AIGCRS-AMP30: AI Framework for Antimicrobial Peptide Generation, Classification, Regression, and Selection

Technische Samenvatting van AIGCRS-AMP30: AI-framework voor de generatie, classificatie, regressie en selectie van antimicrobiële peptiden

Probleemstelling
De escalerende crisis van multiresistente pathogenen, gedreven door het overmatig gebruik van conventionele antibiotica, maakt de ontdekking van nieuwe therapeutische alternatieven noodzakelijk. Antimicrobiële peptiden (AMP's) bieden een veelbelovende oplossing vanwege hun breedspectrumactiviteit, lage gasthetoxiciteit en minimale neiging om resistentie te induceren. Echter, traditionele methoden voor ontdekking in het natte laboratorium zijn beperkt door het feit dat ze arbeidsintensief, tijdrovend en hulpbronnen-inefficiënt zijn. Hoewel diverse computationele methoden bestaan voor de classificatie en generatie van AMP's, blijft het verkrijgen van AMP's met gewenste bioactiviteit en fysisch-chemische eigenschappen een uitdaging. Er is behoefte aan een geïntegreerd framework dat computationele generatie overbrugt met rigoureuze in silico validatie om kandidaten voor experimentele testen te prioriteren.

Methodologie
De auteurs introduceren AIGCRS-AMP30, een uitgebreid AI-framework ontworpen om de ontdekking van krachtige, korte AMP's (≤30 residuen) te versnellen. Het framework integreert vijf nauw gekoppelde componenten:

1. Data Curatie: Drie datasets werden geconstrueerd:

   • Een AMP-dataset (27.180 sequenties) gecureerd uit publieke databases (DBAASP, DRAMP, APD3, DBAMP), gefilterd op lengte (5–30 residuen) en standaard aminozuren.
   • Een synthetische niet-AMP dataset gegenereerd om overeen te komen met de AMP-dataset in grootte en lengteverdeling voor het trainen van hulp-classifiers.
   • Een natuurlijke peptide referentieset (3,7 miljoen sequenties) uit PeptideAtlas voor vergelijkende analyse.

2. Generatief Model (ClsDiff-AMP30): Een nieuw classifier-gestuurd diffusiemodel werd ontwikkeld voor de novo sequentiegeneratie.

   • Architectuur: Maakt gebruik van een U-Net voor ruisvoorspelling en een aparte genoste classifier om het reverse diffusieproces te sturen.
   • Proces: Het model genereert sequenties vanuit Gaussische ruis door middel van iteratieve denoising. Een classifier-guidance module stuurt de generatie naar regio's met een hoge AMP-waarschijnlijkheid.
   • Optimalisatie: Hyperparameters werden systematisch afgestemd via grid search, waarbij optimale trainingsepochs (7.000 voor de ruisvoorspeller, 3.000 voor de classifier), diffusiestappen (700) en een guidance scale van 75,0 werden geïdentificeerd.

3. Classificatiemodel (RFClassifier-AMP30): Een onafhankelijke Random Forest-classifier werd ontwikkeld om AMP-waarschijnlijkheidsscores toe te wijzen aan gegenereerde sequenties.

   • Kenmerken: Sequenties werden gecodeerd met vijf feature sets: type3Braac9, type7raac19, CKSAAP, DDE en KSCTriad.
   • Prestaties: Door middel van 10-voudige kruisvalidatie en grid search (ntree=2000, max_features=log2) bereikte het model een nauwkeurigheid van 0,901 en een AUC van 0,958.

4. Regressiemodellen: Het framework maakt gebruik van bestaande state-of-the-art modellen voor kwantitatieve voorspelling:

   • BERT-AmPEP60 voor het voorspellen van de minimale inhiberende concentratie (MIC) tegen E. coli (ECMIC) en S. aureus (SAMIC).
   • BERT-HemoPep60 voor het voorspellen van de 50% hemolytische concentratie (HC50) om toxiciteit te beoordelen.

5. Multi-Criteria Screening: Een screeningsprocedure filtert kandidaten op basis van strikte drempelwaarden: AMP-waarschijnlijkheid > 0,9, ECMIC < 10 µM, SAMIC < 10 µM en HC50 > 200 µM.

Belangrijkste Resultaten

• Generatieve Getrouwheid: Vergelijkende analyse van 6.576 gegenereerde sequenties (GeneAMP) tegen echte AMP's (RealAMP), willekeurige peptiden (RndPep) en willekeurige sequenties (RndSeq) toonde aan dat GeneAMP sterk lijkt op RealAMP. Principal Component Analysis (PCA) op sequentiekenmerken en fysisch-chemische eigenschappen (lading, hydrofobiciteit, instabiliteitsindex, etc.) toonde een significante ruimtelijke overlap tussen GeneAMP en RealAMP, terwijl willekeurige sequenties een verspreide, niet-biologische distributie vertoonden.
• Kandidaatselectie: Uit een pool van 10.000 gegenereerde sequenties voldeden 12 kandidaten aan de multi-criteria screeningdrempels. Deze sequenties werden geanalyseerd voor 3D-structuur (voornamelijk enkelvoudige α-helices) en motiefverkenning met MEME, wat geconserveerde patronen zoals "RWRIVVIRVRR" onthulde.
• Experimentele Validatie: De 12 kandidaten werden gesynthetiseerd en getest tegen E. coli, S. aureus en Methicilline-resistente S. aureus (MRSA).
  • Activiteit: 11 van de 12 peptiden vertoonden krachtige antimicrobiële activiteit met MIC-waarden variërend van 8 tot 32 µg/mL.
  • Selectiviteit: De peptiden vertoonden een lage hemolytische activiteit tegen menselijke rode bloedcellen. Geen hemolyse werd waargenomen tot 256 µg/mL.
  • Therapeutische Index: De berekende therapeutische index (ratio van hemolytische concentratie tot MIC) was voor de actieve kandidaten ten minste 16-voudig, wat duidt op een gunstige veiligheidsmarge.

Significantie en Claims
Het artikel beweert dat AIGCRS-AMP30 een robuust AI-framework vestigt dat reikt van innovatieve AMP-generatie tot experimentele validatie. Door classifier-gestuurde diffusie te integreren met onafhankelijke classificatie- en regressiemodellen, slaagde het framework erin om kandidaten te prioriteren die experimenteel gevalideerd werden als potent en selectief. De auteurs stellen dat dit werk een blauwdruk biedt voor de volgende generatie antimicrobiële therapieën, waarbij specifiek wordt ingegaan op de uitdaging van het genereren van korte AMP's met hoge bioactiviteit en lage toxiciteit. De succesvolle wet-lab validatie van 11 van de 12 topkandidaten dient als een proof-of-concept voor de effectiviteit van het framework bij de ontdekking van therapeutische leads.