[論文レビュー] LightCPPgen: An Explainable Machine Learning Pipeline for Rational Design of Cell Penetrating Peptides

Gabriele Maroni, Filip Stojceski+4 more|arXiv (Cornell University)|May 31, 2024

RNA Interference and Gene DeliveryBiochemistry, Genetics and Molecular Biology被引用数 3

ひとこと要約

LightCPPgenは、予測モデルとしてLightGBMを用い、遺伝的アルゴリズムを統合することで、合理的で効率的かつ解釈可能なデ・ノボ型細胞透過性ペプチド（CPP）設計を実現する解釈可能な機械学習パイプラインを提案する。20の解釈可能な特徴量を活用し、親株のペプチド類似性と併せて透過能を最適化することで、実験的負担を軽減し、最小限の湿潤ラボスクリーニングで高有望候補を優先して選定する。

ABSTRACT

Cell-penetrating peptides (CPPs) are powerful vectors for the intracellular delivery of a diverse array of therapeutic molecules. Despite their potential, the rational design of CPPs remains a challenging task that often requires extensive experimental efforts and iterations. In this study, we introduce an innovative approach for the de novo design of CPPs, leveraging the strengths of machine learning (ML) and optimization algorithms. Our strategy, named LightCPPgen, integrates a LightGBM-based predictive model with a genetic algorithm (GA), enabling the systematic generation and optimization of CPP sequences. At the core of our methodology is the development of an accurate, efficient, and interpretable predictive model, which utilizes 20 explainable features to shed light on the critical factors influencing CPP translocation capacity. The CPP predictive model works synergistically with an optimization algorithm, which is tuned to enhance computational efficiency while maintaining optimization performance. The GA solutions specifically target the candidate sequences' penetrability score, while trying to maximize similarity with the original non-penetrating peptide in order to retain its original biological and physicochemical properties. By prioritizing the synthesis of only the most promising CPP candidates, LightCPPgen can drastically reduce the time and cost associated with wet lab experiments. In summary, our research makes a substantial contribution to the field of CPP design, offering a robust framework that combines ML and optimization techniques to facilitate the rational design of penetrating peptides, by enhancing the explainability and interpretability of the design process.

研究の動機と目的

• 最小限の実験的反復を伴う、合理的で効率的かつ解釈可能なデ・ノボ型細胞透過性ペプチド（CPP）設計の課題に対処すること。
• CPPの細胞内移行能に影響を与える主要な物理化学的および構造的特徴を特定する予測モデルの構築。
• 機械学習と最適化アルゴリズムを統合し、元のペプチドの生物学的・物理化学的性質を保持したまま、高性能なCPP配列を生成すること。
• 合成に必要な実験的検証の回数を減らすために、合成の優先順位を最も有望な候補に絞ること。
• 特徴量の重要度分析とモデルの解釈可能性を統合することで、CPP設計の透明性を高めること。

提案手法

• ペプチド配列から抽出した20の解釈可能な特徴量を用いて、LightGBMに基づく予測モデルを構築し、細胞内移行能を予測する。
• モデルを遺伝的アルゴリズム（GA）フレームワークに統合し、元の透過不能ペプチドと類似性を最大化しながら、高い透過能スコアを達成するように最適化する。
• 最適化プロセスでは、予測された透過能を最大化するとともに、親株ペプチドの主要な物理化学的および生物学的性質を保持する二つの目的をバランスさせる。
• モデルの予測を解釈するための特徴量の重要度分析を実施し、CPP機能の決定的要因を同定する。
• パイプラインはインシリコで候補配列を生成し、実験的スクリーニングを最小限に抑えるために、高い予測性能を持つものに限定する。
• 計算効率が高く、全探索を伴わずにもかかわらず、配列空間の迅速な探索が可能である。

実験結果

リサーチクエスチョン

• RQ1 細胞透過性ペプチドの細胞内移行能に最も強く影響を与える20の解釈可能な特徴量は何か？
• RQ2 機械学習と最適化のハイブリッドパイプラインは、高い予測性能を持つ新しいCPP配列を効果的に生成できるか？
• RQ3 元のペプチドの物理化学的および生物学的性質をどれほど維持しつつ、透過能を向上させられるか？
• RQ4 モデルの解釈可能性を統合することで、CPP設計の合理的さと透明性はどの程度向上するか？
• RQ5 パイプラインにより、最も有望な候補に絞ることで、実験的実験回数を著しく削減できるか？

主な発見

• LightGBMモデルは、20の解釈可能な特徴量のみを用いても、CPPの細胞内移行能を高い精度で推定できた。
• 特徴量の重要度分析から、電荷分布、疎水性、二次構造の傾向がCPP効率の主要な決定要因であることが明らかになった。
• 遺伝的アルゴリズムにより、元の透過不能ペプチドよりも顕著に高い予測透過能スコアを持つ新しいペプチド配列が生成された。
• 最適化された配列は、親株ペプチドの主要な物理化学的性質において高い類似性を維持しており、安定性と生物学的適合性が保持された。
• パイプラインにより、実験的検証が必要な候補配列の数が、インシリコで高い性能を示す候補に限定されることで削減された。
• 設計プロセスに解釈可能性を統合することで、研究者が配列選択の根拠を理解・検証でき、信頼性と再現性が向上した。