LightCPPgen:一种可解释的机器学习管道,用于合理设计细胞透
Gabriele Maroni1, Filip Stojceski1, Lorenzo Pallante2
1Dalle Molle Institute for Artificial Intelligence IDSIA. USI/SUPSI, Lugano-Viganello, Switzerland.
International journal of antimicrobial agents
|September 10, 2025
概括
我们开发了LightCPPgen,这是一种机器学习工具,用于设计用于药物输送的细胞透 (CPP). 这种方法通过减少实验时间和成本,加速发现有效的CPP.
科学领域:
- 生物技术是生物技术.
- 计算生物学 计算生物学
- 药物运输 药物运输 药物运输 药物运输
背景情况:
- 细胞透 (CPP) 对于治疗药物的细胞内输送至关重要.
- CPP的合理设计是复杂的,需要广泛的实验验证.
研究的目的:
- 推出LightCPPgen,这是CPPs的创新新型设计策略.
- 利用机器学习和优化算法来实现高效的CPP序列生成.
主要方法:
- 开发了一个基于LightGBM的预测模型,使用20个可解释的CPP转位特征.
- 整合了预测模型与基因算法 (GA) 进行序列优化.
- GA优先考虑透性,同时保持与原始的特性相似.
主要成果:
- 实现了准确,高效和可解释的CPP预测.
- 优化了CPP序列,以提高透性和保留生物特性.
- 显著减少了识别有前途的CPP候选人的时间和成本.
结论:
- 轻CPPgen为合理的CPP设计提供了一个强大的框架.
- 该方法结合了ML和优化,以实现可解释和可解释的设计.
- 促进基于CPP的治疗交付系统的加速开发.


