들 수 있는데 본 논문에서는 5번의 반복을 수행하고 매 반복마다의 프로파일을 구하였다.
- 단백질 프로파일을 구성하기 위해 널리 사용하는 방법은 PSI-BLAST[13]이다. 이 방법은 변환하려는 단백질 서열과 유사한 서열들을 단백질 데이터베이스에서 탐색하여 PSSM (position specific scoring matrix)을 구성한다.
- 이러한 서열의 위치별로 치환빈도를 표시하는 행렬이 단백질 구조를 보다 잘 나타내므로 단백질의 특징을 예측하고 비교하는 분야에 널리 사용된다[13,14]. 본 논문에서는 단백질 프로파일을 구성하기 위해서 PSI-BLAST[13]와 HHblits [14]를 사용하였다. 단백질 프로파일을 구성하기 위하여 단백질 데이터베이스로부터 추가되는 서열을 결정하는 유사도 문턱치와 상동 단백질의 정보를 이용하여 반복적으로 프로파일을 구성하는 횟수에 따른 성능을 조사하였다.
- 본 논문에서는 보다 복잡한 상관관계를 모델링하기 위해 BRNN(Bidirectional Recurrent Neural Network)과 DRNN(Deep Recurrent Neural Network)을 사용하였다[15,16]. BRNN은 식 (4)의 ht와 동일한 구조이지만 t=T, T-1, …, 1의 역방향으로 은닉 벡터 gt를 구하고, ht와 gt를 이용하여 출력 벡터 yt를 구한다.
- 심층신경망으로 이차 구조 예측을 수행하기 위하여 Theano[21]와 Lasagne[22] 패키지를 사용하여 CNN과 RNN을 구현하였다. 신경망의 파라미터를 갱신하는 학습 방법으로는 Adagrad[23]를 사용하였다.
- 심층신경망으로 이차 구조 예측을 수행하기 위하여 Theano[21]와 Lasagne[22] 패키지를 사용하여 CNN과 RNN을 구현하였다. 신경망의 파라미터를 갱신하는 학습 방법으로는 Adagrad[23]를 사용하였다.
성능/효과
- 하지만 예측 정확도가 CNN에 비하여 RNN을 사용할 경우에 하락되었다. 즉, 이차 구조의 예측에는 인접한 정보를 차례로 이용하는 것보다, 넓은 영역의 단백질 프로파일의 정보를 활용하는 것이 보다 효과적이었다. 은닉벡터의 차원을 90과 150일 경우의 예측정확도는 표 1과 표 2의 경향과 동일하였다.
- 표 1에서 보듯이 단백질 프로파일을 구할 때에 사용한 반복의 횟수가 증가함에 따라 성능이 저하되었다. 이는 단백질의 구조를 예측하는 문제에서는 반복적으로 상동 단백질을 사용하여 단백질 프로파일을 구성할 경우에는 질의 단백질의 구조와 다른 구조를 갖는 단백질들 포함하여 질의 단백질의 특성과 다르게 표류(drift)하는 경향이 있기 때문이라 판단된다.
- 표 3과 4에서 보듯이 RNN을 사용할 경우에도 CNN을 사용한 표 1과 표 2의 결과와 같이 단백질 프로파일을 구할 때에 반복을 사용할수록 성능이 저하되었고, E값에 따른 차이는 크지 않았다. 하지만 예측 정확도가 CNN에 비하여 RNN을 사용할 경우에 하락되었다.
- 단백질 프로파일을 구성하기 위하여 추가되는 상동 단백질의 문턱치는 예측정확도에 미치는 영향이 크지 않았다. 하지만, 단백질 이차 구조와 같은 단백질 구조의 예측에 있어서는 상동단백질들을 여러 번 반복적으로 추가하는 만들어지는 단백질 프로파일은 예측 정확도가 감소하는 경향을 보였다.
후속연구
- (3) 통합 계층은 아래 계층의 특징 지도의 평균값 또는 최대값을 구하여 특징을 요약한다. 단백질 이차 구조의 예측 실험에는 효과가 없어서 본 논문에서는 적용하지 않았다. (4) 마지막 계층의 출력을 일차원으로 변환하여 식 (1)의 신경망의 입력으로 사용하고, 식(2)로 최종 부류별 확률을 구한다.
- 향후에는 단백질 이차 구조의 예측에 최적화되도록 다양한 신경망 구조와 학습 알고리즘을 적용하고, 신경망들의 앙상블을 사용하면 예측 정확도를 더욱 향상시킬 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.