[논문 리뷰] LightCPPgen: An Explainable Machine Learning Pipeline for Rational Design of Cell Penetrating Peptides

Gabriele Maroni, Filip Stojceski외 4명|arXiv (Cornell University)|2024. 05. 31.

RNA Interference and Gene DeliveryBiochemistry, Genetics and Molecular Biology인용 수 3

한 줄 요약

LightCPPgen는 세포침투성 펩타이드(CPPs)의 이론적, 효율적이고 해석 가능한 신규 설계를 위한 설명 가능한 기계학습 파이프라인을 제안한다. 이는 LightGBM 기반 예측 모델과 유전적 알고리즘을 결합하여 실험적 부담을 줄이고, 높은 잠재력의 후보를 최소한의 생체내 실험으로 선별한다. 20개의 설명 가능한 특징을 활용하고 부모 펩타이드와의 유사성과 침투 능력을 동시에 최적화함으로써, 실험적 스크리닝을 최소화한다.

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.

연구 동기 및 목표

• 최소한의 실험적 반복을 통해 이론적, 효율적이고 해석 가능한 세포침투성 펩타이드(CPPs)의 신규 설계 과제를 해결하기 위해.
• CPP의 이행 능력에 영향을 주는 주요 물리화학적 및 구조적 특징을 식별하는 예측 모델을 개발하기 위해.
• 기계학습과 최적화 알고리즘을 통합하여 원래 펩타이드의 생물학적 및 물리화학적 특성을 유지하면서 고성능의 CPP 서열을 생성하기 위해.
• 합성에 가장 유망한 후보들만 우선시함으로써 생체내 검증에 소요되는 시간과 비용을 줄이기 위해.
• 특징 기여도 분석과 모델의 해석 가능성으로써 CPP 설계의 투명성을 향상시키기 위해.

제안 방법

• 20개의 설명 가능한 특징을 펩타이드 서열에서 유도하여 LightGBM 기반 예측 모델을 훈련시켜 이행 능력을 예측한다.
• 예측된 침투 능력을 극대화하면서 원래의 침투 불가능한 펩타이드와의 서열 유사성을 극대화하는 유전적 알고리즘(GA) 프레임워크에 모델을 통합한다.
• 최적화 과정은 두 가지 목표를 균형 있게 조정한다: 예측된 침투 능력을 극대화하고, 부모 서열의 핵심 물리화학적 및 생물학적 특성을 유지한다.
• 모델 예측을 해석하고 CPP 기능의 핵심 결정 요소를 특정하기 위해 특징 기여도 분석을 수행한다.
• 파이프라인은 시뮬레이션 상에서 후보 서열을 생성하며, 실험적 스크리닝을 최소화하기 위해 높은 예측 성능을 보이는 후보들에 집중한다.
• 프레임워크는 계산적으로 효율적이며, 완전한 순열 탐색 없이도 서열 공간을 빠르게 탐색할 수 있다.

실험 결과

연구 질문

• RQ1 세포침투성 펩타이드의 이행 능력에 가장 강하게 영향을 주는 20개의 설명 가능한 특징는 무엇인가?
• RQ2 기계학습과 최적화 파이프라인의 융합은 높은 예측 성능을 가진 새로운 CPP 서열을 효과적으로 생성할 수 있는가?
• RQ3 원래 펩타이드의 물리화학적 및 생물학적 특성을 유지하면서 침투 능력을 향상시키는 데에 얼마나 효과적인가?
• RQ4 모델의 해석 가능성 통합이 CPP 설계의 이론성과 투명성을 어떻게 향상시키는가?
• RQ5 유망한 후보들만 우선시함으로써 파이프라인이 실험적 실험 수를 크게 줄일 수 있는가?

주요 결과

• LightGBM 모델은 단지 20개의 설명 가능한 특징만을 사용하여 CPP 이행 능력을 높은 정확도로 추정하였다.
• 특징 기여도 분석을 통해 전하 분포, 비극성, 이차 구조 경향성이 CPP 효율성의 핵심 결정 요소로 밝혀졌다.
• 유전적 알고리즘이 원래의 침투 불가능한 펩타이드보다 유의미하게 높은 예측된 침투 능력을 가진 새로운 펩타이드 서열을 성공적으로 생성하였다.
• 최적화된 서열들은 핵심 물리화학적 특성에서 부모 서열과 높은 유사성을 유지하여 안정성과 생물학적 호환성을 유지하였다.
• 파이프라인은 예측 성능이 높은 시뮬레이션 후보들에 집중함으로써 실험 검증이 필요한 후보 서열의 수를 줄였다.
• 설계 과정에 해석 가능성 통합을 통해 연구자들이 서열 선택의 근거를 이해하고 검증할 수 있게 되어 신뢰도와 재현 가능성이 향상되었다.