Predykcja struktury trzeciorzędowej białek

Opis projektu

Celem projektu było przewidywanie kątów tworzących główną strukturę (szkielet) białka na podstawie sekwencji aminokwasów.

Przegląd

Predykcja struktury trzeciorzędowej białek to jedno z najważniejszych nierozwiązanych zagadnień biochemii. Obecne metody są kosztowne i niedokładne. Uczenie maszynowe daje szansę na tańsze i skuteczniejsze rozwiązania. Przełomem była praca Mohammeda AlQuraishiego End-to-end differentiable learning of protein structure, która wraz z RaptorX-Angle zainspirowała ten projekt.

Model powstał na potrzeby kursu, ale wyniki wykraczały poza standardowy zakres zajęć.

Szczegóły techniczne

Korzystamy z zestawu ProteinNet oraz piszemy cały pipeline przetwarzania danych w Tensorflow. Rdzeniem modelu jest CNN podobny do tego z RaptorX. Model trenujemy optymalizatorem ADAM na stratach MSE i MAE pomiędzy przewidywanymi i prawdziwymi kątami torsyjnymi.

LSTM z diagramu poniżej zastępujemy CNN i nie implementujemy różowej części, która zamieniałaby kąty na przestrzeń euklidesową 3D.

Główne wyzwanie to 1) wydajna funkcja straty oraz 2) kątowy charakter wyjścia sieci.

1. W pracy AlQuraishiego struktura trzeciorzędowa jest aproksymowana przez 3 kąty torsyjne na aminokwas, a następnie odtwarzana w 3D do obliczenia straty. To kosztowne obliczeniowo, więc minimalizujemy stratę bezpośrednio na kątach, jak w pracy RaptorX.
2. Wyjście sieci musi być zmapowane na zakres kątów. Jedna metoda to bezpośrednie przewidywanie 3 wartości ograniczonych do [-pi, pi] przez skalowany tanh. Inna to przewidywanie 6 wartości tworzących 3 pary wektorów 2D, które następnie zamieniamy na kąty funkcją atan2.

Wyniki

Model osiągnął wyniki porównywalne z RaptorX przy mniejszej przestrzeni cech. Raport końcowy dostępny jest tutaj.

Mój wkład

Wykorzystałem Tensorflow do wczytywania danych, przygotowałem pipeline kolejkowy i w pełni różniczkowalny graf, który konwertuje współrzędne euklidesowe atomów białka do kątów torsyjnych i minimalizuje stratę między przewidywaniami a prawdziwymi kątami.

Testowałem różne sposoby „angularizacji” wyjścia modelu i przygotowałem modularny kod dostępny na GitHubie.