言語モデル分類器を報酬に、強化学習で新規細胞透過性ペプチドを設計
- タンパク質言語モデルのアンサンブルがペプチドの細胞透過性を採点し、そのスコアがそのまま生成器の報酬になる。
- 生成器は、方策ネットワークが変異部位を選び、マスク言語モデルが置換を提案する構成で、既知CPP・シグナルペプチド・ランダム配列を起点にREINFORCEで学習する。
- 分類器は内部ベンチマークと外部3種で評価され、従来法をわずかに上回ったと報告。生成候補は既知CPPの物性傾向と一致したが、計算上の結果にとどまり実験的検証はない。
💡 ポイント アブストラクトに基づく見解
報酬を与える分類器と、評価に使う分類器が同じ生成器を、私たちは信用できるだろうか。ここで典型的なのは報酬ハッキングで、言語モデルが好む配列を方策が見つけても、実際の膜は透過しないことがある。実プロジェクトで使うなら、数本の設計について細胞取り込みと毒性の実測、さらにエンドソーム捕捉の確認が欲しい。CPPデータベースで学習した分類器はそこまで拾えないことが多い。
📄 原論文 · Journal of Chemical Information and Modeling ↗ CPPainter: Painting Cell-Penetrating Peptides for Identification and Generation through Reinforcement Learning