跳到正文
方法与工具Cell Systems · 贝叶斯方法开发与基准评测

FLIGHTED：从含噪声的高通量实验数据推断适应度景观

FLIGHTED: Inferring fitness landscapes from noisy high-throughput experimental data.

一句话提出 FLIGHTED，从含噪声的高通量实验构建概率性适应度景观，改善蛋白质适应度模型性能。

研究问题

如何在高通量蛋白质适应度数据中显式考虑实验噪声，并改善机器学习模型的训练与基准评测？考虑噪声后，模型性能主要受数据规模还是模型规模限制？

数据与样本

研究使用 2 类实验数据：噬菌体展示等单步筛选实验，以及将活性与碱基编辑联系起来的高通量检测；摘要未提供具体数据规模或数据集编号。

分析流程

  1. 1构建概率性适应度景观：用贝叶斯方法 FLIGHTED 从含噪声的高通量实验数据中推断适应度及其不确定性。
  2. 2开展实验场景评估：在单步筛选实验和将活性与碱基编辑联系起来的高通量检测中评估 FLIGHTED。
  3. 3比较模型性能：比较标准 ML 模型在使用和不使用 FLIGHTED 的适应度景观上的表现。
  4. 4分析性能瓶颈：通过使用 FLIGHTED 的基准评测，考察数据规模与模型规模对蛋白质适应度模型性能的限制。

关键方法与工具

FLIGHTED
推断概率性适应度景观
Bayesian method
建模实验不确定性
phage display
提供单步筛选实验场景
base editing
用于与活性关联的高通量检测

设计思路

以是否使用 FLIGHTED 处理适应度景观作为比较条件，评估考虑实验噪声对标准 ML 模型性能的影响。研究在 2 类高通量实验中检验方法，并通过基准评测区分数据规模与模型规模的限制作用。

主要发现

  • FLIGHTED 能从含噪声的高通量实验中生成概率性适应度景观，以纳入实验不确定性。
  • 在单步筛选实验和将活性与碱基编辑联系起来的高通量检测中，考虑噪声使模型性能获得统计学显著改善，摘要未报告具体效应量。
  • 使用 FLIGHTED 的基准评测表明，限制蛋白质适应度模型性能的是数据规模，而非模型规模。

可借鉴之处

  • 构建高通量实验的预测模型时，可借鉴本文先推断概率性适应度景观、再评估模型的做法，将实验不确定性纳入分析。
  • 评估噪声处理方法时，可采用同类模型在处理前后数据上的对照，并在不同实验场景中检验性能改善。
  • 优化蛋白质适应度模型时，可像本文一样同时考察数据规模与模型规模，判断性能瓶颈，而非仅扩大模型。

数据与代码

摘要和已读取的内容里没有说明，请查看原文的数据可得性声明。

局限

  • 摘要报告的验证仅涵盖 2 类实验，对任何高通量检测和任何 ML 模型的适用性仍需更多场景验证。

摘要（中文翻译）

用于蛋白质设计的机器学习（ML）需要由高通量实验生成的大规模蛋白质适应度数据集，以训练模型并开展基准评测。然而，大多数模型未考虑这些数据集固有的实验噪声，从而损害了模型性能。在此，我们开发了基于高通量实验数据生成的适应度景观推断方法（FLIGHTED），这是一种贝叶斯方法，通过从含噪声的实验中生成概率性适应度景观来考虑不确定性。我们展示了 FLIGHTED 如何在 2 类实验中改善模型性能：噬菌体展示等单步筛选实验，以及将活性与碱基编辑联系起来的高通量检测。我们比较了标准 ML 模型在使用和不使用 FLIGHTED 的适应度景观上的性能。考虑噪声后，模型性能的改善具有统计学显著性。基于我们使用 FLIGHTED 开展的新基准评测，限制蛋白质适应度模型性能的是数据规模，而非模型规模。我们的结果表明，FLIGHTED 可应用于任何高通量检测和任何 ML 模型，使蛋白质设计者能够便捷地考虑噪声。

英文原文摘要

Machine learning (ML) for protein design requires large protein fitness datasets generated by high-throughput experiments for training and benchmarking models. However, most models do not account for experimental noise inherent in these datasets, thereby harming model performance. Here, we develop fitness landscape inference generated by high-throughput experimental data (FLIGHTED), a Bayesian method of accounting for uncertainty by generating probabilistic fitness landscapes from noisy experiments. We demonstrate how FLIGHTED can improve model performance on two experiments: single-step selection assays, such as phage display, and a high-throughput assay that ties activity to base editing. We compare the performance of standard ML models on fitness landscapes with and without FLIGHTED. Accounting for noise statistically significantly improves model performance. Based on our new benchmarking with FLIGHTED, data size, not model scale, is limiting protein fitness model performance. Our results indicate that FLIGHTED can be applied to any high-throughput assay and any ML model, making it straightforward for protein designers to account for noise.

摘要来自 PubMed。翻译与解读由模型根据摘要生成，可能有误，不构成诊疗建议；数据以原文为准，版权归原出版方所有。