IEEE TCBB | DeepSeqPanII:肽与HLA-II分子结合预测的新利器

今天给大家介绍在IEEE/ACM Transactions on Computational Biology and Bioinformatics上发表的文章“DeepSeqPanII: an interpretable recurrent neural network model with attention mechanism for peptide-HLA classII binding prediction”。随着深度学习的不断发展，基于深度模型的肽与HLA-I分子结合预测模型表现出了较好的性能。然而，HLA-II分子目前仍缺乏较好的结合预测模型。本文基于之前提出的DeepSeqPanI模型提出了适用于HLA-II分子的DeepSeqPanII模型，模型使用LSTM编码和Attention机制优化编码过程，在特征提取时使用卷积神经网络进行特征提取，最终使用全连接神经网络进行结合预测。通过实验，模型表现出了较好的性能。

一、研究背景

1.1 背景

肽与HLA分子结合并进行提呈后，可供T细胞识别并产生相应的免疫响应。HLA分子主要包括两大类:HLA-I分子和HLA-II分子。这两类分子在功能上具有差异，HLA-I分子主要与细胞质内的肽进行结合，而HLA-II分子则与细胞外的肽进行结合，比如病毒肽等。另外，HLA-I分子与HLA-II分子在结构上也有较大差异，其中HLA-I分子只有一条α链，而HLA-II分子则有α和β两条链。除此之外，HLA-II分子和它所结合的肽长度更具有多样性。综上所述，肽与HLA-II分子的结合预测相比于HLA-I分子更具有挑战性。由于实际实验的代价较大，所以开发出基于数据计算的肽与HLA-II分子预测模型尤为重要。

1.2 HLA-II分子挑战

(1) HLA-II分子的多样性。HLA-I分子含有一条蛋白链，且不同分子的蛋白链的长度均一致；而HLA-II分子含有两条蛋白链，且不同分子的蛋白链长度可能不同。

(2) HLA-II分子往往与更长的肽结合。HLA-I分子一般与长度为8-11肽表位序列结合，但HLA-II分子往往会与更长的肽表位序列结合，通常长度会达到14-18。

1.3 相关工作

近年来，有许多工作用于应对HLA-II分子所带来的挑战，SMM-align，NN-align以及NetMHCIIpan-3.1方法都基于不同模型，对肽与HLA-II分子结合进行预测，并取得了较好的效果。

二、模型与方法

本文基于之前提出的DeepSeqPanI模型，构建了端到端的适用于HLA-II分子的DeepSeqPanII模型，模型使用LSTM编码和Attention机制优化编码过程，在特征提取时使用卷积神经网络进行特征提取，最终使用全连接神经网络进行结合预测，模型架构如图1所示。

图1 模型架构

2.1 编码层

由于HLA-II分子蛋白的两条链并非定长，所以作者提出使用LSTM来进行编码，并在编码后使用Attention机制来对编码进行优化。在LSTM编码中，作者为了提高训练效率，使用mask对分子蛋白进行长度补全，并得到隐节点向量。为了发掘基于位置的数据信息，作者使用了Attention机制。将隐节点向量求和后，通过一个正则化和全连接网络，得到注意力向量，并与原隐节点向量进行组合，得到输出的权重向量。编码层细节如图2所示。

图2 编码层细节

2.2 特征提取层

对于特征提取层，DeepSeqPanII模型使用了DeepSeqPanI模型的特征提取层，可详见先前工作。特征提取层使用权值共享的卷积神经网络(即LCBlock)以及池化层，最终提取出相应的特征向量。特征提取层细节如图2所示。

图3 特征提取层细节

2.3 预测层

对于预测层，DeepSeqPanII模型同样使用了DeepSeqPanI模型的预测层网络。预测层使用含Dropout的全连接神经网络，对肽与HLA-II分子的结合进行预测。预测层细节如图4所示。

图4 预测层细节

三、实验结果

本文使用分子上的留一法(LOAO)等方法进行交叉验证，实验数据使用BD2013和BD2016，并于目前现有的较好NN-align,NetMHCIIpan,SMM-align等模型进行对比试验。

3.1 模型在LOAO测试下的预测性能

实验使用AUC指标对DeepSeqPanII和NetMHCIIpan进行比较。实验结果表明，在LOAO测试中，DeepSeqPanII在许多数据点上性能超过了NetMHCIIpan，结果如图5所示。

图5 LOAO测试下DeepSeqPanII和NetMHCIIpan的AUC性能比较

3.2 模型在基准数据下的预测性能

实验使用AUC和SRCC指标对各模型进行比较。实验结果表明，DeepSeqPanII和NetMHCIIpan两个模型的表现最为突出，几乎包揽了所有的最高值，而DeepSeqPanII和NetMHCIIpan也几乎不相上下，结果如图6所示。

图6 基准数据下各模型的AUC和SRCC性能比较

3.3 Attention机制对分子结合关键的捕捉

论文模型中使用了Attention机制，而Attention对分子结合的关键点有较好的捕捉，结果如图7所示。

图7Attention机制对分子结合关键的捕捉

四、总结

本文提出了基于深度神经网络的DeepSeqPanII模型，适用于肽与HLA-II分子结合预测任务。模型使用LSTM编码和Attention机制优化编码过程，在特征提取时使用卷积神经网络进行特征提取，最终使用全连接神经网络进行结合预测。通过实验，模型表现出了较好的性能。在未来，作者希望该模型能够用于其它序列相关的预测任务中。

参考文献

[1]Z. Liu et al., "DeepSeqPanII: an interpretable recurrent neural networkmodel with attention mechanism for peptide-HLA class II bindingprediction," in IEEE/ACM Transactions on Computational Biology andBioinformatics, doi: 10.1109/TCBB.2021.3074927.

https://ieeexplore.ieee.org/abstract/document/9411722

[2]Liu, Z., Cui, Y., Xiong, Z. etal. DeepSeqPan, a novel deep convolutional neural network model forpan-specific class I HLA-peptide binding affinity prediction. Sci Rep 9, 794(2019). https://doi.org/10.1038/s41598-018-37214-1