고효율 세포 침투 펩타이드를 설계하기 위한 인실리코 접근법

배경: 세포 침투 펩타이드는 다양한 화물(즉, 올리고뉴클레오타이드, 소분자, 단백질 등)의 세포 내 전달을 위한 다용도의 운반 수단으로 많은 인정을 받고 있으며, 이는 생체 이용 가능성이 부족한 화물들을 포함하여 향후 치료제로서 큰 잠재력을 제공합니다. 이러한 펩타이드의 치료적 중요성을 염두에 두고, 우리는 이러한 펩타이드를 합성하기 전에 신속하게 스크리닝할 수 있는 세포 침투 펩타이드 예측을 위한 인실리코 방법을 개발하였습니다. 방법: 본 연구에서는 세포 침투 펩타이드 예측 및 설계를 위한 서포트 벡터 머신(SVM) 기반 모델을 개발하였습니다. 아미노산 조성, 이펩타이드 조성, 패턴의 이진 프로필 및 물리화학적 특성과 같은 다양한 특성이 입력 특성으로 사용되었습니다. 본 연구에서 사용된 주요 데이터셋은 708개의 펩타이드로 구성되어 있습니다. 또한, 세포 침투 펩타이드에서 다양한 모티프를 식별하였고, 이러한 모티프를 사용하여 하이브리드 예측 모델을 개발하였습니다. 우리의 방법의 성능은 독립 데이터셋에 대해 평가되었으며, 기존 방법들과 비교되었습니다. 결과: 세포 침투 펩타이드에서는 특정 잔기(예: Arg, Lys, Pro, Trp, Leu, Ala)가 특정 위치에서 선호됩니다. 따라서 아미노산 조성을 기반으로 세포 침투 펩타이드와 비세포 침투 펩타이드를 구분하는 것이 가능했습니다. 모든 모델은 5배 교차 검증 기법을 사용하여 평가되었습니다. 우리는 모티프 정보와 펩타이드의 이진 프로필을 결합한 하이브리드 모델을 사용하여 최대 97.40%의 정확도를 달성하였습니다. 독립 데이터셋에서 우리는 MCC 0.63으로 81.31%의 최대 정확도를 달성하였습니다. 결론: 본 연구는 아미노산 조성, 패턴과 모티프의 이진 프로필과 같은 특성이 세포 침투 펩타이드를 더 높은 정확도로 예측할 수 있는 SVM 분류기를 훈련시키는 데 사용될 수 있음을 보여줍니다. 본 연구에서 설명한 하이브리드 모델은 이전 방법들보다 더 높은 정확도를 달성하였으며, 따라서 기존 방법을 보완할 수 있습니다. 위 연구를 바탕으로 생물학자들이 더욱 쉽게 CPP를 예측하고 설계할 수 있도록 돕는 사용자 친화적인 웹 서버 CellPPD가 개발되었습니다. CellPPD 웹 서버는 http://crdd.osdd.net/raghava/cellppd/에서 자유롭게 접근할 수 있습니다.