Nat Commun｜DeepRank：蛋白质-蛋白质界面的深度学习框架
2022-02-26 18:03:03
DeepRank是一个Python3包，应许对3D卵白质-卵白质复合物的数据集举办端到端陶冶。该框架由两个要紧局部构成，一个合心数据的预照料和特性化，另一个合心神经收集的陶冶、评估和测试。DeepRank举办了一系列优化照料，适合正在相当大的数据集进步行高效揣度。
可自界说的特性揣度。DeepRank运用SQL和通用的PDB文献解析器，来识别两条链之间的界面残基（图1A），主动提取外1所示的特性，并可能插足格外的自界说特性。
三维网格特性映照。如图1C所示，DeepRank运用高斯映照将丰富体界面的原子和残差特性映照到三维网格上。网格的巨细和差别率可能由用户举办调剂，以合适他们的需求。
敏捷的标的值界说和揣度。用户可能很容易地为卵白质构造界说特定题目的标的值。看待揣度对接的场景，DeepRank可能揣度诸如RMSD，iRMSD（界面RMSD），FNAT（原生接触分数）、CAPRI质地标注、DockQ分数等标的值。
HDF5数据存储。如图1B所示，DeepRank以HDF5样子存储特质网格，极端适合存储和流化相当大的异构数据集。
生物和人工晶体PPIs分类。X射线晶体学是确定卵白质复合物三维构造的最紧张的尝试本领之一(它占扫数浸积的PDB条款的80%)。当涉及到复合物的构造时，所获得的晶体一般蕴涵众个界面，此中少少与生物学联系，另少少仅仅是结晶进程的人工产品，即所谓的“晶体界面”。正在没有格外消息的情状下，将晶体界面与生物界面区别开来还是具有挑衅性。
对接模子排名。对接是天生或许的卵白质复合物三维模子的一个有价钱的器械，并为尝试确定构造供应了一个取代本领。对接旨正在通过天生数万个候选构象（模子）来筑模它们的彼此效率形式。牢靠地将原生模子/近原生模子与洪量缺点对接模子（缺点模子）区别开来还是是对接的一个要紧挑衅。
生物和人工晶体PPIs分类。运用众个数据集的组合举办陶冶后，DeepRank正在DC陶冶集进步行测试评估，此中蕴涵了80个生物界面和81个晶体界面。正在这个测试集上，DeepRank确切地分类了80个生物界面中的66个和81个晶体界面中的72个。以是，DeepRank的Accuracy为86%（图2C），优于最优秀的本领PRODIGY-crystal 和PISA，区别为74和79%（图2D）。固然89个测试用例正在很众数据聚合起码存正在一个同源物，但从测试数据聚合删除这些用例还是可能抵达无误率为82%的本能。
对接模子排名。作家运用HADDOCK为对接基准v5(BM5)集天生了一组百般质地的对接模子，包含刚体对接、柔性对接和最终的更始对接模子。DeepRank正在赶过30万个有标注的对接模子进步行了陶冶，以将模子分类为亲密原生的或缺点的，同时举办10折交叉验证评估。图3揭示了两种本领正在刚体模子上的比较。图3A揭示了对接的大局部模子（93%）的iRMSD值大于4A，只要小于1%的模子的iRMSD值小于1A。图3B揭示了DeepRank的得分正在近原生模子和缺点的模子之间有很好的区别，而HADDOCK得分有明显的重叠。正在图3C的排名本能方面，DeepRank也明显地强于HADDOCK得分。
为了进一步测试DeepRank的本能，作家运用扫数142个BM5二聚体复合物的对接模子陶冶了一个最终的3DCNN模子，并将其利用于CAPRI score_set数据聚合的13个示例。CAPRI score_set数据集由百般对接软件天生，代外一个独立的测试集。
掷中率(Hit Rate, HR)界说为某个特定复合物的扫数近原生模子（near-native model）M与得分排序前 K个模子中近原生模子数目N_hits（K）的比例。
胜利率(Success Rate, SR)界说为前N个选定模子中起码创造一个近原生模子的复合物的百分比。
图4 DeepRank和其他本领正在CAPRI score_set上的掷中弧线揭示了DeepRank正在CAPRI score_set数据集上与HADDOCK、iScore和DOVE的斗劲，正在某些情状下优于其他本领，越发是正在N200的情状下。如图4所示，当数据聚合只要有限数目的近原生模子时，DeepRank显露得相当好，好比T30和T35(T30的1343个模子中有2个，T35的499个模子中的3个)。外2最终一行呈报的胜利率说明，差别的本领总体上显露宛如。只要眇小的分歧展现：iScore正在前10名中显露最好，胜利率为54%，但DeepRank排名前200名，胜利率为92%。
作家描画了一个用于发现相当大的卵白质-卵白质界面数据集的开源的、通用的和可扩展的深度练习框架。尝试阐明了DeepRank利用于构造生物学的两个差别挑衅的有用性。作家心愿DeepRank可能通过煽动数据预照料的繁琐举措和裁汰或许与大领域数据认识联系的令人生畏的揣度本钱，从而加快与卵白质界面联系的科学斟酌。它的模块化和可扩展的框架正在刺激揣度构造生物学社区正在其他卵白质构造联系重心上的合营生长方面具有浩瀚的潜力，并将有助于构造生物学斟酌中深度练习本事的采用和生长。