PKProbDesign: RNA inverse folding including pseudoknots by optimizing thermodynamic folding probability

PKProbDesign 기술 요약

문제 정의
RNA 역폴딩(inverse folding)은 특정 표적 이차 구조로 접히도록 하는 RNA 서열을 설계하는 것을 포함한다. 이는 기능적 RNA 공학 및 합성 생물학에 필수적이지만, 슈도노트(pseudoknot)를 포함하는 표적의 경우 매우 까다로운 과제이다. 표준 열역학적 폴딩 모델은 중첩되지 않은(nested) 구조를 가정하며, 슈도노트는 이를 위반하므로 일반적인 경우에 대해 정확한 폴딩 예측을 계산적으로 불가능하게 만든다(NP-hard). 슈도노트 표적을 위한 기존의 역폴딩 방법들(예: antaRNA, DesiRNA, MODENA)은 일반적으로 예측된 구조와의 일치성을 최적화하거나 구조 예측 기반의 목적 함수를 사용하는 다중 목적 탐색 전략에 의존한다. 슈도노트 인지 앙상블 내에서 지정된 슈도노트 표적의 열역학적 폴딩 확률을 직접 최적화할 수 있는 데에는 여전히 상당한 간극이 존재한다. 이러한 접근 방식에는 직접적인 최적화 신호 역할을 할 수 있는 표적 특이적 폴딩 확률을 할당할 수 있는 평가기가 필요하다.

방법론
저자들은 밀도-2(density-2) 슈도노트 표적을 위해 특별히 설계된 샘플링 기반 역폴딩 프레임워크인 PKProbDesign을 제시한다. HFold와 CParty에 의해 정의되는 이 구조 클래스는 교차 상호작용(crossing interactions)이 하나의 서열 위치가 두 개 이상의 밴드에 의해 가로질러지지 않도록 "밴드" 형태로 구성될 수 있게 한다.

본 방법론은 세 가지 주요 단계로 진행된다:

1. 표적 분해 (Target Decomposition):
   각 밀도-2 표적 구조 $R$은 두 개의 서로소인 슈도노트-프리(pseudoknot-free) 구성 요소인 **스캐폴드(scaffold, $G$)**와 **확장 구성 요소(extension component, $G'$)**로 분해된다 ($R = G \cup G'$). 이는 염기 쌍을 증가하는 스팬(span) 순으로 정렬하고, 비교차 쌍을 스캐폴드에 할당하여 남은 쌍들이 확장을 형성할 때까지 반복하는 탐욕적(greedy) 알고리즘을 통해 수행된다.

2. 확률적 목적 함수 정식화 (Probabilistic Objective Formulation):
   PKProbDesign은 최소 자유 에너지(MFE) 구조 일치성을 최적화하는 대신, 의사-결합 폴딩 확률(pseudo-joint folding probability) 목적 함수를 최적화한다. 서열 $S$에 대한 점수는 다음과 같이 정의된다:
   $$\tilde{P}_{joint}(S; R, G) = P(G | S) \cdot P(G' | G, S)$$

• $P(G | S)$: LinearPartition을 사용하여 평가된 스캐폴드의 폴딩 확률.
• $P(G' | G, S)$: 고정된 스캐폴드가 주어졌을 때의 확장 구성 요소의 조건부 폴딩 확률. 이는 계층적 폴딩 가설과 일관성을 보장하기 위해 스캐폴드에 조건화된 확장 구조들에 대한 분배 함수를 계산하는 CParty-일관적(CParty-consistent) 접근 방식을 사용하여 평가된다.
  최적화 대상은 이 의사-결합 확률의 음의 로그 기대값이다: $J(\theta) = E_{S \sim p_\theta}[-\log \tilde{P}_{joint}(S; R, G)]$.

3. 샘플링 기반 최적화 (Sampling-Based Optimization):
   SamplingDesign의 방식을 따라, 이 방법은 단일 서열이 아닌 유효한 서열 공간에 대한 확률 분포 $p_\theta(S)$를 최적화한다.

• 표현 (Representation): 비쌍(unpaired) 위치는 4-way 범주형 변수({A, C, G, U})로 모델링되며, 염기 쌍은 정준 쌍({AU, UA, GC, CG, GU, UG})에 대한 6-way 결합 범주형 변수로 모델링된다. 이는 샘플링된 서열이 본질적으로 쌍 형성 제약 조건을 충족하도록 보장한다.
• 그래디언트 추정 (Gradient Estimation): 기대 점수의 그래디언트는 몬테카를로 샘플링을 사용하여 근사된다. 각 반복 단계에서 현재 분포로부터 $K$개의 서열을 샘플링하고, 점수를 매긴 후, 그래디언트 $\nabla_\theta J(\theta)$를 추정하는 데 사용한다.
• 업데이트 (Update): 분포 파라미터는 Adam 옵티마이저를 사용하여 업데이트된다. 최종 출력은 최적화된 분포에서 샘플링된 가장 높은 점수의 서열이다.

주요 기여

• 슈도노트를 위한 직접적 확률 최적화: PKProbDesign은 구조 예측 일치성에만 의존하는 것을 넘어, 슈도노트 표적에 대해 열역학적 폴딩 확률 목적 함수를 직접 최적화하는 최초의 프레임워크이다.
• 조건부 앙상블 평가: 스캐폴드 폴딩 확률과 확장에 대한 CParty-일관적 조건부 확률을 결합한 점수 메커니즘을 도입하여, 밀도-2 클래스 내에서의 확률 기반 설계를 가능하게 한다.
• HFold/CParty 의미론 통합: 이 방법은 슈도노트 인지 앙상블 내에서 서열을 평가하기 위해 HFold의 계층적 폴딩 의미론과 CParty의 분배 함수 기능을 활용한다.

결과
본 방법은 PseudoBase++의 354개 밀도-2 표적(서열 길이 $\le$ 100 nt) 벤치마크를 통해 평가되었다.

• 폴딩 확률 성능: PKProbDesign은 354개 중 221개의 표적에서 가장 높은 의사-결합 폴딩 확률을 달성했다. 이에 비해 DesiRNA는 117개, MODENA는 16개 표적에서 가장 높은 확률을 기록했다.
• 구성 요소 분석: DesiRNA는 스캐폴드 항($P(G|S)$)에서 더 강한 성능을 보였으나, PKProbDesign은 조건부 확장 항($P(G'|G,S)$)과 결합 점수에서 우수한 성능을 입증했다. 쌍체 윌콕슨 부호 순위 검정(paired Wilcoxon signed-rank test) 결과, PKProbDesign이 DesiRNA보다 전반적으로 우월함이 확인되었다 ($p = 1.96 \times 10^{-2}$).
• 구조 예측: 세 가지 서로 다른 예측 프로토콜(대상 스캐폴드에 대한 Viterbi, 2단계 MFE, HotKnot 핫스팟 가이드 Viterbi) 하에서 정규화된 염기 쌍 해밍 거리(normalized base-pair Hamming distance)로 평가했을 때, 방법론들의 순위는 다양하게 나타났다. 특히, MODENA는 핫스팟 가이드 프로토콜 하에서 강력한 성능을 보였는데, 이는 높은 폴딩 확률이 모든 프로토콜 하에서 항상 최상의 구조 예측 일치성을 보장하는 것은 아니며, 그 반대도 마찬가지임을 시사한다.

의의 및 주장
본 논문은 PKProbDesign이 구조 예측 일치성에만 의존하지 않고 표적 폴딩 확률을 중심으로 슈도노트 역폴딩을 효과적으로 공식화할 수 있음을 보여준다고 주장한다. 표적을 스캐폴드와 확장으로 분해하고 조건부 앙상블 평가를 활용함으로써, 이 방법은 밀도-2 슈도노트 표적을 위한 서열을 설계하는 실용적인 확률 기반 프레임워크를 제공한다.

저자들은 자신들의 목적 함수가 후보의 유망성을 판단하는 일차적 지표 역할을 하며, 구조 예측은 이차적이고 보완적인 기준으로 취급되어야 함을 강조한다. 또한, 탐욕적 분해(정확한 결합 확률을 근사함)의 사용과 밀도-2 클래스로의 제한이라는 한계를 인정하며, 더 복잡한 RNA를 위해 더 넓은 구조 클래스가 필요할 수 있음을 언급한다. 이 연구는 폴딩 확률 평가를 구조 예측 동작으로부터 분리하는 것이 슈도노트 역폴딩에 대한 향후 연구에 더 명확한 프레임워크를 제공한다는 점을 시사한다.