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

Resumo Técnico do AIGCRS-AMP30: Estrutura de IA para Geração, Classificação, Regressão e Seleção de Peptídeos Antimicrobianos

Definição do Problema
A crescente crise dos patógenos multirresistentes, impulsionada pelo uso excessivo de antibióticos convencionais, exige a descoberta de novas alternativas terapêuticas. Os peptídeos antimicrobianos (AMPs) oferecem uma solução promissora devido à sua atividade de amplo espectro, baixa toxicidade para o hospedeiro e mínima propensão a induzir resistência. No entanto, os métodos tradicionais de descoberta em laboratório (wet-lab) são limitados por serem intensivos em mão de obra, demorados e ineficientes em termos de recursos. Embora existam vários métodos computacionais para classificação e geração de AMPs, obter AMPs com a bioatividade e as propriedades físico-químicas desejadas permanece um desafio. Há uma necessidade de uma estrutura integrada que una a geração computacional com uma validação in silico rigorosa para priorizar candidatos para testes experimentais.

Metodologia
Os autores apresentam o AIGCRS-AMP30, uma estrutura de IA abrangente projetada para acelerar a descoberta de AMPs curtos (≤30 resíduos) e potentes. A estrutura integra cinco componentes estreitamente acoplados:

1. Curadoria de Dados: Três conjuntos de dados foram construídos:

   • Um conjunto de dados de AMP (27.180 sequências) curado de bancos de dados públicos (DBAASP, DRAMP, APD3, DBAMP), filtrado por comprimento (5–30 resíduos) e aminoácidos padrão.
   • Um conjunto de dados de não-AMP sintético gerado para corresponder ao conjunto de dados de AMP em tamanho e distribuição de comprimento para treinamento de classificadores auxiliares.
   • Um conjunto de referência de peptídeos naturais (3,7 milhões de sequências) do PeptideAtlas para análise comparativa.

2. Modelo Generativo (ClsDiffer-AMP30): Um novo modelo de difusão guiado por classificador foi desenvolvido para a geração de sequências de novo.

   • Arquitetura: Utiliza uma U-Net para previsão de ruído e um classificador com ruído separado para guiar o processo de difusão reversa.
   • Processo: O modelo gera sequências a partir de ruído Gaussiano através de um processo iterativo de redução de ruído (denoising). Um módulo de guia de classificador direciona a geração para regiões de alta probabilidade de ser um AMP.
   • Otimização: Os hiperparâmetros foram sistematicamente ajustados via busca em grade (grid search), identificando épocas de treinamento ideais (7.000 para o preditor de ruído, 3.000 para o classificador), passos de difusão (700) e uma escala de guia de 75,0.

3. Modelo de Classificação (RFClassifier-AMP30): Um classificador Random Forest independente foi desenvolvido para atribuir pontuações de probabilidade de AMP às sequências geradas.

   • Características: As sequências foram codificadas usando cinco conjuntos de características: type3Braac9, type7raac19, CKSAAP, DDE e KSCTriad.
   • Desempenho: Através de validação cruzada de 10 dobras (10-fold cross-validation) e busca em grade (ntree=2000, max_features=log2), o modelo alcançou uma acurácia de 0,901 e um AUC de 0,958.

4. Modelos de Regressão: A estrutura emprega modelos de estado da arte existentes para predição quantitativa:

   • BERT-AmPEP60 para prever a Concentração Inibitória Mínima (MIC) contra E. coli (ECMIC) e S. aureus (SAMIC).
   • BERT-HemoPep60 para prever a concentração hemolítica de 50% (HC50) para avaliar a toxicidade.

5. Triagem Multi-Critério: Um procedimento de triagem filtra candidatos com base em limiares rigorosos: probabilidade de AMP > 0,9, ECMIC < 10 µM, SAMIC < 10 µM e HC50 > 200 µM.

Principais Resultados

• Fidelidade Generativa: A análise comparativa de 6.576 sequências geradas (GeneAMP) contra AMPs reais (RealAMP), peptídeos aleatórios (RndPep) e sequências aleatórias (RndSeq) demonstrou que o GeneAMP se assemelha de perto ao RealAMP. A Análise de Componentes Principais (PCA) nas características das sequências e propriedades físico-químicas (carga, hidrofobicidade, índice de instabilidade, etc.) mostrou uma sobreposição espacial significativa entre GeneAMP e RealAMP, enquanto as sequências aleatórias exibiram distribuições dispersas e não biológicas.
• Seleção de Candidatos: De um grupo de 10.000 sequências geradas, 12 candidatos atenderam aos limiares de triagem multi-critério. Essas sequências foram analisadas quanto à estrutura 3D (majoritariamente hélices α únicas) e exploração de motivos via MEME, revelando padrões conservados como "RWRIVVIRVRR".
• Validação Experimental: Os 12 candidatos foram sintetizados e testados contra E. coli, S. aureus e S. aureus resistente à meticilina (MRSA).
  • Atividade: 11 dos 12 peptídeos exibiram potente atividade antimicrobiana com valores de MIC variando de 8 a 32 µg/mL.
  • Seletividade: Os peptídeos demonstraram baixa atividade hemolítica contra glóbulos vermelhos humanos. Nenhuma hemólise foi observada até 256 µg/mL.
  • Índice Terapêutico: O índice terapêutico calculado (razão entre a concentração hemolítica e o MIC) é de pelo menos 16 vezes para os candidatos ativos, indicando uma margem de segurança favorável.

Significância e Alegações
O artigo afirma que o AIGCRS-AMP30 estabelece uma estrutura de IA robusta que abrange desde a nova geração de AMPs até a validação experimental. Ao integrar a difusão guiada por classificador com modelos de classificação e regressão independentes, a estrutura selecionou com sucesso candidatos que foram experimentalmente validados como potentes e seletivos. Os autores afirmam que este trabalho oferece um modelo para a próxima geração de terapêuticos antimicrobianos, abordando especificamente o desafio de gerar AMPs curtos com alta bioatividade e baixa toxicidade. A validação bem-sucedida em laboratório de 11 dos 12 principais candidatos serve como uma prova de conceito para a eficácia da estrutura na descoberta de líderes terapêuticos.