DeepRHP: A Hybrid Variational Autoencoder for Designing Random Heteropolymers as Protein Mimics

技術要約：DeepRHP

問題提起
合成ランダムヘテロポリマー（RHP）は、非天然環境下でタンパク質を安定化させ、プロトン輸送などの機能を促進できる、タンパク質に似た材料を設計するための経路を提供します。しかし、特定の望ましい機能を持つRHPを設計することは困難です。なぜなら、合成RHP鎖は決定論的な配列やコンフォメーションを持たないためです。指向性進化法やde novo設計のような手法が依存する高スループットなシーケンシングや3D構造を用いる従来のタンパク質設計とは異なり、RHPの設計には現在、合理的な原理が欠けています。既存のアプローチは主に経験的であり、様々なモノマー組成や鎖長に関する時間のかかるラボでのスクリーニングに依存しています。さらに、RHPを個々の鎖としてではなく、アンサンブルとしてどのようにモデル化すべきかという計算科学的な文献も乏しく、重要な設計上の問いが未解決のまま残されています。具体的には、システムの「アルファベット」にはいくつのモノマーが必要なのか、そして特定のタンパク質機能に対応するモノマー組成をどのように特定すべきかという点です。

手法：DeepRHP
これらのギャップに対処するため、著者らは半教師ありフレームワークの下で学習された修正変分オートエンコーダ（VAE）であるDeepRHPを提案しています。このモデルは、配列パターンと重要な化学的特徴の両方を捉える、RHP配列の低次元潜在表現を学習するように設計されています。

• ハイブリッド・アーキテクチャ: 標準的なVAEが特徴量を単一のベクトルに結合するのに対し、DeepRHPは古典的なVAEと、並列して動作する追加の特徴駆動型VAEからなるハイブリッド・アーキテクチャを採用しています。これらは共通の潜在変数 $z$ を共有します。
• 半教師あり学習: モデルは、配列データ $x$ と機能に関連する化学的特徴 $y$（具体的には、スライディングウィンドウによる平均親水性・親油性バランス（HLB））を利用します。$y$ は $x$ の決定論的な変換であるため、エンコーダは $x$ のみに依存し、デコーダは配列と特徴の両方を再構成できるように設計されています。
• 目的関数: 学習目的は、修正されたエビデンス下限（ELBO）を最適化することによって配列の対数尤度を最大化することです。この下限には、配列（$x$）と化学的特徴（$y$）の両方の再構成誤差の重み付き和と、カルバック・ライブラー（KL）ダイバージェンス項が含まれます。
  $$\log p(x) \geq \alpha E_q [\log p(x | z)] + ( - \alpha) E_q [\log p(y | z)] - D_{KL} (q(z | x) \parallel p(z))$$
  ここで、$\alpha$ は配列構造と化学的特徴の忠実度の間の重みのバランスを取るハイパーパラメータです。
• 実装: エンコーダとデコーダは、PyTorchを用いて多層パーセプトロン（MLP）として実装されています。モデルはADAMオプティマイザを使用して学習されます。

主な貢献

1. RHP設計における初のディープラーニングの適用: 本研究は、RHPアンサンブルの解釈可能な潜在表現を学習し、RHP設計に関する根本的な問いに答えるためにディープラーニングを利用した最初の事例です。
2. 設計パラメータへの洞察: モデルは、2つの重要なパラメータ、すなわちモノマーのアルファベットサイズとモノマー組成に関するデータ駆動型の洞察を提供します。
3. 柔軟性と解釈性: ハイブリッド・アーキテクチャにより、あらゆる関連する化学的特徴を組み込むことが可能であり、様々なタンパク質機能に対して汎用性があります。さらに、潜在変数と化学的特徴を直接結びつけることで、主成分の方向が物理的に不明瞭になりがちな古典的なVAEに欠けている解釈性を提供します。

結果
著者らは、4種類のメタクリレート系モノマー（MMA, EHMA, OEGMA, SPMA）とUniProt由来の30,000個の膜および球状タンパク質配列を用いてDeepRHPを検証しました。

• モノマー組成の検証: モデルは、アクアポリンZ（AqpZ）のような膜タンパク質を安定化させるために、親水性モノマー30%、疎水性モノマー70%の比率が最適であるという経験的な知見を正常に検証しました。潜在空間の主成分分析（PCA）により、この比率（具体的には、2モノマー系におけるRHP BおよびC）を持つRHP組成が、天然の膜タンパク質および球状タンパク質と大きく重なっていることが示されました。
• アルファベットサイズの分析: 本研究は、2モノマーのアルファベットでは、特定のタンパク質に対して配列空間が広すぎすぎることを示しました。対照的に、4モノマー系（親水性/疎水性の30:70のバランスを維持しながらMMA:EHMA比を変化させる）に拡張すると、より局在化した配列空間が得られました。4モノマー空間におけるAqpZの潜在投影は、RHP 4およびRHP 5の空間をほぼ完全にカバーしていました。
• 実験との一致: モデルは、RHP 4およびRHP 5の組成が最適であると予測しました。この予測は、AqpZの最も効果的な安定化剤としてRHP 4と同じモノマー比を持つRHPを特定した、既報のウェットラボ実験（Panganiban et al. 2018）と一致していました。
• アブレーション: アブレーション研究において、ハイブリッドDeepRHPモデルは、追加のデコーダ回帰器を持たない単一の古典的VAEよりも優れた性能を示しました。

意義と主張
本論文は、DeepRHPが、タンパク質やその他の生物学的化合物に対するRHPの設計を導くための、ハイブリッド・オートエンコーダ・アーキテクチャを活用する可能性を示していると主張しています。経験的なスクリーニングと合理的設計の間のギャップを埋めることで、このツールはターゲットタンパク質とRHP配列の間の類似性分析のためのプラットフォームを提供します。著者らは、本研究を、マクロ分子ケモインフォマティクスにディープラーニングを統合するための「第一歩」として位置付けています。彼らは、現在の評価は定性的であり、実験結果に対して検証されていることを踏まえ、将来の研究については控えめなトーンを維持しています。彼らは、今後の取り組みとして、潜在表現の質を評価するための定量的な尺度の開発や、特定の膜タンパク質を分類するようなダウンストリーム・タスクの実行に焦点を当てるべきであると提案しています。