知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-04-02
(54)【発明の名称】抗原結合タンパク質の遺伝子操作
(51)【国際特許分類】
G16B 35/10 20190101AFI20240326BHJP
G16B 40/20 20190101ALI20240326BHJP
【ＦＩ】
G16B35/10
G16B40/20
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2023564230
(86)(22)【出願日】2022-04-14
(85)【翻訳文提出日】2023-12-14
(86)【国際出願番号】 EP2022060073
(87)【国際公開番号】W WO2022223451
(87)【国際公開日】2022-10-27
(31)【優先権主張番号】2105776.5
(32)【優先日】2021-04-22
(33)【優先権主張国・地域又は機関】GB
(81)【指定国・地域】
(71)【出願人】
【識別番号】523394549
【氏名又は名称】アルケマブ セラピューティクス リミテッド
(74)【代理人】
【識別番号】100079108
【弁理士】
【氏名又は名称】稲葉 良幸
(74)【代理人】
【識別番号】100109346
【弁理士】
【氏名又は名称】大貫 敏史
(74)【代理人】
【識別番号】100117189
【弁理士】
【氏名又は名称】江口 昭彦
(74)【代理人】
【識別番号】100134120
【弁理士】
【氏名又は名称】内藤 和彦
(72)【発明者】
【氏名】リーム，ジヌ
(72)【発明者】
【氏名】ギャルソン，ジェイコブ
(57)【要約】
【課題】鎖対を含む抗原結合タンパク質を同定する方法が記載される。
【解決手段】方法は、第１鎖配列を含むクエリ配列を提供することと、そのクエリ配列を、入力としてクエリ第１鎖配列をとり、出力として少なくとも１つの対応鎖配列を生成し、それより、クエリ配列の対応鎖配列を同定するように構成された深層学習モデルに提供することにより、対応鎖配列を同定することとを含み、深層学習モデルは、既知の鎖対からのトレーニング第１鎖配列及び対応鎖配列を使用してトレーニングされている。第１鎖配列は、抗体若しくはＢ細胞レセプタの重／軽鎖であってもよく又はＴ細胞レセプタのβ／α／δ／γ鎖であってもよく、対応鎖は、抗体若しくはＢ細胞レセプタの軽／重鎖であってもよく又はＴ細胞レセプタのβ／α／δ／γ鎖であってもよい。方法は、例えば、所望の（例えば、治療又は機能の）性質を有する抗原結合分子を同定する状況等の、抗原結合分子の鎖対を同定することが望ましい任意の状況で利用される。関連する方法、システム、及び製品も記載される。
【選択図】図１
【解決手段】方法は、第１鎖配列を含むクエリ配列を提供することと、そのクエリ配列を、入力としてクエリ第１鎖配列をとり、出力として少なくとも１つの対応鎖配列を生成し、それより、クエリ配列の対応鎖配列を同定するように構成された深層学習モデルに提供することにより、対応鎖配列を同定することとを含み、深層学習モデルは、既知の鎖対からのトレーニング第１鎖配列及び対応鎖配列を使用してトレーニングされている。第１鎖配列は、抗体若しくはＢ細胞レセプタの重／軽鎖であってもよく又はＴ細胞レセプタのβ／α／δ／γ鎖であってもよく、対応鎖は、抗体若しくはＢ細胞レセプタの軽／重鎖であってもよく又はＴ細胞レセプタのβ／α／δ／γ鎖であってもよい。方法は、例えば、所望の（例えば、治療又は機能の）性質を有する抗原結合分子を同定する状況等の、抗原結合分子の鎖対を同定することが望ましい任意の状況で利用される。関連する方法、システム、及び製品も記載される。
【選択図】図１
【特許請求の範囲】
【請求項1】
鎖対を含む抗原結合タンパク質を同定するコンピュータ実施方法であって、第１鎖配列を含むクエリ配列を提供することと、
入力としてクエリ第１鎖配列をとり、出力として少なくとも１つの対応鎖配列を生成し、それにより前記クエリ配列の対応鎖配列を同定するように構成された深層学習モデルに前記クエリ配列を提供すること
により、対応鎖配列を同定することとを含み、前記深層学習モデルは、既知の鎖対からのトレーニング第１鎖配列及び対応鎖配列を使用してトレーニングされている、方法。
【請求項2】
前記抗原結合タンパク質は、（ｉ）重－軽鎖対であって、前記第１鎖配列は重鎖配列若しくは軽鎖配列であり、前記対応鎖配列は軽鎖配列若しくは重鎖配列であり、任意選択的に、前記第１鎖配列は重鎖配列であり、前記対応配列は軽鎖配列である、重－軽鎖対、又は、
（ｉｉ）αβ鎖対であって、前記第１鎖配列はβ鎖配列若しくはα鎖配列であり、前記対応鎖配列はα鎖配列若しくはβ鎖配列であり、任意選択的に、前記第１鎖配列はβ鎖配列であり、前記対応配列はα鎖配列である、αβ鎖対、又は、
（ｉｉｉ）γδ鎖対であって、前記第１鎖配列はδ鎖配列若しくはγ鎖配列であり、前記対応鎖配列はγ鎖配列若しくはδ鎖配列であり、任意選択的に、前記第１鎖配列はδ鎖配列であり、前記対応配列はγ鎖配列である、γδ鎖対
を含む、請求項１に記載の方法。
【請求項3】
前記深層学習モデルは、配列－配列モデルであり、及び／又は前記深層学習モデルは、回帰型ニューラルネットワーク又はトランスフォーマを含む、請求項１又は２に記載の方法。
【請求項4】
前記深層学習モデルは、出力として、１つ又は複数の対応鎖配列を生成するように構成され、任意選択的に、各対応鎖配列には、確率等の信頼メトリックが関連付けられる、請求項１～３のいずれか１項に記載の方法。
【請求項5】
前記深層学習モデルは、配列－配列トランスフォーマベースモデルである、請求項１～４のいずれか１項に記載の方法。
【請求項6】
既知の鎖対からの前記トレーニング第１鎖配列及び前記対応鎖配列は、単一Ｂ細胞シーケンシングデータからの対になったトレーニング重鎖及び軽鎖配列を含み、又は既知の鎖対からの前記トレーニング第１鎖配列及び前記対応鎖配列は、単一Ｔ細胞シーケンシングデータからの対になったトレーニングα鎖配列及びβ鎖配列を含む、請求項１～５のいずれか１項に記載の方法。
【請求項7】
前記クエリ鎖配列は、Ｖ遺伝子配列又は識別子、Ｊ遺伝子配列又は識別子、及び接合配列、及び任意選択的にＤ遺伝子配列又は識別子を含むか又はそれからなり、前記対応鎖配列は、Ｖ遺伝子配列又は識別子、Ｊ遺伝子配列又は識別子、及び接合配列を含むか又はそれからなる、請求項１～６のいずれか１項に記載の方法。
【請求項8】
前記クエリ鎖配列は、Ｖ遺伝子配列又は識別子、Ｊ遺伝子配列又は識別子、及び接合配列を含むか又はそれからなり、前記対応鎖配列は、Ｖ遺伝子配列又は識別子、Ｊ遺伝子配列又は識別子、及び接合配列、及び任意選択的にＤ遺伝子配列又は識別子を含むか又はそれからなる、請求項１～６のいずれか１項に記載の方法。
【請求項9】
前記クエリ配列は、１つ又は複数の第１鎖ＣＤＲ配列を含むか又はそれからなり、及び／又は前記対応配列は１つ又は複数の対応鎖ＣＤＲ配列を含むか又はそれからなり、任意選択的に、前記クエリ／対応配列はＣＤＲ３配列を含むか又はそれからなる、請求項１～８のいずれか１項に記載の方法。
【請求項10】
全ての配列はアミノ酸配列である、請求項１～９のいずれか１項に記載の方法。
【請求項11】
前記クエリ配列を前記深層学習モデルに提供することは、エンコード方式を使用して前記クエリ配列をエンコードすることを含み、各遺伝子配列識別子は個々のトークンに対応し、
各アミノ酸は個々のトークンに対応し、及び／又は
配列は、各々が個々のｋ－ｍｅｒに対応するトークンを使用して又はバイト対エンコードを使用してエンコードされ、任意選択的に各配列は重複ｋ－ｍｅｒを使用してエンコードされる、請求項１～１０のいずれか１項に記載の方法。
【請求項12】
前記対応鎖配列を同定することは、エンコード方式を使用して前記深層学習モデルにより出力された対応配列をデコードすることを含み、各遺伝子配列識別子は個々のトークンに対応し、
各アミノ酸は個々のトークンに対応し、及び／又は
配列は、各々が個々のｋ－ｍｅｒに対応するトークンを使用して又はバイト対エンコードを使用してエンコードされ、任意選択的に各配列は重複ｋ－ｍｅｒを使用してエンコードされる、請求項１～１１のいずれか１項に記載の方法。
【請求項13】
前記エンコード方式は、前記トレーニング鎖配列の内容に基づいて先に定義されている、請求項１１又は１２に記載の方法。
【請求項14】
前記クエリ配列及び／又は前記対応配列は、１つ又は複数の遺伝子配列識別子を含み、前記方法は、１つ又は複数の遺伝子配列識別子を対応生殖細胞系配列で置換することをさらに含む、請求項１～１３のいずれか１項に記載の方法。
【請求項15】
前記深層学習モデルは、対になっていないトレーニング第１鎖配列及び／又は対応鎖配列を使用して予めトレーニングされたエンコーダと、対になっていないトレーニング対応鎖配列及び／又は第１鎖配列を使用して予めトレーニングされたデコーダとを含む、トランスフォーマベースのモデルである、請求項１～１４のいずれか１項に記載の方法。
【請求項16】
前記対になっていないトレーニング鎖配列は、前記対応鎖の可変領域に全長配列を含み、及び／又は前記対になっていないトレーニング鎖配列は、前記第１鎖の前記可変領域に全長配列を含む、請求項１５に記載の方法。
【請求項17】
クエリ配列を提供することは、ユーザインタフェースを通してユーザから、計算デバイスから、配列取得手段又は配列取得手段と関連付けられた計算デバイスから、データベース又は他のコンピュータ可読媒体から、前記クエリ配列を取得すること、
前記クエリ配列を含む抗原結合分子の遺伝物質エンコードを含む試料をシーケンシングすることであって、任意選択的に、前記クエリ配列を取得することは、Ｂ細胞を含む試料のＢ細胞バルクシーケンシング、Ｔ細胞を含む試料のＴ細胞バルクシーケンシング、又は、前記クエリ配列を含む抗原結合分子を発現する任意の他の細胞、若しくは、Ｂ細胞レセプタライブラリ若しくはＴ細胞レセプタライブラリ等のそこから導出された遺伝物質、を含む試料のバルクシーケンシング、を実行することを含む、シーケンシングすること、及び／又は
Ｂ細胞、Ｔ細胞、前記クエリ配列を含む抗原結合分子を発現する他の細胞、又はＢ細胞レセプタライブラリ若しくはＴ細胞レセプタライブラリ等のそこから導出された遺伝物質、を含む試料を取得すること、
を含む、請求項１～１６のいずれか１項に記載の方法。
【請求項18】
ユーザインタフェースを通して、前記同定された対応配列、その一部、又はそこから導出された情報をユーザに提供することをさらに含む、請求項１～１７のいずれか１項に記載の方法。
【請求項19】
第１鎖配列を含む複数のクエリ配列に抗原結合タンパク質鎖対を提供する方法であって、請求項１～１８のいずれか１項に記載の方法を前記クエリ配列の各々に対して実行することを含み、任意選択的に、前記複数のクエリ配列は、バルクＢ細胞レパートリーシーケンシングにより取得された重又は軽鎖配列である、方法。
【請求項20】
所望の性質を有する抗原結合タンパク質を提供する方法であって、第１鎖配列を含む１つ又は複数のクエリ配列を提供することであって、前記１つ又は複数のクエリ配列の少なくとも１つは前記所望のレパートリーを有する可能性が高い、提供することと、
請求項１～１８のいずれか１項に記載の方法を使用して、前記１つ又は複数のクエリ配列の各々の対応鎖配列を同定することと、
を含む、方法。
【請求項21】
前記クエリ配列及びそれから導出された１つ又は複数の前記対応配列の一方を各々が含む１つ又は複数の抗原結合タンパク質候補を取得することと、任意選択的に、前記所望の性質について前記１つ又は複数の抗原結合タンパク質候補を検定することとをさらに含む請求項２０に記載の方法。
【請求項22】
鎖対を含む抗原結合タンパク質を同定するためのツールを提供する方法であって、既知の第１鎖及び対応鎖の対からのトレーニング第１配列及び対応配列を含むトレーニングデータを提供することと、
前記トレーニングデータを使用して、入力としてクエリ第１鎖配列をとり、少なくとも１つの対応鎖配列を出力として生成するように、深層学習モデルをトレーニングすることと、
を含む、方法。
【請求項23】
前記トレーニング第１鎖配列をエンコードするためのボキャブラリ及び前記トレーニング対応鎖配列をエンコードするためのボキャブラリを取得することをさらに含み、任意選択的に、前記ボキャブラリはエンコード方式を使用して取得され、ここで任意の遺伝子配列識別子は個々のトークンに対応し、及び／又は任意の配列は、少なくとも部分的に、各々が個々のアミノ酸に対応するトークンを使用してエンコードされ、及び／又は任意の配列は、各々が個々のｋ－ｍｅｒに対応するトークンを少なくとも部分的に使用して、又はバイト対エンコードを使用してエンコードされる、請求項２２に記載の方法。
【請求項24】
前記トレーニングされた深層学習モデルをユーザに提供することをさらに含む請求項２２又は２３に記載の方法
【請求項25】
プロセッサと、命令を含むコンピュータ可読媒体であって、前記命令は、前記プロセッサにより実行されると、前記プロセッサに請求項１～２４のいずれか１項に記載の方法のステップを実行させる、コンピュータ可読媒体と
を含む、システム。
【請求項26】
命令を含む１つ又は複数のコンピュータ可読媒体であって、前記命令は、１つ又は複数のプロセッサにより実行されると、前記１つ又は複数のプロセッサに請求項１～２４のいずれか１項に記載の方法のステップを実行させる、１つ又は複数のコンピュータ可読媒体。
【発明の詳細な説明】
【技術分野】
【0001】
発明の分野
本発明は、入力された重鎖若しくは軽鎖からの重－軽鎖対又は入力されたα鎖若しくはβ鎖からのα－β鎖対等の単一の入力された可変鎖からの可変鎖対を同定することにより、Ｂ細胞レセプタ、抗体、及びＴ細胞レセプタ等の抗原結合タンパク質を遺伝子操作する方法に関する。本発明は、入力された可変鎖、例えば、Ｂ細胞レセプタ／抗体重又は軽鎖から導出される治療用抗体等の抗原結合タンパク質を提供する方法にも関する。
本発明は、入力された重鎖若しくは軽鎖からの重－軽鎖対又は入力されたα鎖若しくはβ鎖からのα－β鎖対等の単一の入力された可変鎖からの可変鎖対を同定することにより、Ｂ細胞レセプタ、抗体、及びＴ細胞レセプタ等の抗原結合タンパク質を遺伝子操作する方法に関する。本発明は、入力された可変鎖、例えば、Ｂ細胞レセプタ／抗体重又は軽鎖から導出される治療用抗体等の抗原結合タンパク質を提供する方法にも関する。
【背景技術】
【0002】
発明の背景
効果的な液性免疫は、Ｂ細胞レセプタ（ＢＣＲ）を通して異なる抗原に結合可能な多種多様なＢ細胞を必要とする。人間のＢＣＲレパートリーの理論上の全体サイズは最高で約１０１５個のバリアントであると推定され、そのうちの約１０９個が随時、１人の個人内で循環している［Rees, 2020］。ＢＣＲは２つのタンパク質の２つの対で構成される：２つの重鎖及び２つの軽鎖。各Ｂ細胞は、重鎖及び軽鎖の対（固有である可能性が高い）を発現して、ＢＣＲを形成し、ＢＣＲはＢ細胞の表面上に発現するか、又は抗体として分泌される。６億を超える異なるヒト重鎖配列及び概ね７千万の軽鎖配列が現在、Observed Antibody Spaceの目録に載っている［Kovaltsuk et al., 2018］。個人のＢＣＲアンサンブル（個人のＢＣＲレパートリーとも呼ばれる）の特徴付けは、種々の疾患の生物学を理解し［Vander Heiden et al., 2017；Bashford-Rogers et al, 2019；Nielsen et al., 2020；Simonich et al., 2019］、新規の治療法抗体薬を発見する［Krawczyk et al., 2019；Galson et al., 2020］ために価値あるツールであることが証明されている。
効果的な液性免疫は、Ｂ細胞レセプタ（ＢＣＲ）を通して異なる抗原に結合可能な多種多様なＢ細胞を必要とする。人間のＢＣＲレパートリーの理論上の全体サイズは最高で約１０１５個のバリアントであると推定され、そのうちの約１０９個が随時、１人の個人内で循環している［Rees, 2020］。ＢＣＲは２つのタンパク質の２つの対で構成される：２つの重鎖及び２つの軽鎖。各Ｂ細胞は、重鎖及び軽鎖の対（固有である可能性が高い）を発現して、ＢＣＲを形成し、ＢＣＲはＢ細胞の表面上に発現するか、又は抗体として分泌される。６億を超える異なるヒト重鎖配列及び概ね７千万の軽鎖配列が現在、Observed Antibody Spaceの目録に載っている［Kovaltsuk et al., 2018］。個人のＢＣＲアンサンブル（個人のＢＣＲレパートリーとも呼ばれる）の特徴付けは、種々の疾患の生物学を理解し［Vander Heiden et al., 2017；Bashford-Rogers et al, 2019；Nielsen et al., 2020；Simonich et al., 2019］、新規の治療法抗体薬を発見する［Krawczyk et al., 2019；Galson et al., 2020］ために価値あるツールであることが証明されている。
【0003】
個人のＢＣＲレパートリーを特徴付ける２つの主な手法がある：単一Ｂ細胞シーケンシング及びバルクＢ細胞集団のシーケンシングである。単一細胞シーケンシングは、ペアリング情報を重鎖と軽鎖との間で保持するため、抗体発見用途により一般に採用されている。しかしながら、単一細胞シーケンシングはスループットが限られ、異なるプラットフォーム及びプロトコルによる、単一の試料内に存在するＢＣＲレパートリーのカバレッジは様々である。最も高度なマイクロ流体システムであっても、典型的には、１試料当たり約１０４個のＢ細胞の配列を回収することしかできない［King et al., 2021；Eccles et al., 2020；Setliff et al., 2019］。ヒトは典型的には、血液１ミリリットル当たり約１０６個のＢ細胞を有し［Mora and Walczak, 2019］、単一細胞手法が、小さな試料であっても完全なＢ細胞多様性を特徴付けることができないことを意味する。さらに、単一細胞シーケンシングは非常に特異的な試料要件を有し（例えば、細胞は典型的には、処理されるまで生きたままである必要があり、したがって、新鮮な試料を収集日に処理する必要があり、又は特定のプロトコルに従って凍結された試料を必要とする）、バルクシーケンシングと比べて１試料当たりで非常に高いコストを要し（単一細胞シーケンシングは、バルクシーケンシングよりも少なくとも１桁高価である）、専用の研究所機器を必要とする。
【0004】
バルクＢ細胞集団のシーケンシングは、１試料当たり約１０７個のＢ細胞配列をより容易に回収することができ［Briney et al., 2019］、これは個人で予期される多様性にかなり近い。しかしながら、Ｂ細胞はライブラリ準備中に溶解するため、重－軽鎖対情報は保存されない。重鎖は抗原結合において支配的な役割を果たし、軽鎖レパートリーよりもはるかに多様である［Kovaltsuk et al., 2018］ため、典型的には、これらのバルクＢＣＲシーケンシング手法は重鎖のみにフォーカスする。しかしながら、抗体発見の場合、抗体の重鎖と軽鎖とを合成させ、機能を特徴付けるように、抗体の重鎖及び軽鎖の両方を有する必要がある。軽鎖対情報におけるギャップは、計算ペアリング方法の開発を促した［Reddy et al., 2020、Zhu et al., 2013、Raybould et al., 2021、Rakocevic et al., 2021］。しかしながら、これらは特定のデータセット及びこれらのデータセット内の少数の特定の配列に限られる。
【0005】
同様に、細胞性免疫も、Ｔ細胞レセプタ（ＴＣＲ）を通して異なる抗原に結合可能な多種多様なＴ細胞を必要とする。人間のＴＣＲレパートリーの全体サイズは最高で約１０１５個の独自のαβ Ｔ細胞レセプタ（ＴＣＲ）対で構成されると推定されている［Carter et al., 2019］。対になったαβ ＴＣＲシーケンシングの実験的手法が開発されている（単一細胞手法［Zheng et al., 2017］及び多細胞デコンボリューションベースの手法［Howie et al., 2015］を含む）が、これらは専用のままであり、スループットが限られたままである。したがって、利用可能なＴＣＲレパートリー知識の大部分は、単鎖レパートリー、大部分はβ鎖レパートリーでのバルクシーケンシングに基づく。これは、特にα及びβ ＴＣＲ鎖が両方ともアロ反応性及び抗原特異性に関わることが示されている［Carter et al., 2019］ため、本質的に制限される。
【発明の概要】
【発明が解決しようとする課題】
【0006】
したがって、ＢＣＲ重－軽鎖対又はＴＣＲ αβ鎖対等の鎖対を、このペアリング情報を含まないデータから同定する改良された方法がなお必要とされている。
【課題を解決するための手段】
【0007】
発明の概要
ＢＣＲ重－軽鎖対を同定する問題は、些細とはほど遠い。実際に、ＢＣＲレパートリーの多様性により、探索空間は大きくなる。さらに、幾つかの重－軽鎖組合せは安定したＢＣＲをもたらす（ペアリングがランダムであり得ると推測させた観測［Glanville et al., 2009；Jayaram et al., 2012；DeKosky et al., 2016］）が、限られた数のペアリングしか、標的抗原に結合可能な機能的なＢＣＲを生成しない［Teplyakov et al., 2016；Ling et al., 2018］。これは、機能的なペアリングが非ランダムであり、機能的なペアリングの決定が、非機能的であるにもかかわらず安定し得るペアリングの数により不明瞭になることを示す。実際に、安定した対を予測することができる場合であっても、これらは、実験による検証を要するとともに主に安定性に基づいて選択されたときに検証結果がよくないと予期される、相当数の解を生み出すため、正しい軽鎖の発見が難しいことを意味する。
ＢＣＲ重－軽鎖対を同定する問題は、些細とはほど遠い。実際に、ＢＣＲレパートリーの多様性により、探索空間は大きくなる。さらに、幾つかの重－軽鎖組合せは安定したＢＣＲをもたらす（ペアリングがランダムであり得ると推測させた観測［Glanville et al., 2009；Jayaram et al., 2012；DeKosky et al., 2016］）が、限られた数のペアリングしか、標的抗原に結合可能な機能的なＢＣＲを生成しない［Teplyakov et al., 2016；Ling et al., 2018］。これは、機能的なペアリングが非ランダムであり、機能的なペアリングの決定が、非機能的であるにもかかわらず安定し得るペアリングの数により不明瞭になることを示す。実際に、安定した対を予測することができる場合であっても、これらは、実験による検証を要するとともに主に安定性に基づいて選択されたときに検証結果がよくないと予期される、相当数の解を生み出すため、正しい軽鎖の発見が難しいことを意味する。
【0008】
複数の異なる計算手法が示唆されており、それらの各々は幾つかの大きな欠点がある。第１の手法は、独立してシーケンシングする際、ＢＣＲの重鎖の相対頻度と軽鎖の相対頻度をマッチングすることに基づくものであった［Reddy et al., 2010］。この研究では、マウスにまず免疫性が与えられて、強い免疫反応を生み出し、次いで上位４～５個の最も頻度の高い重鎖及び軽鎖をペアリングに選んだ。これらの上位４～５個の配列では、相対頻度に基づくペアリングは可能ではなかった。より近年、Rakocevic et al. [2021]は、試料が少数の高頻度Ｂ細胞優勢の場合しかこの手法が機能しないことを示した。Zhu et al. [2013]は、系統発生的ペアリングと呼ばれる方法を提案したが、これは、重鎖及び軽鎖配列データから生成された系統発生ツリーのアーキテクチャを比較することを含む。この方法は、特定のクローン性増殖；この場合、ＢＣＲレパートリー全体ではなく既知の抗ウイルス性抗体系統の調査に限定される。Raybould et al. [2021]は、重鎖及び軽鎖の構造モデルをｉｎ ｓｉｌｉｃｏでペアリングすることに基づく手法を提案した。手法は本質的に、高品質の構造鋳型の、制限され且つ高度にスキューした可用性により制限され、せいぜい、必ずしも機能性に繋がるわけではない安定性に関連する特徴を同定することができるだけである。さらに、手法は、特定の配列ではなく、同様の配列のファミリをペアリングすることしかできない（実用的適用性－実験で検証されていない－を制限する）。したがって、本発明者らは、計算による重－軽鎖対の現行の方法が、特定のデータセット及びこれらのデータセット内の配列のみに適用されるという点で制限されることを同定した。実際、存在する検証された手法は、重鎖配列及び軽鎖配列の両方が試料から利用可能であり、データが大きなクローン性増殖優勢であるデータセットにしか適用可能ではなく、これらのデータセット内の限られた数の配列のペアリングしか促進しない。
【0009】
本発明者らは、抗体発見への一般化された適用では、任意の所与の重鎖に実行可能な軽鎖を生成可能なことが望ましいことをさらに同定した。ＢＣＲレパートリーバルクシーケンシングの取り組みが多くの場合、軽鎖よりも重要な機能的役割を果たすと考えられている重鎖のシーケンシングについての限られたリソースにフォーカスするため、重鎖情報のみを使用してこれを生成可能なことがさらに望ましい。これらの問題に取り組むために、本発明者らは、自然言語処理（ＮＬＰ）における近年の進歩によりインスパイアされた深層学習方法を使用可能であることを前提とした。特に、トランスフォーマ［Vaswani et al., 2017］及び他の代替の深層学習アーキテクチャを使用して、ニューラル機械翻訳（ＮＭＴ）問題としてネイティブ軽鎖配列を同定する問題を表現した。トランスフォーマは、広範囲のＮＬＰタスクで現行技術水準の結果を示した［Vaswani et al., 2017；Devlin et al., 2019；Liu et al., 2019；Rothe et al., 2020］。したがって、本発明者らは、入力としてＢＣＲ重鎖のみを使用して軽鎖を生成するトランスフォーマモデル（「Matchmaker」と呼ばれる）を使用する方法を考案した。既知のペアリングを有する単一細胞データセットの多くのブラインドテストで、それらは、Matchmakerが他の４つの方法よりも正確な軽鎖遺伝子アノテーションを提供することを示した。次いで、既知の標的を有する９つの治療用抗体と一般に罹患した個人に見られるＣＯＶＩＤ－１９患者からの１８個の重鎖とのセットでの予測が検証された。全てのMatchmaker生成抗体は発現に成功し、安定していた；加えて、治療用抗体についての９つの予測のうちの３つ及びＣＯＶＩＤ－１９抗体についての１８の予測のうちの９つが、標的抗原にｉｎ ｖｉｔｒｏで結合する兆候を示した。この手法が、タンデムトランスフォーマを使用して、事前トレーニングステップにおいて単鎖配列の「言語を学習」することにより拡張することができることをさらに示した。この手法は、軽鎖対に対する新規の解決策及びバルク重鎖シーケンシングのギャップを埋める道を提供する。本発明者らは、同じ手法を使用して、αβ ＴＣＲ鎖対の問題を解くことができることをさらに同定した。
【0010】
したがって、第１の態様によれば、鎖対を含む抗原結合タンパク質を同定する方法が提供され、本方法は、第１鎖配列を含むクエリ配列を提供することと、入力としてクエリ第１鎖配列をとり、出力として少なくとも１つの対応鎖配列を生成し、それによりクエリ配列の対応鎖配列を同定するように構成された深層学習モデルにクエリ配列を提供することにより、対応鎖配列を同定することとを含み、深層学習モデルは、既知の鎖対からのトレーニング第１鎖配列及び対応鎖配列を使用してトレーニングされている。本方法は、以下の特徴の１つ又は複数を有し得る。
【0011】
鎖対は「可変鎖」と呼ぶことができる。「既知の鎖対」という表現は、所望の抗原結合機能を示す抗原結合タンパク質又は少なくとも１つの被験者のＢ細胞若しくはＴ細胞レパートリーの一部を形成する抗原結合タンパク質に存在することが既知の可変鎖配列の対を指す。後者は「ネイティブ」鎖対と呼ぶこともできる。
【0012】
抗原結合タンパク質は、重－軽鎖対を含み得、第１鎖配列は重鎖配列若しくは軽鎖配列であり、対応鎖配列は軽鎖配列若しくは重鎖配列である。第１鎖配列は重鎖配列であってよく、対応配列は軽鎖配列であってよい。抗原結合タンパク質はＢ細胞レセプタ若しくは抗体又はそれらから導出されたタンパク質であってよい。したがって、抗原結合タンパク質は重－軽鎖対を含み得る。クエリ配列は、重鎖配列又は軽鎖配列を含み得る。対応鎖配列は、軽鎖配列又は重鎖配列であってよい。
【0013】
抗原結合タンパク質はαβ鎖対を含み得、第１鎖配列はβ鎖配列若しくはα鎖配列であり、対応鎖配列はα鎖配列若しくはβ鎖配列である。第１鎖配列はβ鎖配列であってよく、対応配列はα鎖配列であってよい。抗原結合タンパク質はγδ鎖対を含み得、第１鎖配列はδ鎖配列若しくはγ鎖配列であり、対応鎖配列はγ鎖配列若しくはδ鎖配列である。第１鎖配列はδ鎖配列であってよく、対応配列はγ鎖配列であってよい。抗原結合タンパク質は、Ｔ細胞レセプタ又はそこから導出されたタンパク質であってよい。したがって、抗原結合タンパク質は、αβ鎖対又はγδ鎖対を含み得る。したがって、クエリ配列は、β若しくはδ鎖配列又はα若しくはγ鎖配列を含み得る。対応鎖配列は、α若しくはγ鎖配列又はβ若しくはδ鎖配列であってよい。
【0014】
深層学習モデルは、配列－配列モデルであり得る。深層学習モデルは、回帰型ニューラルネットワーク又はトランスフォーマであり得る。深層学習モデルは、配列－配列トランスフォーマベースモデルであり得る。回帰型ニューラルネットワークは、ゲート付き回帰型ユニット（ＧＲＵ）ベースのモデル又は長短期記憶（ＬＳＴＭ）モデルであり得る。例えば、ＧＲＵベースのモデルは、ＧＲＵベースのエンコーダ及びＧＲＵベースのデコーダを含み得る。エンコーダは、例えば、１０２４の隠れ次元を有する４層双方向ＧＲＵであり得る。デコーダは、例えば、１０２４の隠れ次元を有する４層順方向のみＧＲＵであり得る。トランスフォーマは、アテンションのメカニズムを使用する深層学習モデルである。トランスフォーマベースのモデルは、自己アテンション及びポイント毎の全結合層エンコーダ及びデコーダの両方に使用するアーキテクチャを有するトランスフォーマモデルであり得る。エンコーダ及び／又はデコーダは、４つの同一層のスタックで構成し得る。エンコーダの各層は２つの下位層を有し得る：つまり、マルチヘッド自己アテンション層及び位置毎の全結合フィードフォワードネットワーク層。デコーダの各層は３つの下位層を有し得る：つまり、自己アテンション下位層、エンコーダスタックの出力に対してマルチヘッドアテンションを実行する層及びフィードフォワードネットワーク層。モデルは１０２４のフィードフォワード次元を有し得る。
【0015】
深層学習モデルは、出力として、１つ又は複数の対応鎖配列を生成するように構成し得る。各対応鎖配列には、確率等の信頼メトリックを関連付け得る。クエリ配列の対応鎖配列は、１つ又は複数の対応鎖配列の中の最高信頼メトリックが関連付けられた１つ又は複数の対応鎖配列の配列として同定し得る。深層学習モデルは、出力として、単一の対応鎖配列を生成するように構成し得る。深層学習モデルは、各鎖を逐次予測するように構成し得る。換言すれば、深層学習モデルは、欲張り様式で予測を提供するように構成し得る。深層学習モデルは、ビームサーチ手法又はビームスタックサーチ［Zhou & Hansen, 2005］及び深さ優先ビームサーチ［Furcy & Koenig, 2005］等の関連する手法を使用して鎖を予測するように構成し得る。深層学習モデルは、出力として、複数の対応する鎖配列を生成するように構成し得る。複数の対応鎖配列の各々には、確率等の信頼メトリックを関連付け得る。最高信頼メトリックが関連付けられた単一の対応鎖配列を報告し得る。したがって、本方法は、１つ又は複数の対応鎖配列の中で最高信頼メトリックが関連付けられた複数の対応鎖配列のうちの１つとして、対応鎖配列を同定することを含み得る。代替的には、予測された全ての対応鎖配列を、有利なことには関連付けられた信頼メトリックと一緒に報告し得る。代替的には、予測され、１つ又は複数のさらなる基準を満たす全ての対応鎖配列を報告し得る。例えば、予測され、最高信頼メトリックと関連付けられた対応鎖配列から所定の範囲内の信頼メトリックが関連付けられたあらゆる対応鎖配列を報告し得る。
【0016】
既知の鎖対からのトレーニング第１鎖配列及び対応鎖配列は、単一Ｂ細胞シーケンシングデータからの対になったトレーニング重鎖配列及び軽鎖配列を含み得る。トレーニングデータは、被験者から取得された試料の単一Ｂ細胞シーケンシング又はそこから導出されたライブラリのシーケンシングにより、各々前に取得された１つ又は複数のデータセットを含み得る。トレーニングデータは、既知の抗体／Ｂ細胞レパートリーからの対になったトレーニング重鎖配列及び軽鎖配列をさらに含み得る。例えば、トレーニングデータは、１つ又は複数の抗体／ＢＣＲデータベースから、１つ又は複数の既知の治療用抗体／ＢＣＲから、及び／又は所望の結合機能を有することが既知の１つ又は複数の抗体／ＢＣＲからの対になったトレーニング重鎖配列及び軽鎖配列を含み得る。
【0017】
トレーニングデータは、ナイーブＢ細胞レセプタライブラリからの対になったトレーニング重鎖配列及び軽鎖配列を含み得る。トレーニングデータは、抗原経験Ｂ細胞レセプタライブラリからの対になったトレーニング重鎖配列及び軽鎖配列を含み得る。したがって、トレーニングデータは、１つ又は複数の特定の抗原に暴露されたことがある被験者から取得された対になったトレーニング重鎖配列及び軽鎖配列を含み得る。
【0018】
既知の鎖対からのトレーニング第１鎖配列及び対応鎖配列は、単一Ｔ細胞シーケンシングデータからの対になったトレーニングα鎖配列及びβ鎖配列を含み得る。トレーニングデータは、被験者から取得された試料の単一Ｔ細胞シーケンシング又はそこから導出されたライブラリのシーケンシングにより各々前に取得された１つ又は複数のデータセットを含み得る。トレーニングデータは、既知のＴ細胞レパートリーからの対になったトレーニング第１鎖配列及び対応鎖配列をさらに含み得る。例えば、トレーニングデータは、１つ又は複数のＴ細胞レセプタデータベースから、１つ又は複数の既知の治療用ＴＣＲから、及び／又は所望の結合機能を有することが既知の１つ又は複数のＴＣＲからの対になったトレーニングα鎖配列及びβ鎖配列を含み得る。トレーニングデータは、ナイーブＴ細胞レセプタライブラリからの対になったトレーニングα鎖配列及びβ鎖配列（又はδ及びγ）を含み得る。トレーニングデータは、抗原経験Ｔ細胞レセプタライブラリからの対になったトレーニングα鎖配列及びβ鎖配列（又はδ鎖配列及びγ鎖配列）を含み得る。したがって、トレーニングデータは、１つ又は複数の特定の抗原に暴露されたことがある被験者から取得された対になったトレーニングα鎖配列及びβ鎖配列（又はδ鎖配列及びγ鎖配列）を含み得る。
【0019】
既知の鎖対からのトレーニング第１鎖配列及び対応鎖配列は、対になったトレーニング鎖配列を含み得、各対は、Ｖ遺伝子配列又は識別子、Ｊ遺伝子配列又は識別子、及び接合配列、及び任意選択的にＤ遺伝子配列又は識別子を含むか又はそれからなる鎖配列を含む。既知の鎖対からのトレーニング第１鎖配列及び対応鎖配列は、対になったトレーニング鎖配列を含み得、各対は、Ｖ遺伝子配列又は識別子、Ｊ遺伝子配列又は識別子、及び接合配列を含むか又はそれからなる鎖配列を含むか又はそれからなる鎖配列を含む。トレーニングデータは、少なくとも８０，０００、少なくとも１００，０００、少なくとも１２０，０００、又は少なくとも１５０，０００対のトレーニング配列、例えば、トレーニング重鎖配列及び計算配列を含み得る。有利なことには、トレーニングデータは、少なくとも１５０，０００対のトレーニング重鎖配列及び軽鎖配列を含み得る。トレーニングデータは、哺乳類、例えばヒト等の鎖配列対を含み得る。トレーニングデータは、哺乳類の重鎖配列及び／又は軽鎖配列を含み得る。トレーニングデータは、ヒトの重鎖配列及び／又は軽鎖配列を含み得る。トレーニングデータは、クエリ配列と同じ種からのトレーニング配列対を含み得る。トレーニングデータは、クエリ配列と同じ種からの少なくとも５０％、少なくとも７０％、少なくとも８０％、少なくとも９０％、又は少なくとも９５％の配列を含み得る。クエリ配列は、トレーニングデータに存在しない配列であり得る。クエリ配列は、所望の表現型等の所望の特性を有する被験者からの試料から取得された配列であり得る。例えば、被験者は特定の臨床特性を有し得る。
【0020】
トレーニングデータは、対になっていないトレーニング第１配列及び／又は対応配列をさらに含み得る。これについてさらに以下に説明する。対になっていないトレーニング第１鎖配列及び／又は対応鎖配列は、対になった配列に関連して説明した配列の任意の特徴を有し得る。特に、対になっていない鎖配列は、対になった配列と同じタイプの配列であってもよく（例えば、対になったトレーニング配列が重鎖及び軽鎖対である場合、対になっていないトレーニング第１鎖配列／対応鎖配列は対になっていない重鎖及び／又は軽鎖を含み得る）、同じ有機体からの配列を含んでもよく（例えば、哺乳類の配列及び／又はヒトの配列を含んでもよく、１つ又は複数の有機体からの配列を含んでもよく、ナイーブライブラリ及び／又は抗原暴露ライブラリ等からの配列を含んでもよい）、同じ情報（例えば、遺伝子分節識別子、配列、及びそれらの組合せ等）を含んでもよい。対になっていないトレーニング配列は、対になったトレーニング配列に存在する第１配列及び／又は対応配列の幾つか又は全てを含み得る。有利なことには、対になっていないトレーニング配列は、対になったトレーニング鎖配列よりも多くの第１鎖配列及び／又はより多くの対応鎖配列を含み得る。追加の対になっていないトレーニング配列の使用は、深層学習モデルが、対になっていないトレーニング第１配列及び／又は軽対応配列を使用して予めトレーニングされたエンコーダと、対になっていないトレーニング対応鎖配列及び／又は第１鎖配列を使用して予めトレーニングされたデコーダとを含むトランスフォーマベースのモデルである実施形態において特に有利であり得る。
【0021】
クエリ鎖配列は、Ｖ遺伝子配列又は識別子、Ｊ遺伝子配列又は識別子、及び接合配列、及び任意選択的にＤ遺伝子配列又は識別子を含み得るか又はそれからなり得る。対応鎖配列は、Ｖ遺伝子配列又は識別子、Ｊ遺伝子配列又は識別子、及び接合配列を含み得るか又はそれからなり得る。クエリ鎖配列は、Ｖ遺伝子配列又は識別子、Ｊ遺伝子配列又は識別子、及び接合配列を含み得るか又はそれからなり得る。対応鎖配列は、Ｖ遺伝子配列又は識別子、Ｊ遺伝子配列又は識別子、及び接合配列、及び任意選択的にＤ遺伝子配列又は識別子を含むか又はそれからなる。クエリ鎖配列及び対応鎖配列の形式は、トレーニング鎖配列の形式に関連する。したがって、Ｖ遺伝子配列又は識別子、Ｊ遺伝子配列又は識別子、及び接合配列、及び任意選択的にＤ遺伝子配列又は識別子を含むか又はそれからなるトレーニング鎖配列を使用してトレーニングされた深層学習モデルは、これらの成分を含むか又はこれらの成分からなる鎖配列を入力として受け入れ得又は出力として生成し得る。同様に、Ｖ遺伝子配列又は識別子、Ｊ遺伝子配列又は識別子、及び接合配列を含むか又はそれからなるトレーニング鎖配列を使用してトレーニングされた深層学習モデルは、これらの成分を含むか又はこれらの成分からなる鎖配列を入力として受け入れ得又は出力として生成し得る。クエリ配列は、１つ若しくは複数の第１鎖ＣＤＲ配列を含み得又は１つ若しくは複数の第１鎖ＣＤＲ配列からなり得る。対応配列は、１つ若しくは複数の対応鎖ＣＤＲ配列を含み得又は１つ若しくは複数の対応鎖ＣＤＲ配列からなり得、任意選択的に、クエリ／対応配列はＣＤＲ３配列を含むか又はＣＤＲ３配列からなる。
【0022】
全ての配列はアミノ酸配列であり得る。クエリ配列を深層学習モデルに提供することは、エンコード方式を使用してクエリ配列をエンコードすることを含み得、各遺伝子配列識別子は個々のトークンに対応する。クエリ配列を深層学習モデルに提供することは、エンコード方式を使用してクエリ配列をエンコードすることを含み得、各アミノ酸は個々のトークンに対応する。クエリ配列を深層学習モデルに提供することは、エンコード方式を使用してクエリ配列をエンコードすることを含み得、配列（即ち、遺伝子識別子ではなく完全な配列として利用可能な配列）は、各々が個々のｋ－ｍｅｒに対応するトークンを使用して又はバイト対エンコードを使用してエンコードされる。各配列は、重複ｋ－ｍｅｒ（overlappin k-mers）を使用してエンコードし得る。ｋ－ｍｅｒは長さ１～５であり得る。ｋ－ｍｅｒは固定長であり得る。例えば、１、２、３、４、又は５の固定ｋ－ｍｅｒ長が使用され得る。長さ１のｋ－ｍｅｒは、各キャラクタ（例えば、各アミノ酸）を個々にエンコードすることと等しい。長さｋ＞２（例えば３等）のｋ－ｍｅｒは、重複又は非重複ｋ－ｍｅｒを使用するエンコード方式の一環として使用され得る。重複ｋ－ｍｅｒは、異なる程度で重複し得る。例えば、長さ３のｋ－ｍｅｒは、１又は２キャラクタ重複し得る。ｋ＝３を使用する方式では、各トークンは３キャラクタの独自のセット（例えば、３つのアミノ酸のモチーフ）に対応する。対応する鎖配列の同定は、各遺伝子配列識別子が個々のトークンに対応するエンコード方式を使用して、深層学習モデルにより出力された対応配列をデコードすることを含み得る。対応する鎖配列の同定は、各アミノ酸が個々のトークンに対応するエンコード方式を使用して、深層学習モデルにより出力された対応配列をデコードすることを含み得る。対応する鎖配列の同定は、配列が、個々のｋ－ｍｅｒに各々対応するトークンを使用して又はバイト対エンコードを使用してエンコードされるエンコード方式を使用して、深層学習モデルにより出力された対応配列をデコードすることを含み得る。各配列は、重複ｋ－ｍｅｒを使用してエンコードし得る。エンコード方式は、トレーニング鎖配列の内容に基づいて先に定義されていることがある。エンコード方式は、トレーニング鎖配列の内容に基づいて先に定義されていることがあり、トークンは、トレーニングデータにおいて所定の閾値（例えば、２）を下回る回数、使用された場合（対になったトレーニングデータにおける第１鎖配列及び対応鎖配列で別個に又はまとめて）、トレーニング鎖配列の内容に基づいて構築されるボキャブラリから除外される。エンコード方式は、トレーニングデータにおけるトレーニング第１鎖及びトレーニング対応鎖のボキャブラリを別個に構築することにより、トレーニング鎖配列の内容に基づいて先に定義されていることがある。
【0023】
トレーニングデータは、長さの所定の範囲外の接合配列（第１鎖及び／又は対応鎖内に）を含む任意の対を除外するようにフィルタリングされていてよい。換言すれば、トレーニングデータは、長さの所定の範囲外の第１（例えば、重）鎖接合及び／又は長さの所定の範囲外の対応（例えば、軽）鎖接合を含むいかなる対も含まなくてよい。例えば、アミノ酸３個、４個、５個、６個、７個、８個、９個、又は１０個等の所定の長さを下回る重鎖接合配列を含む対は除外し得る。別の例として、例えば、アミノ鎖２５個、２６個、２７個、２８個、２９個、３０個、３１個、３２個、３３個、３４個、又は３５個等の所定の長さを超える重鎖接合配列を含む対は除外し得る。別の例として、例えば、アミノ酸３個、４個、５個、６個、７個、８個、９個、又は１０個等の所定の長さを下回る軽鎖接合配列を含む対は除外し得る。別の例として、例えば、アミノ鎖１５個、１６個、１７個、１８個、１９個、２０個、２０個、２１個、２２個、２３個、２４個、２５個、２６個、２７個、２８個、２９個、又は３０個等の所定の長さを超える軽鎖接合配列を含む対は除外し得る。所定の長さは、対の対応（例えば、軽）鎖及び第１（例えば、重）鎖における接合配列で同じであってもよく又は異なってもよい。具体例では、アミノ酸７個よりも少ない重鎖接合配列を含む対は除外し得及び／又はアミノ酸３０個を超える重鎖接合配列を含む対は除外し得る。これに代えて又は加えて、アミノ酸７個よりも少ない軽鎖接合配列を含む対は除外し得及び／又はアミノ酸２０個を超える軽鎖接合配列を含む対は除外し得る。
【0024】
クエリ配列及び／又は対応配列は、１つ又は複数の遺伝子配列識別子を含み得、本方法は、１つ又は複数の遺伝子配列識別子を対応生殖細胞系配列で置換することをさらに含み得る。
【0025】
深層学習モデルは、対になっていないトレーニング第１鎖配列及び／又は対応鎖配列を使用して予めトレーニングされたエンコーダと、対になっていないトレーニング対応鎖配列及び／又は第１鎖配列を使用して予めトレーニングされたデコーダとを含むトランスフォーマベースのモデルであり得る。エンコーダ及び／又はデコーダは、ＢＥＲＴモデル、若しくは例えば、ＢＥＲＴ、ＲｏＢＥＲＴａ、又はＤｉｓｔｉｌＢＥＲＴ等のその変形、及び／又はＧＰＴ－２等の自己回帰型トランスフォーマモデルを含み得る。エンコーダ及び／又はデコーダは、ＲｏＢＥＲＴａモデル、ＢＥＲＴモデル、及び／又はＧＰＴ－２モデルを含み得る。エンコーダ及びデコーダは同じモデルを含み得る。エンコーダ及びデコーダは両方とも、対になっていないトレーニング対応鎖配列及び第１鎖配列を使用してトレーニングされたモデルを含み得る。例えば、エンコーダ及びデコーダは両方とも、各々第１鎖配列及び対応鎖配列を含むランダム対を使用してトレーニングされたモデルを含み得る。代替的には、エンコーダはトレーニングされた第１（例えば、重又は軽）鎖配列を使用してトレーニングされたモデルを含み得、デコーダは対応（例えば、軽又は重）鎖配列を使用してトレーニングされたモデルを含み得る。エンコーダ及びデコーダが両方とも、対になっていないトレーニング第１鎖配列及び対応鎖配列を使用してトレーニングされたモデルを含む場合、エンコーダ及びデコーダは両方とも同じ予めトレーニングされたモデルを含み得る。したがって、エンコーダ及びデコーダは、同じパラメータと共に同じアーキテクチャを有する、予めトレーニングされたモデルを使用して初期化し得る。対になっていないトレーニング鎖配列は、対応鎖の可変領域に全長配列を含み得る。対になっていないトレーニング対応鎖配列は、第１鎖の可変領域に全長配列を含み得る。トランスフォーマベースのモデルは、既知の鎖対からの対になった第１鎖配列及び対応（例えば、重及び軽）鎖配列を使用してトレーニングされた可能性があり、上記配列は、対応鎖及び／又は第１鎖の可変領域に完全な長さの配列を含まない。そのような実施形態では、トランスフォーマベースのモデルは、欠損配列情報を推定することで対応鎖及び／又は第１鎖の可変領域に完全な長さの配列を含む対になったトレーニング配列を取得することによりトレーニングされていてよい。
【0026】
欠損配列情報をインプットすることは、対応生殖細胞系配列で遺伝子識別子を置換することを含み得る。欠損配列情報をインプットすることは、予めトレーニングされたエンコーダ及び／又は予めトレーニングされたデコーダを使用して（例えば、欠損配列情報が推定される鎖に応じて）、対になったトレーニング第１（例えば、重）鎖配列及び／又は対応（例えば、軽）鎖配列の各々から全長配列を予測することを含み得る。代替的には、対になっていないトレーニング対応（例えば、軽）鎖配列及び／又は対になっていないトレーニング第１（例えば、重）鎖配列は、エンコーダ及び／又はデコーダをトレーニングする前、対になった各トレーニング配列の形式に一致する形式に変換されていることがある。
【0027】
クエリ配列を提供することは、ユーザインタフェースを通してユーザから、計算デバイスから、配列取得手段又は配列取得手段と関連付けられた計算デバイスから、データベース又は他のコンピュータ可読媒体からクエリ配列を取得することを含み得る。クエリ配列を提供することは、クエリ配列を含む抗原結合分子の遺伝物質エンコードを含む試料をシーケンシングすることを含み得る。クエリ配列を取得することは、Ｂ細胞を含む試料のＢ細胞バルクシーケンシング、Ｔ細胞を含む試料のＴ細胞バルクシーケンシング、又はクエリ配列を含む抗原結合分子を発現する任意の他の細胞若しくはＢ細胞レセプタライブラリ若しくはＴ細胞レセプタライブラリ等のそこから導出された遺伝物質を含む試料のバルクシーケンシングを実行することを含み得る。クエリ配列を提供することは、Ｂ細胞、Ｔ細胞、クエリ配列を含む抗原結合分子を発現する他の細胞、又はＢ細胞レセプタライブラリ若しくはＴ細胞レセプタライブラリ等のそこから導出された遺伝物質を含む試料を取得することを含み得る。クエリ配列を提供することは、例えば、Ｂ細胞（又はクエリ配列を含む抗原結合分子を発現している任意の他の細胞又はＢ細胞レセプタライブラリ等のそこから導出される遺伝物質）を含む試料のＢ細胞バルクシーケンシングを実行することにより、クエリ配列を含む抗原結合分子の遺伝物質エンコードを含む試料をシーケンシングすることを含み得る。クエリ配列を提供することは、Ｂ細胞、又はクエリ配列を含む抗原結合分子を発現している他の細胞、又はＢ細胞レセプタライブラリ等のそこから導出された遺伝物質を含む試料を取得することを含み得る。
【0028】
本方法は、ユーザインタフェースを通して、同定された対応配列、その一部、又はそこから導出された情報をユーザに提供することをさらに含み得る。
【0029】
第２の態様によれば、第１鎖配列を含む複数のクエリ配列に抗原結合タンパク質鎖対を提供する方法が提供され、本方法は、各クエリ配列に対して第１の態様の任意の実施形態の方法を実行することを含む。複数のクエリ配列は、バルクＢ細胞レパートリーシーケンシングにより取得された重又は軽鎖配列であり得る。複数のクエリ配列は、少なくとも１００、少なくとも１０００、少なくとも１０，０００、又は少なくとも１００，０００の配列を含み得る。複数のクエリ配列は、被験者からの試料等の試料中の重又は軽鎖レパートリーのバルクＢ細胞シーケンシングにより取得されていてよい。複数の配列は、試料中の重又は軽鎖レパートリーのバルクＢ細胞シーケンシングにより取得された配列のセットのうちのサブセットであり得る。本発明の態様による本方法は、第１の態様に関連して説明した任意の特徴を有し得る。
【0030】
第３の態様によれば、所望の性質を有する抗原結合タンパク質を提供する方法が提供され、本方法は、第１鎖配列を含む１つ又は複数のクエリ配列を提供することであって、１つ又は複数のクエリ配列の少なくとも１つは所望の性質を有する可能性が高い、提供することと、第１の態様の任意の実施形態の方法を使用して１つ又は複数のクエリ配列の各々の対応鎖配列を同定することとを含む。本方法は、以下の特徴の１つ又は複数を有し得る。
【0031】
本方法は、クエリ配列及びそれから導出された１つ又は複数の対応配列の一方を各々が含む１つ又は複数の抗原結合タンパク質候補を取得することをさらに含み得る。本方法は、所望の性質について１つ又は複数の抗原結合タンパク質候補を検定することをさらに含み得る。本態様の方法は、第１又は第２の態様に関連して説明した任意の特徴を有し得る。１つ又は複数の抗原結合タンパク質候補は、抗体又はその断片であり得る。同定された鎖対から導出された配列は、同じＣＤＲを含むが、フレームワーク領域が異なる配列、同定された鎖対と比べて１つ又は複数の変異を含む配列、及び同定された鎖対の１つ又は複数の断片を含む配列を含み得る。抗原結合タンパク質候補を取得することは、抗原結合タンパク質候補のコード配列を同定することと、適した発現系（例えば、適した宿主細胞等）で配列を発現させることとを含み得る。
【0032】
所望の性質は、所望の結合性質（例えば、１つ若しくは複数の標的に結合する能力、１つ若しくは複数の各閾値を超える親和性でもって１つ若しくは複数の標的に結合する能力等）、所望の発現性質（例えば、１つ若しくは複数の発現系における標準と比べて高い発現レベル、１つ若しくは複数の発現系における所定のレベルを超える発現レベル、１つ若しくは複数の発現系における所定のレベルを超える収率等）、所望の安定性質（例えば、１つ若しくは複数の条件で特定の閾値を超える安定性等）、又はそれらの組合せであり得る。所望の性質は、所定の標的に結合する能力を含み得る。所望の性質について１つ又は複数の抗原結合タンパク質候補を検定することは、例えば、１つ又は複数の抗原候補への結合について検定することにより、１つ又は複数の抗原結合タンパク質候補が結合する１つ又は複数の抗原を同定することを含み得る。所望の性質について１つ又は複数の抗原結合タンパク質候補を検定することは、例えば、既知の標的を有する１つ又は複数の抗体との比較により、１つ又は複数の抗原結合タンパク質候補が結合する１つ又は複数の抗原を同定することを含み得る。抗原結合タンパク質は治療用抗体であり得、所望の性質は治療標的の結合を含み得る。抗原結合タンパク質は、本明細書では「免疫タンパク質」と呼ばれることもある。
【0033】
所望の性質について１つ又は複数の抗原結合タンパク質候補を検定することは、有機体（例えば、動物モデル等）における所望の表現型の有無又は１つ若しくは複数の抗原結合タンパク質候補を発現する細胞の有無を同定することを含み得る。所望の表現型の存在を同定することは、１つ又は複数のモデル細胞（例えば、１つ若しくは複数の細胞株）又は有機体（例えば、１つ若しくは複数の動物モデル等）内で１つ又は複数の抗原結合タンパク質候補を発現させることを含み得る。
【0034】
本方法は、１つ又は複数の抗原結合タンパク質候補の少なくとも１つの配列を最適化することをさらに含み得る。抗原結合タンパク質候補の配列を最適化することは、例えば、当技術分野において既知の任意の抗体最適化技法を使用して実行し得る。抗原結合タンパク質候補の配列を最適化することは、例えば、鎖対が同定された入力配列と同様の配列を解析することにより、鎖対が同定された配列データからの情報を使用して実行し得る。抗原結合タンパク質を最適化する方法は、当技術分野で既知であり、とりわけ、Mason et al. [2021]、Seeliger et al., [2015]、Warszawski et al. [2019]、Hsiao et al. [2019]、及びRichardson et al. [2021]に記載の方法を含む。これらの方法のいずれも本発明の状況内で使用することが可能である。
【0035】
クエリ配列は、既知の抗体の重鎖配列（又は重鎖配列の一部）を含み得る。したがって、第１鎖は、既知の抗体の重鎖配列又は重鎖配列の一部であり得る。
【0036】
クエリ配列は、１つ又は複数の試料中の重鎖レパートリーのバルクＢＣＲシーケンシングにより取得されていてよい。本方法は、１つ又は複数の試料中の重鎖レパートリーのバルクＢＣＲシーケンシングによりクエリ配列を取得するステップを含み得る。１つ又は複数の試料は、１人又は複数人の被験者からの試料であり得る。１人又は複数人の被験者は、所望の特性、例えば、特定の臨床表現型又はバイオマーカプロファイル等の臨床的に関連する特性等を有するものとして同定されていてよい。例えば、１人又は複数人の被験者は、特定の疾患又は症状に対する回復力を有し得る。疾患又は症状は、がん（例えば、乳がん等）、神経変性疾患（例えば、筋萎縮性側索硬化症等）、及び感染疾患（例えば、ＣＯＶＩＤ－１９等）から選択し得る。
【0037】
本方法は、１つ又は複数の試料において同定された第１（例えば、重）鎖配列から選択される複数のクエリ鎖配列（例えば、重鎖配列）の鎖対（例えば、重－軽対）を同定し、それにより、鎖対（例えば、重－軽鎖対）のセットを取得することを含み得る。
【0038】
本方法は、複数のペプチド候補と突き合わせて、１つ又は複数の試料と同じソースからの抗体をスクリーニングすることにより、１つ又は複数の標的を同定することをさらに含み得る。複数のペプチド候補は、１つ又は複数の試料の由来元である種に基づいて選択し得る。例えば、１つ又は複数の試料のソースは、１人又は複数人のヒト被験者であり得、１つ又は複数の試料と同じソースからの抗体レパートリーは、ヒトペプチドームを表すペプチド候補のセットと突き合わせてスクリーニングされて、複数のペプチド候補を選択し得る。
【0039】
１つ又は複数の抗原結合タンパク質候補が結合する抗原を同定することは、複数のペプチド候補と突き合わせて、１つ又は複数の試料と同じソースからの抗体をスクリーニングすることにより同定された１つ又は複数の標的を使用することを含み得る。本方法は、１つ又は複数の基準に基づいて、同定された鎖対のセットをフィルタリングすることをさらに含み得る。１つ又は複数の基準は、抗原結合タンパク質候補が結合するか、又は結合すると予測される抗原又は抗原のセットの同定に適用し得る。
【0040】
１つ又は複数のクエリ配列を提供することは、第１のクエリ（例えば、重）鎖配列及び第２のクエリ（例えば、重）鎖配列を提供することを含み得、１つ又は複数のクエリ配列の各々の対応（例えば、軽）鎖配列を同定することは、１つ又は複数の第１の対応（例えば、軽）鎖配列及び１つ又は複数の第２の対応（例えば、軽）鎖配列を同定することを含み得る。本方法は、第１の対応鎖配列と第２の対応鎖配列とを比較して、第１（例えば、重）鎖の両方を含む二重特異性抗体の共通対応（例えば、軽）鎖としての使用に適し得る１つ又は複数の軽鎖を同定することをさらに含み得る。
【0041】
第４の態様によれば、鎖対を含む抗原結合タンパク質を同定するためのツールを提供する方法が提供され、本方法は、既知の第１鎖及び対応鎖の対からのトレーニング第１配列及び対応配列を含むトレーニングデータを提供することと、トレーニングデータを使用して、入力としてクエリ第１鎖配列をとり、出力として少なくとも１つの対応鎖配列を生成するように深層学習モデルをトレーニングすることとを含む。本態様の方法は、第１の態様に関連して説明した任意の特徴を有し得る。本方法は、以下の特徴の任意の１つ又は複数を有し得る。本方法は、トレーニング第１鎖配列をエンコードするためのボキャブラリ及びトレーニング対応鎖配列をエンコードするためのボキャブラリを取得することをさらに含み得る。ボキャブラリは、エンコード方式を使用して取得し得、ここで、任意の遺伝子配列識別子は個々のトークンに対応する。ボキャブラリは、任意の配列が少なくとも部分的に、各々が個々のアミノ酸に対応するトークンを使用してエンコードされるエンコード方式を使用して取得し得る。ボキャブラリは、各々が個々のｋ－ｍｅｒに対応するトークンを少なくとも部分的に使用して任意の配列がエンコードされ、又はバイト対エンコードを使用してエンコードされるエンコード方式を使用して取得し得る。
【0042】
トレーニングデータを提供することは、対になっていない第１鎖配列及び対応鎖配列を提供することを含み得る。対になっていないトレーニング第１鎖配列及び対応鎖配列はトレーニング前データと呼ぶことができる。本方法は、対になっていないトレーニング第１及び／又は対応（例えば、重及び／又は軽）鎖配列を使用して第１のトランスフォーマベースのモデルをトレーニングし、対になっていないトレーニング対応及び／又は第１（例えば、軽及び／又は重）鎖配列を使用して第２のトランスフォーマベースのモデルをトレーニングすることと、予めトレーニングされた第１及び第２のトランスフォーマモデルを使用して、深層学習モデルのエンコーダ及びデコーダをそれぞれ初期化することとをさらに含み得る。
【0043】
第１及び第２のトランスフォーマベースのモデルは各々、ＢＥＲＴモデル又は例えば、ＢＥＲＴ、ＲｏＢＥＲＴａ、若しくはＤｉｓｔｉｌＢＥＲＴ等のその変形又はＧＰＴ－２等の自己回帰型トランスフォーマモデルを含み得る。第１及び第２のトランスフォーマベースのモデルは各々、ＲｏＢＥＲＴａモデル、ＢＥＲＴモデル、又はＧＰＴ－２モデルを含み得る。
【0044】
本方法は、トレーニングされた深層学習モデルをユーザに提供することをさらに含み得る。
【0045】
本明細書に記載の方法は、文脈により別段のことが示される場合、例えば、試料が取得、処理、解析され、又は分子若しくは組成物が産生、検定、若しくは任意の他の目的で使用される場合等を除き、コンピュータで実施される。
【0046】
第５の態様によれば、システムが提供され、本システムは、プロセッサと、命令を含むコンピュータ可読媒体であって、命令は、プロセッサにより実行されると、プロセッサに任意の先の態様の任意の実施形態の方法のステップを実行させる、コンピュータ可読媒体とを備える。命令は、プロセッサに、第１及び／又は第４の態様の任意の実施形態の方法のステップを実行させ得る。
【0047】
第６の態様によれば、命令を含む１つ又は複数のコンピュータ可読媒体であって、命令は、１つ又は複数のプロセッサにより実行されると、１つ又は複数のプロセッサに、任意の先の態様の任意の実施形態の方法のステップを実行させる、１つ又は複数のコンピュータ可読媒体が提供される。命令は、プロセッサに、第１及び／又は第４の態様の任意の実施形態の方法のステップを実行させ得る。
【図面の簡単な説明】
【0048】
図面の簡単な説明
【図1】本開示による鎖対を同定する方法を概略的に示すフローチャートである。
【図2】本開示による鎖対を同定するシステムの一実施形態を示す。
【図3A】入力として重鎖のみを使用する複数の軽鎖予測方法を概略的に示す。Ａ：重鎖トークン化及び配列への軽鎖トークン変換を用いるトランスフォーマアーキテクチャ。
【図3B】入力として重鎖のみを使用する複数の軽鎖予測方法を概略的に示す。Ｂ：重鎖入力及び軽鎖出力を有するＧＲＵモデル。
【図3C】入力として重鎖のみを使用する複数の軽鎖予測方法を概略的に示す。Ｃ：データベース探索方法ワークフロー。
【図3D】入力として重鎖のみを使用する複数の軽鎖予測方法を概略的に示す。Ｄ：頻度探索が重及び軽鎖リードカウントのランク付き分布に一致し、次いで、同様のランクを有する鎖をペアリングする。ランダム探索は、データベース探索法の変形であり、示されていない。
【図4】重鎖及び軽鎖のアーキテクチャと、このアーキテクチャに関連して本明細書で使用されるデータの構成とを概略的に示す。Ａ．Ｉｇ重鎖のアーキテクチャ。Ｖ、Ｄ、及びＪ遺伝子の大まかな境界が、接合の境界と共に記される。Ｎ末端に向かうＶ遺伝子の分節は点線境界内にあり、その理由は、多くのＮＧＳ法からのリード長が、この領域をカバーするには短すぎ及び／又はＮＧＳに使用される幾つかのプライマーがＶ領域内にわずかに差し込まれるためである。しかしながら、実線境界内の配列を使用してＶ遺伝子を推測することがなお可能である。Ｂ．Ａと同じであるが、軽鎖の場合。Ｃ．DeKosky et al. (2015)からの対になったリードアーキテクチャの設計の再作成。
【図5】重鎖入力及び本明細書に記載のトランスフォーマモデルからの軽鎖予測のアテンションヒートマップを示す。各列は入力重鎖トークンに対応し、各行は出力軽鎖トークンを表す。８つのアテンションヘッドのうちの４つが示され、各ヘッドが重鎖の異なるトークンにいかにフォーカスするかを示す。
【図6B】図３に示された方法でのヘルドアウトテストセット及び単一細胞ブラインドテストでの予測性能を示す。Ｂ：King et al. [2021]データセットで予測された軽鎖接合配列のレーベンシュタイン距離分布。レーベンシュタイン距離は、予測された軽鎖接合アミノ酸配列がオリジナルといかに異なるかを定量化するメトリックであり、距離が長いほど不良な予想を意味する。
【図7】ネイティブペルツズマブ軽鎖（黄色）と重鎖（白色）との接触の概略表現を示す；ＰＤＢ：１ｓ７８。画像の中心に、アラニンが球棒模型で示されており、より大きな側鎖を有するアスパラギンは、Matchmakerが予測したように、クラッシュを生じさせ、発現なしに繋がった可能性がある。
【図8】アテゾリズマブ結合のＥＬＩＳＡトレースを示す。塗りつぶされた点は標的に対する異なる抗体の結合曲線を表し、一方、塗りつぶされていない点は無関係の抗原に対する結合を表す。
【図9】２つのリンクされたＡｎｔｉＢＥＲＴａモデルを使用して、本明細書に記載のタンデムトランスフォーマモデルのトレーニング手順を示す。Ａ．マスキングされた言語モデルタスクのセットのトレーニング、検証、及び検定の作成。Ｂ．トレーニング前手順のセットアップ及び続くステップに向けてモデルフィードをいかに「ウォームアップ」するか。Ｃ．ウォームアップされたモデルをＮＭＴのＳｅｑ２Ｓｅｑモデルの一環としていかに使用することができるかの概説。
【発明を実施するための形態】
【0049】
発明の詳細な説明
本発明を説明するに当たり、以下の用語が採用され、以下示されるように定義されることが意図される。
本発明を説明するに当たり、以下の用語が採用され、以下示されるように定義されることが意図される。
【0050】
Ｂ細胞レセプタは、Ｂ細胞の表面に発現する膜貫通タンパク質である。Ｂ細胞レセプタは、同種抗原を認識する膜結合免疫グロブリン分子（抗体とも呼ばれる）を含む結合部分（「抗原結合サブユニット」又は「膜免疫グロブリン」、「ｍｌｇ」とも呼ばれる）と、シグナル伝達部分とを含む。膜結合免疫グロブリン分子は、２つの免疫グロブリン軽鎖及び２つの免疫グロブリン重鎖を含み、膜内在性ドメインを除き、対応する分泌される抗体と同一である。シグナル伝達部分は、一緒に結合されるとともに、ジスルフィド架橋により免疫グロブリンに結合されたＩｇ－α／Ｉｇ－β（ＣＤ７９）と呼ばれるヘテロ二量体である。抗体（Ａｂ）又は免疫グロブリン（Ｉｇ）は、抗原結合部位と、アイソタイプの限られたセット（ＩｇＡ、ＩｇＤ、ＩｇＥ、ＩｇＧ、又はＩｇＭ）の１つに属し、免疫系の他の成分との相互作用を仲介する定常領域とを含む免疫タンパク質である。ヒト及び大半の哺乳類では、抗体は４つのポリペプチド鎖を含む：ジスルフィド結合により接続された２つの同一の重鎖及び２つの同一の軽鎖。軽鎖は典型的には１つの可変ドメインＶＬ及び１つの定常ドメインＣＬからなり、一方、重鎖は典型的には１つの可変ドメインＶＨ及び３～４つの定常ドメインＣＨ１、ＣＨ２、・・・からなる。可変ドメインは、抗原結合領域を形成し、ＦＶ領域と呼ぶこともできる。各可変ドメインは、一緒になって抗原結合部位を形成する、相補性決定領域（ＣＤＲ）と呼ばれる３つの高頻度可変性領域を含む。各免疫グロブリン重鎖又は軽鎖の可変領域は、幾つかの個片－遺伝子分節（小遺伝子）として知られる－にエンコードされる：Ｉｇ重鎖は可変（Ｖ）分節、多様性（Ｄ）分節、及び接合（Ｊ）分節を含み、Ｉｇ軽鎖はＶ分節及びＪ分節を含む。Ｖ、Ｄ、及びＪ遺伝子分節の複数のコピーがゲノムに存在し、Ｂ細胞前駆細胞は、Ｖ（Ｄ）Ｊ遺伝子再構成と呼ばれるプロセスで１つのＶ、１つのＤ、及び１つのＪ遺伝子分節（又は軽鎖において１つのＶ及び１つのＶ分節）を（略）ランダムに選択し組み合わせることにより、Ｉｇ可変領域を組み立てる。このプロセスは、必要とされる分節間に、ヘアピンループを形成する２本ストランド切断を形成することを含み、ヘアピンループは次いで一緒に接合される。接合プロセスは不正確であり、Ｖ分節とＪ分節との間（軽鎖）又はＶ分節とＤＪ分節とＤ分節とＪ分節との間（重鎖）にヌクレオチドの可変追加又は可変削減が生じ、分節間の接合の配列（「接合配列」と呼ばれる）に大きな多様性を生み出す。Ｖ（Ｄ）Ｊ遺伝子再構成プロセスは、Ｉｇの抗原結合領域に新規のアミノ鎖配列を産生し、抗原認識能力の膨大な多様性を生み出す。プロセスの結果として、各Ｉｇ重鎖の可変領域はＶ分節、Ｄ分節、及びＪ分節を、これらの分節間の接合部に広がる接合配列と共に含む（図４Ａに示されるように）。同様に、各Ｉｇ軽鎖高頻度可変性領域はＶ分節及びＪ分節並びにこれらの分節間の接合部に広がる接合配列を含む（図４Ｂに示されるように）。可変領域内で、ＣＤＲ１及びＣＤＲ２はＶ分節に見られ、ＣＤＲ３はＶ分節の幾らか、Ｄ分節の全て（重鎖において）、及びＪ分節の幾らかを含む。
【0051】
Ｔ細胞レセプタは、Ｔ細胞の表面に発現する、膜アンカー(membrane anchored)タンパク質である。Ｔ細胞レセプタは、同種抗原を認識する結合部分を一緒になって形成する一対のタンパク質鎖を含む。これらは、哺乳類ではＣＤ３γ鎖、ＣＤ３δ鎖、及び２つのＣＤ３ε鎖を含む定常Ｔ細胞コレセプタ鎖ＣＤ３との複合体で発現する。定常鎖は、Ｔ細胞レセプタ及び定常ζ鎖と関連付けられて、ＴＣＲ複合体を形成し、Ｔ細胞レセプタに抗原結合されたとき、一緒になってシグナルを生成することが可能である。ＴＣＲは、２つの高可変鎖、即ちα及びβ鎖（Ｔ細胞の大部分における）又は代替的にはγ及びδ鎖（Ｔ細胞の小部分における）を含むヘテロ二量体タンパク質である。各鎖は、２つの細胞外ドメイン：可変領域（又は可変ドメイン）及び定常領域（又は定常ドメイン、細胞膜に近い）と、膜貫通領域と、短細胞質尾部と含む。αβ ＴＣＲの場合、ＭＨＣ（主要組織適合性複合体）分子の状況内で、可変領域は一緒になってペプチド（抗原）に結合する。各可変ドメインは、一緒になって抗原結合部位を形成する、相補性決定領域（ＣＤＲ、各鎖でそれぞれＣＤＲ１、ＣＤＲ２、及びＣＤＲ３と呼ばれる）と呼ばれる３つの高頻度可変性領域を含む。ＴＣＲは、ＢＣＲ及び抗体を含む免疫グロブリンスーパーファミリーのメンバである。先に説明したものと同様のプロセスにおいて、各ＴＣＲ鎖の可変領域は幾つかの個片－遺伝子分節（小遺伝子）として知られる－にエンコードされる：β及びδ鎖は可変（Ｖ）分節、多様性（Ｄ）分節、及び接合（Ｊ）分節を含み、α及びγ鎖はＶ分節及びＪ分節を含む。Ｖ、Ｄ、及びＪ遺伝子分節の複数のコピーがゲノムに存在し、Ｔ細胞前駆細胞は、Ｖ（Ｄ）Ｊ遺伝子再構成と呼ばれるプロセスで１つのＶ、１つのＤ、及び１つのＪ遺伝子分節（又はα／γ鎖において１つのＶ及び１つのＪ分節）を（略）ランダムに選択し組み合わせることにより、ＴＣＲ鎖の可変領域を組み立てる。このプロセスは、必要とされる分節間に、ヘアピンループを形成する２本スタンド切断を形成することを含み、ヘアピンループは次いで一緒に接合される。接合プロセスは不正確であり、Ｖ分節とＪ分節との間（α／γ鎖）又はＶ分節とＤＪ分節とＤ分節とＪ分節との間（β／δ鎖）にヌクレオチドの可変追加又は可変削減が生じ、分節間の接合の配列（「接合配列」と呼ばれる）に大きな多様性を生み出す。Ｖ（Ｄ）Ｊ遺伝子再構成プロセスは、ＴＣＲの抗原結合領域に新規のアミノ鎖配列を産生し、抗原認識能力の膨大な多様性を生み出す。プロセスの結果として、各β／δ鎖の可変領域はＶ分節、Ｄ分節、及びＪ分節を、これらの分節間の接合部に広がる接合配列と共に含む。同様に、各α／γ鎖高頻度可変性領域はＶ分節及びＪ分節並びにこれらの分節間の接合部に広がる接合配列を含む。可変領域内で、ＣＤＲ１及びＣＤＲ２はＶ分節に見られ、ＣＤＲ３はＶ分節の幾らか、Ｄ分節の全て（重鎖において）、及びＪ分節の幾らかを含む。
【0052】
本明細書で使用される場合、抗原結合タンパク質の「可変鎖」（本明細書では単に「鎖」とも呼ばれる）は、抗原認識に関わる抗原結合タンパク質の鎖又はその鎖の少なくとも可変領域の部分を含む抗原結合タンパク質鎖の一部を指す。可変鎖は、抗原結合タンパク質内の抗原認識性の多様なレパートリーを担当する可変領域を含む。可変鎖は、ＢＣＲ重若しくは軽鎖、抗体重若しくは軽鎖、ＴＣＲα若しくはβ鎖、ＴＣＲγ若しくはδ鎖、又はこれらの鎖内の１つ若しくは複数の可変領域の少なくとも一部を含むそのような鎖の任意の部分であり得る。
【0053】
試料に存在するＢ細胞レセプタレパートリー（又は対応する抗体レパートリー）は、シーケンシング手法を使用して調べることができる。先に説明したように、２つの主要なシーケンシング手法が使用される：つまり、単一Ｂ細胞シーケンシング及びバルクＢ細胞集団のシーケンシング。ＢＣＲシグナリング部分及び抗原結合部分の膜貫通ドメインは可変ではないため、これらの技法は、Ｂ細胞レパートリーと対応する抗体レパートリーとの間で共通の部分にフォーカスする。したがって、本開示では、ＢＣＲ配列、ＢＣＲレパートリー、ＢＣＲ重鎖配列、ＢＣＲ軽鎖配列、及びそれらの任意の部分への言及は、対応する抗体配列、抗体レパートリー、抗体重鎖配列、抗体軽鎖配列、及びそれらの任意の部分と交換可能に使用される。例えば、ＢＣＲ重鎖可変領域のシーケンシングへの言及は、対応する抗体重鎖可変領域のシーケンシングと等しく、これら２つの用語は交換可能に使用し得る。「抗原結合タンパク質」という用語は、本明細書では、ＢＣＲタンパク質、ＴＣＲタンパク質、ＢＣＲタンパク質の抗原結合部分、抗体、又は元のＢＣＲタンパク質。ＴＣＲタンパク質、又は抗体の抗原結合性を維持するそれらの任意の部分を指すのに使用される。なお、個人の血液中で循環する抗体のレパートリーは、同時に試料に存在するＢ細胞レセプタレパートリーと一致しなくてよい。これは、もはや個人に存在しないＢ細胞（例えば、死んだため）により産生された抗体が試料中に存在し得るためである。したがって、「対応する抗体レパートリー」という用語は、試料に実際に存在する抗体（タンパク質）のレパートリーではなく、試料に存在するＢ細胞により発現される抗体のレパートリーを指す。
【0054】
単一Ｂ細胞シーケンシングは、重鎖配列と軽鎖配列との間の対応性を維持することができる。これを行うのに２つの主要な手法を使用することができる。第１の手法は、ＶＨ及びＶＬの物理的リンケージである［DeKosky et al., 2016］。第２の手法は細胞バーコーディング（例えば、10x Genomicsにより提供される等）である［King et al., 2021］。物理的リンケージ手法は、細胞バーコーディング手法よりも高いスループットを有するが、全配列の回収がより難しい。逆に、細胞バーコーディングのスループットはより低いが、全配列のより容易な回収が可能である。手法が何であれ、単一Ｂ細胞シーケンシングは、先に説明したように、スループットの点で（様々な程度で）制限される。単一Ｂ細胞シーケンシング技術によっては、回収される配列の長さに関してさらに制限される。その結果、幾つかの単一Ｂ細胞シーケンシング法を使用して同定されたＢＣＲ／抗体配列は、重鎖及び軽鎖の両方において、単一のＣＤＲ領域、例えばＣＤＲ３の調査に制限され得る（換言すれば、隣接Ｖ及びＪ分節は同定し得るが、Ｖ分節におけるＣＤＲ１及びＣＤＲ２の配列を取得するように完全にはシーケンシングされないことがある）。換言すれば、単一Ｂ細胞シーケンシング法からのデータセットは、重鎖及び軽鎖の配列が同定される範囲において変動し得る。シーケンシングされる領域内で、Ｖ（Ｄ）Ｊ分節のあらゆる単一塩基をシーケンシング（又は記録）することは実際的ではないこともあり、したがって、そのようなシーケンシング取り組みは、接合配列と、Ｖ、Ｄ、及びＪ遺伝子の同定に十分な情報との取得にフォーカスし得る。その結果、そのような方法は、以下を含む情報を提供し得る：重鎖のＶ、Ｄ、及びＪ分節の同定（例えば、Ｖ／Ｄ／Ｊ遺伝子分節識別子の形態で）、重鎖における接合分節の配列、軽鎖のＶ及びＪ分節の同定（例えば、Ｖ／Ｊ遺伝子識別子の形態で）、並びに軽鎖における接合分節の配列。各分節の同定は、データベースから対応する生殖細胞系並列を回収するのに使用することができる。しかしながら、データが各分節の同定のみを含む場合、参照生殖細胞系配列と比べて特定の鎖に存在し得る任意の変異（例えば、体細胞変異）は捕捉されないことがある。逆に、バルクＢ細胞集団のシーケンシングは、重鎖配列と軽鎖配列との間のペアリングを維持しないが、重鎖レパートリー及び軽鎖レパートリー内のそれぞれのシーケンシング能力（特に、ＢＣＲレパートリーのシーケンシングの深さ）の点での制限がより緩い。バルクＢ細胞集団のシーケンシングは、Ｂ細胞集団の重鎖レパートリー、軽鎖レパートリー又は両方のシーケンシングを含み得る。しかしながら、上述したように、プロセスのバルク性に起因して、軽及び重鎖レパートリーの両方がシーケンシングされる場合であっても、シーケンシングプロセス中、ペアリング情報を維持することは可能ではない。そのようなシーケンシングは、単一細胞Ｂシーケンシングを用いて取得されるものと同じ程度まばらな情報又は例えば、完全なＣＤＲ配列、複数のＣＤＲの配列、完全な可変領域配列、又は完全な可変領域配列及び配列のアイソタイプを特定するのに十分な定常領域を含むより詳細な情報を生成し得る。同様の考慮事項がＴ細胞レパートリーのシーケンシングにも当てはまる。特に、Ｂ細胞レパートリー及び抗体の研究に関連（特に、これらのレパートリーのシーケンシングに関連）して上述したプロセス及び制限の多くはＴ細胞レパートリーにも当てはまる。
【0055】
本明細書で使用される場合、「可変鎖配列」という用語は、「重鎖配列」、「軽鎖配列」、「α鎖配列」、「β鎖配列」、「γ鎖配列」、及び「δ鎖配列」の用語を包含し、１つ又は複数の遺伝子分節識別子の組合せ及び／又は一方の末端における接合配列から他方の末端における完全鎖配列に及ぶ、Ｂ細胞シーケンシング又はＴ細胞シーケンシング技術から取得することができる任意の情報を指す。特に、「重鎖配列」及び「軽鎖配列」という用語は、１つ又は複数の遺伝子分節識別子の組合せ及び／又は一方の末端における接合配列から他方の末端における完全鎖配列に及ぶ、Ｂ細胞シーケンシング技術から取得することができる任意の情報を指す。さらに、「可変鎖配列」、「重鎖配列」、「軽鎖配列」、「α鎖配列」、「β鎖配列」、「γ鎖配列」、及び「δ鎖配列」という用語は、アミノ酸配列又は対応する核酸コード配列を交換可能に指す。同様に、可変鎖ペアリング又は対（重－軽鎖ペアリング又は対等）は、本明細書に定義されるように、各々が１つ又は複数の遺伝子分節識別子の組合せ及び／又は一方の末端における接合配列から他方の末端における完全鎖配列まで及ぶ、重鎖配列と軽鎖配列との組合せ、α鎖配列とβ鎖配列との組合せ、又はγ鎖配列とδ鎖配列との組合せを指す。
【0056】
例えば、治療用抗体等の所望の抗体又は抗原結合タンパク質を提供する状況内で、「抗体」（Ａｂ）という用語は、所望の生物活性を示し、本明細書に記載のように同定された重－軽鎖ペアリング又は本明細書に記載のように同定された重－軽鎖ペアリングから導出された重－軽鎖ペアリング（例えば、さらなる最適化、親和性成熟等により）を含むモノクローナル抗体、ポリクローナル抗体、多特異性抗体（例えば、二重特異性抗体）、及び抗体断片を含む。
【0057】
「試料」は、本明細書で使用される場合、シーケンシング（例えば、全ゲノムシーケンシング、全エクソームシーケンシング、ターゲット／キャプチャシーケンシング、ＲＮＡｓｅｑ等）等により、ゲノム解析に向けてＢ細胞ゲノム物質（例えば、ＲＮＡ又はＤＮＡ）を取得することができる細胞又は組織試料、生体体液、抽出物（例えば、被験者から取得されたＤＮＡ又はＲＮＡ抽出物）であり得る。試料は、被験者から取得（例えば、生検）された細胞、組織、又は生体体液試料であり得る。そのような試料は「被験者試料」と呼ぶことができる。特に、試料は、血液試料、リンパ節試料、脾臓試料、腫瘍試料、又はそれら由来の試料（例えば、Ｂ細胞精製、Ｔ細胞精製、ＲＮＡ抽出等）であり得る。本明細書で使用される場合、「ゲノム物質」、「ゲノムシーケンシング」等の用語は、文脈が別段のことを示す場合を除き、ゲノムに存在する物質／配列及び試料のトランスクリプトームの両方を包含する。試料は、被験者から新鮮に取得されたものであってもよく又はゲノム解析前に処理及び／又は貯蔵された（例えば、凍結、固定、又は１つ若しくは複数の精製、濃縮、若しくは抽出ステップを受けた）ものであってもよい。試料は細胞又は組織培養試料であり得る。したがって、本明細書で記載の試料は、被験者から取得された生体試料であるか、それとも例えば細胞株から取得された試料からのものであるかを問わず、Ｂ細胞又はそこから導出されたゲノム物質を含む任意のタイプの試料を指し得る。試料は好ましくは哺乳類（例えば、哺乳類細胞試料又はネコ、イヌ、ウマ、ロバ、ヒツジ、ブタ、ヤギ、ウシ、マウス、ラット、ウサギ、若しくはモルモット等の哺乳類被験者からの試料等）、好ましくはヒト（例えば、ヒト細胞試料又はヒト被験者からの試料等）からものである。さらに、試料は輸送及び／又は貯蔵され得、採取は配列データ取得（例えば、シーケンシング）の場所から離れた場所で行われ得、及び／又は本明細書に記載の任意のコンピュータ実施方法ステップは、試料採取場所から離れた場所及び／又はゲノムデータ取得（例えば、シーケンシング）の場所から離れた場所で行われ得る（例えば、コンピュータ実施方法ステップは、「クラウド」プロバイダ等のネットワークコンピュータにより実行し得る）。
【0058】
「配列データ」という用語は、特定の配列を有する試料中のゲノム物質（ＤＮＡ若しくはＲＮＡ）又はプロテオーム物質を示す情報を指す。したがって、配列データは、１つ又は複数のヌクレオチド配列及び／又は１つ又は複数のアミノ酸配列を含み得る。そのような情報は、シーケンシング技術、例えば、次世代シーケンシング（ＮＧＳ）、例えば、全エクソームシーケンシング（ＷＥＳ）、全ゲノムシーケンシング（ＷＧＳ）、全トランスクリプトームシーケンシング（ＲＮＡｓｅｑ）、又は捕捉されたゲノム遺伝子座のシーケンシング（ターゲット若しくはパネルシーケンシング）等を使用して取得し得る。ＮＧＳ技術が使用される場合、配列データは特定の配列を有するシーケンシングリード数のカウントを含み得る。配列データは、当技術分野で既知の方法（例えば、ボウタイ（Bowtie）（Langmead et al., 2009）等）を使用して参照配列、例えば、参照ゲノムにマッピングし得る。したがって、シーケンシングリードのカウント又は同等の非デジタルシグナルに特定の場所又は遺伝子座を関連付け得る（「場所」は、配列データがマッピングされた参照ゲノム又はトランスクリプトーム内の場所を指す）。さらに、場所は変異を含み得、その場合、シーケンシングリードのカウント又は同等の非デジタルシグナルに、その特定の場所にける可能なバリアント（「アレル」とも呼ばれる）の各々を関連付け得る。試料中の特定の場所における変異の存在を同定するプロセスは、「バリアントコール」と呼ばれ、当技術分野で既知の方法を使用して実行することができる（例えば、ＧＡＴＫ ＨａｐｌｏｔｙｐｅＣａｌｌｅｒ等の汎用ＮＧＳバリアントコーラー（https://gatk.broadinstitute.org/hc/en-us/articles/360037225632-HaplotypeCaller）又はＩｇＢＬＡＳＴ等の免疫配列用に特に設計されたツール（https://www.ncbi.nlm.nih.gov/igblast/）［Ye et al., 2013］等）。ゲノム配列データは、当技術分野で既知のように、コード領域をｉｎ ｓｉｌｉｃｏで翻訳（ｍＲＮＡ配列から直接又はゲノム配列中の同定されたコード領域から）することによりアミノ酸配列に変換し得る。
【0059】
本明細書で使用される場合、「処置」は、治療前の症状と比べた、治療中の疾患の１つ又は複数の症状の低減、緩和、又は症状がなくなることを指す。「防止」（又は予防）は、疾患の症状の発現を遅らせること又は防止することを指す。防止は絶対的（疾患が生じないような）であってもよく、又は一部の個人若しくは限られた時間にわたってのみ有効であってもよい。
【0060】
本明細書に記載の組成物は、医薬的に許容されるキャリア、希釈剤、又は賦形剤をさらに含む医薬組成物であり得る。医薬組成物は任意選択的に、１つ又は複数のさらなる医薬的活性ポリペプチド及び／又は化合物を含み得る。そのような製剤は例えば、静脈内注入に適した形態であり得る。
【0061】
本明細書で使用される場合、「コンピュータシステム」という用語は、上記実施形態によるシステムを具現するため又は方法を実行するためのハードウェア、ソフトウェア、及びデータ記憶装置を含む。例えば、コンピュータシステムは、中央演算処理装置（ＣＰＵ）、グラフィカル処理ユニット（ＧＰＵ）、入力手段、出力手段、及びデータストレージを含み得、これらは１つ又は複数の接続された計算デバイスとして具現し得る。好ましくは、コンピュータシステムは、ディスプレイを有し、又は視覚的出力表示（例えば、ビジネスプロセスの設計での）を提供するディスプレイを有する計算デバイスを備える。データストレージは、ＲＡＭ、ディスクドライブ、又は他のコンピュータ可読媒体を含み得る。コンピュータシステムは、ネットワークにより接続され、そのネットワークを経由して互いと通信可能な複数の計算デバイスを含み得る。コンピュータシステムがクラウドコンピュータからなってもよく又はクラウドコンピュータを含んでもよいことが明確に考えられる。「プロセッサ」という用語は、特にＣＰＵ及びＧＰＵを含む任意の処理ユニット又は処理ユニットの組合せを包含する。
【0062】
本明細書で使用される場合、「コンピュータ可読媒体」という用語は、限定ではなく、コンピュータ又はコンピュータシステムにより直接読み取りアクセスすることができる任意の１つ又は複数の非一時的媒体を含む。媒体は、限定されないが、フロッピーディスク、ハードディスク記憶媒体、及び磁気テープ等の磁気記憶媒体；光ディスク又はＣＤ－ＲＯＭ等の光学記憶媒体；ＲＡＭ、ＲＯＭ、及びフラッシュメモリを含む、メモリ等の電気記憶媒体；並びに磁気／光学記憶媒体等の上記のハイブリッド及び組合せを含むことができる。
【0063】
同定可変鎖対
本開示は、可変鎖配列から可変鎖対を同定する方法を提供する。図１を参照することにより例示的な方法を説明する。図１は、Ｂ細胞レセプタ又は抗体の重又は軽鎖配列が使用されて、重軽鎖対を同定する一実施形態を示す。換言すれば、図１は、可変鎖配列がＢＣＲからのＢＣＲ／抗体重及び軽鎖である一実施形態を示す。しかしながら、図１を参照することにより説明される方法は、ＴＣＲα、β、γ、又はδ鎖配列がαβ（入力鎖対がα若しくはβ鎖の場合）鎖対又はγδ（入力鎖対がγ若しくはδ鎖の場合）鎖対の同定に使用される実施形態に適用可能である。任意選択的なステップ１０において、Ｂ細胞ゲノム物質（典型的にはＲＮＡの形態であり、Ｂ細胞ゲノム物質が由来する細胞が発現するＢＣＲのＲＮＡエンコードを抽出しシーケンシングすることができる）を含む試料を被験者から取得し得る。同様に、ＴＣＲ鎖対が同定される実施形態において、Ｔ細胞ゲノム物質を含む試料を使用してもよい。任意選択的なステップ１２において、試料中のＢＣＲレパートリーは、バルクＢＣＲシーケンシングを使用してシーケンシングし得る。これは、試料中の重鎖ＢＣＲレパートリーをシーケンシングすることを含み得る。同様に、試料中のＴＣＲレパートリーは、バルクＴＣＲシーケンシングを使用してシーケンシングし得る。これは、試料中のβ鎖レパートリーをシーケンシングすることを含み得る。ステップ１４において、クエリ鎖配列が提供される。図示の実施形態では、クエリ配列は重鎖配列である。他の実施形態では、クエリ鎖配列は軽鎖配列であり得る。クエリ配列を提供することは、ステップ１４Ａにおいて、ステップ１２においてシーケンシングされた重鎖配列の１つをクエリ配列として選択することを含み得る。クエリ配列を提供することは、ステップ１４Ｂにおいて、Ｖ遺伝子配列又は識別子、Ｊ遺伝子配列又は識別子、及び接合配列を含む配列を提供することを含み得る。例えば、ステップ１４Ｂは、バルクＢＣＲシーケンシングデータセットから、選択された配列について、Ｖ遺伝子配列又は識別子、Ｊ遺伝子配列又は識別子、及び接合配列を抽出することを含み得る。同様に、ステップは、例えばクエリβ鎖配列を使用して、ＴＣＲペアリングの状況で実行してもよい。任意選択的なステップ１６において、深層学習モデルが提供され、深層学習モデルは、入力としてクエリ可変鎖配列をとり、出力として少なくとも１つの対応可変鎖配列を生成するように構成される。図示の実施形態では、クエリ配列は重鎖配列であり、したがって、深層学習モデルは、入力としてクエリ重鎖配列をとり、出力として少なくとも１つの対応軽鎖配列を生成するように構成される。他の実施形態では、クエリ鎖配列は軽鎖配列であり得、したがって、深層学習モデルは、入力としてクエリ軽鎖配列をとり、出力として少なくとも１つの対応重鎖配列を生成するように構成し得る。さらに他の実施形態では、クエリ鎖配列はβ鎖配列（又はα、δ、又はγ鎖配列）であり得、したがって、深層学習モデルは、入力としてクエリβ鎖配列（又はα、δ、又はγ鎖配列）をとり、出力として少なくとも１つの対応α鎖配列（又は少なくとも１つの対応β、γ、又はδ鎖配列）を生成するように構成し得る。深層学習モデルは、図示の実施形態では既知の重－軽鎖対からのトレーニング重及び軽鎖配列等の既知の可変鎖対からのトレーニング可変鎖配列を使用して前にトレーニングされていてもよい。したがって、深層学習モデルを提供することは単に、方法を実行しているプロセッサと関連付けられたメモリ等のコンピュータ可読媒体から、トレーニングされた深層学習モデルを検索すること又はトレーニング済みの深層学習モデルを他の方法で受信することを含み得る。深層学習モデルのトレーニングについてより詳細に以下説明する。代替的には、深層学習モデルは、図示の実施形態では既知の重－軽鎖対からのトレーニング重及び軽鎖配列等の既知の重－軽鎖対からのトレーニング可変鎖配列を使用して、本方法の一環としてトレーニングし得る。
本開示は、可変鎖配列から可変鎖対を同定する方法を提供する。図１を参照することにより例示的な方法を説明する。図１は、Ｂ細胞レセプタ又は抗体の重又は軽鎖配列が使用されて、重軽鎖対を同定する一実施形態を示す。換言すれば、図１は、可変鎖配列がＢＣＲからのＢＣＲ／抗体重及び軽鎖である一実施形態を示す。しかしながら、図１を参照することにより説明される方法は、ＴＣＲα、β、γ、又はδ鎖配列がαβ（入力鎖対がα若しくはβ鎖の場合）鎖対又はγδ（入力鎖対がγ若しくはδ鎖の場合）鎖対の同定に使用される実施形態に適用可能である。任意選択的なステップ１０において、Ｂ細胞ゲノム物質（典型的にはＲＮＡの形態であり、Ｂ細胞ゲノム物質が由来する細胞が発現するＢＣＲのＲＮＡエンコードを抽出しシーケンシングすることができる）を含む試料を被験者から取得し得る。同様に、ＴＣＲ鎖対が同定される実施形態において、Ｔ細胞ゲノム物質を含む試料を使用してもよい。任意選択的なステップ１２において、試料中のＢＣＲレパートリーは、バルクＢＣＲシーケンシングを使用してシーケンシングし得る。これは、試料中の重鎖ＢＣＲレパートリーをシーケンシングすることを含み得る。同様に、試料中のＴＣＲレパートリーは、バルクＴＣＲシーケンシングを使用してシーケンシングし得る。これは、試料中のβ鎖レパートリーをシーケンシングすることを含み得る。ステップ１４において、クエリ鎖配列が提供される。図示の実施形態では、クエリ配列は重鎖配列である。他の実施形態では、クエリ鎖配列は軽鎖配列であり得る。クエリ配列を提供することは、ステップ１４Ａにおいて、ステップ１２においてシーケンシングされた重鎖配列の１つをクエリ配列として選択することを含み得る。クエリ配列を提供することは、ステップ１４Ｂにおいて、Ｖ遺伝子配列又は識別子、Ｊ遺伝子配列又は識別子、及び接合配列を含む配列を提供することを含み得る。例えば、ステップ１４Ｂは、バルクＢＣＲシーケンシングデータセットから、選択された配列について、Ｖ遺伝子配列又は識別子、Ｊ遺伝子配列又は識別子、及び接合配列を抽出することを含み得る。同様に、ステップは、例えばクエリβ鎖配列を使用して、ＴＣＲペアリングの状況で実行してもよい。任意選択的なステップ１６において、深層学習モデルが提供され、深層学習モデルは、入力としてクエリ可変鎖配列をとり、出力として少なくとも１つの対応可変鎖配列を生成するように構成される。図示の実施形態では、クエリ配列は重鎖配列であり、したがって、深層学習モデルは、入力としてクエリ重鎖配列をとり、出力として少なくとも１つの対応軽鎖配列を生成するように構成される。他の実施形態では、クエリ鎖配列は軽鎖配列であり得、したがって、深層学習モデルは、入力としてクエリ軽鎖配列をとり、出力として少なくとも１つの対応重鎖配列を生成するように構成し得る。さらに他の実施形態では、クエリ鎖配列はβ鎖配列（又はα、δ、又はγ鎖配列）であり得、したがって、深層学習モデルは、入力としてクエリβ鎖配列（又はα、δ、又はγ鎖配列）をとり、出力として少なくとも１つの対応α鎖配列（又は少なくとも１つの対応β、γ、又はδ鎖配列）を生成するように構成し得る。深層学習モデルは、図示の実施形態では既知の重－軽鎖対からのトレーニング重及び軽鎖配列等の既知の可変鎖対からのトレーニング可変鎖配列を使用して前にトレーニングされていてもよい。したがって、深層学習モデルを提供することは単に、方法を実行しているプロセッサと関連付けられたメモリ等のコンピュータ可読媒体から、トレーニングされた深層学習モデルを検索すること又はトレーニング済みの深層学習モデルを他の方法で受信することを含み得る。深層学習モデルのトレーニングについてより詳細に以下説明する。代替的には、深層学習モデルは、図示の実施形態では既知の重－軽鎖対からのトレーニング重及び軽鎖配列等の既知の重－軽鎖対からのトレーニング可変鎖配列を使用して、本方法の一環としてトレーニングし得る。
【0064】
ステップ１８において、クエリ鎖配列が深層学習モデルに提供される。ステップ１８は、所定のエンコード方式を使用してクエリ配列をエンコードする任意選択的なステップ１８Ａを含み得る。ステップ１８は、所定のエンコード方式を使用して深層学習モデルにより出力された各対応配列をデコードする任意選択的なステップ１８Ｂを含み得る。エンコードに使用されるエンコード方式及びデコード方式は、深層学習モデルのトレーニングに使用されたトレーニング可変鎖配列の（例えば、重及び軽）鎖配列の内容に基づいて前に定義されていてもよい。ステップ１８は、１つ又は複数の対応可変鎖配列の中の最高信頼メトリックが関連付けられた、１つ又は複数の対応可変鎖配列（図示の実施形態では軽鎖配列）の配列を選択する任意選択的なステップ１８Ｃを含み得、深層学習モデルは、出力として、確率等の信頼メトリックが各々関連付けられた１つ又は複数の対応鎖配列を生成するように構成される。ステップ１８Ｃは、ステップ１８Ｂの前に実行されてもよく又は後に実行されてもよい。任意選択的なステップ２０において、少なくとも１つの対応鎖配列（図示の実施形態では軽鎖）における１つ又は複数の遺伝子配列識別子は、対応する生殖細胞系配列で置換し得る。任意選択的なステップ２２において、例えばユーザインタフェースを通して、前のステップのいずれか（特にステップ１８及び／又は２０）の結果をユーザに提供し得る。これらの結果は、例えば、さらに後述するように、治療用抗体の提供に使用し得る。方法は、複数のクエリ配列に対して繰り返し得る。これはステップ１４～１８を繰り返すことを含み得る。
【0065】
深層学習モデルのトレーニングについて、これより、任意選択的なステップ１０’～１６’を参照することにより説明する。ステップ１０’において、既知の可変鎖対からのトレーニング可変鎖配列を含むトレーニングデータが提供される。図示の実施形態では、トレーニングデータは、既知の重－軽鎖対からの重及び軽鎖配列を含む。トレーニングデータは、少なくとも２０，０００個のトレーニング鎖対、少なくとも３０，０００、少なくとも４０，０００、少なくとも５０，０００、少なくとも６０，０００、少なくとも７０，０００、少なくとも８０，０００、少なくとも９０，０００、少なくとも１００，０００、少なくとも１２０，０００、又は少なくとも１５０，０００個のトレーニング鎖対を含み得る。Ｂ細胞レセプタ／抗体に関連する実施形態では、トレーニングデータは、少なくとも８００，０００、少なくとも１００，０００、少なくとも１２０，０００、又は少なくとも１５０，０００対のトレーニング重及び軽鎖配列を含み得る。トレーニングデータは、図示の実施形態では重及び軽鎖配列である対になっていないトレーニング配列をさらに含み得る。対になっていないトレーニング鎖配列は「トレーニング前データ」と呼ぶことができる。したがって、トレーニングデータは、トレーニングデータそれ自体（対になった鎖配列、特に、図示の実施形態では対になった重及び軽鎖配列を含む）及びトレーニング前データ（対になっていない鎖配列、特に、図示の実施形態では対になっていない重及び軽鎖配列を含む）を含み得る。トレーニングデータは、少なくとも１００，０００、少なくとも２００，０００、少なくとも３００，０００、少なくとも４００，０００、少なくとも５００，０００、少なくとも６００，０００、少なくとも７００，０００、少なくとも８００，０００、少なくとも９００，０００、少なくとも１００万（又は少なくとも５００万、１０００万、１５００万、２０００万、２５００万、３０００万、３５００万、又は４０００万）個の対になっていない、第１のタイプ及び／又は対応するタイプのトレーニング鎖配列を含み得る。トレーニングデータは、少なくとも１００万（又は少なくとも５００万、１０００万、１５００万、２０００万、２５００万、３０００万、３５００万、又は４０００万）個の対になっていないトレーニング重鎖配列と、少なくとも１００万（又は少なくとも５００万、１０００万、又は１５００万）個の対になっていないトレーニング軽鎖配列とを含み得る。当業者は理解するように、トレーニングデータ及び／又はトレーニング前データの量は、利用可能な適したデータの量により制限され得、より多くのデータが利用可能になるにつれて変更し得る。さらに、利用可能なデータ量は、特定の使用事例、例えば、第１及び対応鎖配列の同定（例えば、より希であるγδ ＴＣＲよりもαβ ＴＣＲのほうが、利用可能なデータが多いことがある）、データをフィルタリングするときに使用される基準（ステップ１２’参照）等に依存し得る。提供される数は、任意のフィルタリングが適用される前及び／又は後にデータに適用し得る。ステップ１２’において、トレーニングデータはフィルタリングされる。例えば、トレーニングデータは、所定の範囲の長さ外の接合配列（例えば、重及び／又は軽鎖における）を含むあらゆる対を除外するようにフィルタリングし得る。別の例として、トレーニングデータは、例えば、データの導出元の細胞のタイプ、有機体、データがナイーブライブラリからのものであるか否か、データが、特定の抗原の免疫を有する被験者からのものであるか否か等を含め、データの任意の特徴に基づいてフィルタリングし得る。換言すれば、トレーニングデータは、トレーニングデータが対象となる１つ若しくは複数の特徴を有するデータのみを含む（包含フィルタ）か又は当該データを含まない（除外フィルタ）ことを保証するようにフィルタリングし得る。ステップ１４’において、トレーニング鎖配列をエンコードするためのボキャブラリ、特に、図示の実施形態では、トレーニング重鎖配列をエンコードするためのボキャブラリ及びトレーニング軽鎖配列をエンコードするためのボキャブラリを取得することにより、１つ又は複数のエンコード方式がトレーニングデータに定義される。エンコード方式を定義することは、トレーニング鎖配列の内容に基づいて構築されたボキャブラリから、トレーニングデータ内での使用回数が所定の閾値（例えば、２）を下回る任意のトークンを除外することを含み得る。ステップ１６’において、トレーニングデータは、入力としてクエリ重鎖配列（図示の実施形態では）をとり、出力として少なくとも１つの対応軽鎖配列（図示の実施形態では）を生成するように、トレーニングデータを使用して深層学習モデルをトレーニングするのに使用される。深層学習モデルをトレーニングすることは、まず、対になっていないトレーニング鎖配列を使用してトランスフォーマベースのモデルをトレーニングすることと、予めトレーニングされたトランスフォーマモデルを使用して、深層学習モデルのエンコーダ及びデコーダを初期化することとを含み得る。代替的には、深層学習モデルをトレーニングすることは、第１のタイプ及び第２のタイプのそれぞれの対になっていないトレーニング鎖配列（図示の実施形態では、第１のタイプは重鎖であり、第２のタイプは軽鎖である）を使用して第１及び第２のトランスフォーマベースのモデルをトレーニングすることと、予めトレーニングされたトランスフォーマモデルを使用して、深層学習モデルのエンコーダ及びデコーダをそれぞれ初期化することとを含み得る。深層学習モデルをトレーニングすることは、既知の鎖対からの鎖配列が上記可変領域に全長配列を含まない場合、欠損配列情報を推定することにより、第２のタイプの鎖及び／又は第１のタイプの鎖（例えば、図示の実施形態では軽鎖及び／又は重鎖）の可変領域に全長配列を含むトレーニング配列を取得することを含み得る。
【0066】
システム
図２は、本開示による、入力可変鎖から可変鎖対を同定するシステムの一実施形態を示す。システムは計算デバイス１を備え、計算デバイス１はプロセッサ１０１及びコンピュータ可読メモリ１０２を備える。図示の実施形態では、計算デバイス１はユーザインタフェース１０３も備え、ユーザインタフェース１０３は画面として示されているが、例えば、可聴信号又は視覚的信号等を通して情報をユーザに伝達する任意の他の手段を含み得る。計算デバイス１は、例えばネットワーク６等を通して、シーケンシング機等の配列データ取得手段３及び／又は配列データを記憶した１つ又は複数のデータベース２に通信可能に接続される。１つ又は複数のデータベースは、計算デバイス１により使用し得る他のタイプの情報、例えば、参照配列、パラメータ等をさらに記憶し得る。計算デバイスは、スマートフォン、サーバ、タブレット、パーソナルコンピュータ、又は他の計算デバイスであり得る。計算デバイスは、本明細書に記載のように、入力可変鎖（適宜、重鎖又はβ鎖、好ましくは重鎖）から可変鎖対を同定する方法を実施するように構成される。代替の実施形態では、計算デバイス１は、それ自体が、本明細書に記載のように、入力可変鎖から可変鎖対を同定する方法を実施するように構成されたリモート計算デバイス（図示せず）と通信するように構成される。そのような場合、リモート計算デバイスは、方法の結果を計算デバイスに送信するように構成することもできる。計算デバイス１とリモート計算デバイスとの間の通信は、有線又は無線接続を通してであり得、ローカル又はパブリックネットワークを経由して、例えば、パブリックインターネット又はWiFi等を経由して行われ得る。配列データ取得手段３は、計算デバイス１と有線接続されていてもよく又は無線接続を通して、例えば図示のようにネットワーク６等を通して通信可能であってもよい。計算デバイス１と配列データ取得手段３との間の接続は、直接であってもよく又は間接（例えば、リモートコンピュータを通して等）であってもよい。配列データ取得手段３は、核酸試料、例えば、流体及び／又は組織試料（例えば、末梢血、脾臓、リンパ節、腫瘍組織、又はＢ細胞若しくはＴ細胞を含む任意の他のタイプの試料等）から精製されたＢ細胞又はＴ細胞から抽出されたゲノムＤＮＡ試料又はＲＮＡ試料から配列データを取得しように構成される。幾つかの実施形態では、試料は、ＤＮＡ／ＲＮＡ精製、断片化、ライブラリ準備、標的配列捕捉（例えば、エクソン捕捉及び／又はパネル配列捕捉等）等の１つ又は複数の前処理ステップを受けていてもよい。Ｂ細胞レセプタ配列又はレパートリーの特定に使用するのに適した任意の試料準備プロセスが、本発明の状況内で使用可能である。配列データ取得手段は好ましくは、次世代シーケンサである。配列データ取得手段３は、配列データ（生又は部分的に処理された）を記憶し得る１つ又は複数のデータベース２と直接又は間接的に接続し得る。
図２は、本開示による、入力可変鎖から可変鎖対を同定するシステムの一実施形態を示す。システムは計算デバイス１を備え、計算デバイス１はプロセッサ１０１及びコンピュータ可読メモリ１０２を備える。図示の実施形態では、計算デバイス１はユーザインタフェース１０３も備え、ユーザインタフェース１０３は画面として示されているが、例えば、可聴信号又は視覚的信号等を通して情報をユーザに伝達する任意の他の手段を含み得る。計算デバイス１は、例えばネットワーク６等を通して、シーケンシング機等の配列データ取得手段３及び／又は配列データを記憶した１つ又は複数のデータベース２に通信可能に接続される。１つ又は複数のデータベースは、計算デバイス１により使用し得る他のタイプの情報、例えば、参照配列、パラメータ等をさらに記憶し得る。計算デバイスは、スマートフォン、サーバ、タブレット、パーソナルコンピュータ、又は他の計算デバイスであり得る。計算デバイスは、本明細書に記載のように、入力可変鎖（適宜、重鎖又はβ鎖、好ましくは重鎖）から可変鎖対を同定する方法を実施するように構成される。代替の実施形態では、計算デバイス１は、それ自体が、本明細書に記載のように、入力可変鎖から可変鎖対を同定する方法を実施するように構成されたリモート計算デバイス（図示せず）と通信するように構成される。そのような場合、リモート計算デバイスは、方法の結果を計算デバイスに送信するように構成することもできる。計算デバイス１とリモート計算デバイスとの間の通信は、有線又は無線接続を通してであり得、ローカル又はパブリックネットワークを経由して、例えば、パブリックインターネット又はWiFi等を経由して行われ得る。配列データ取得手段３は、計算デバイス１と有線接続されていてもよく又は無線接続を通して、例えば図示のようにネットワーク６等を通して通信可能であってもよい。計算デバイス１と配列データ取得手段３との間の接続は、直接であってもよく又は間接（例えば、リモートコンピュータを通して等）であってもよい。配列データ取得手段３は、核酸試料、例えば、流体及び／又は組織試料（例えば、末梢血、脾臓、リンパ節、腫瘍組織、又はＢ細胞若しくはＴ細胞を含む任意の他のタイプの試料等）から精製されたＢ細胞又はＴ細胞から抽出されたゲノムＤＮＡ試料又はＲＮＡ試料から配列データを取得しように構成される。幾つかの実施形態では、試料は、ＤＮＡ／ＲＮＡ精製、断片化、ライブラリ準備、標的配列捕捉（例えば、エクソン捕捉及び／又はパネル配列捕捉等）等の１つ又は複数の前処理ステップを受けていてもよい。Ｂ細胞レセプタ配列又はレパートリーの特定に使用するのに適した任意の試料準備プロセスが、本発明の状況内で使用可能である。配列データ取得手段は好ましくは、次世代シーケンサである。配列データ取得手段３は、配列データ（生又は部分的に処理された）を記憶し得る１つ又は複数のデータベース２と直接又は間接的に接続し得る。
【0067】
用途
上記方法は、重鎖、軽鎖、又はそれらの一部（例えば、Ｖ遺伝子、Ｊ遺伝子、及び接合配列等）に限られた情報から、標的に結合する可能性が高い抗体又はＢＣＲを同定することが望ましい任意の状況で適用される。これは往々にして、抗体治療の発見プロセスの状況で該当する。抗体治療は、神経変性疾患からがんまで広範囲の疾患に対して成功する手法であることがわかっている。したがって、本明細書に記載の手法は、これらの臨床状況の各々で治療を提供する状況で適用される。さらに、本明細書に記載の方法は、入力情報が特定の目的で新たに生成される（例えば、所望の表現型を有すると同定された患者又は試料から）か、それとも既存／過去のデータセットからのものである（例えば、既存のデータセットをマイニング又は再マイニングして、新たな治療を発見又は特定の臨床表現型が何故存続するのかを説明することができる免疫タンパク質を同定するため）かを問わず、任意の入力重／軽鎖又はその一部から潜在的に機能する抗体又はＢＣＲを同定するのに使用することができる。
上記方法は、重鎖、軽鎖、又はそれらの一部（例えば、Ｖ遺伝子、Ｊ遺伝子、及び接合配列等）に限られた情報から、標的に結合する可能性が高い抗体又はＢＣＲを同定することが望ましい任意の状況で適用される。これは往々にして、抗体治療の発見プロセスの状況で該当する。抗体治療は、神経変性疾患からがんまで広範囲の疾患に対して成功する手法であることがわかっている。したがって、本明細書に記載の手法は、これらの臨床状況の各々で治療を提供する状況で適用される。さらに、本明細書に記載の方法は、入力情報が特定の目的で新たに生成される（例えば、所望の表現型を有すると同定された患者又は試料から）か、それとも既存／過去のデータセットからのものである（例えば、既存のデータセットをマイニング又は再マイニングして、新たな治療を発見又は特定の臨床表現型が何故存続するのかを説明することができる免疫タンパク質を同定するため）かを問わず、任意の入力重／軽鎖又はその一部から潜在的に機能する抗体又はＢＣＲを同定するのに使用することができる。
【0068】
したがって、本発明は、抗体治療を提供する方法も提供し、方法は、本明細書に記載の任意の方法を使用して重－軽鎖ペアリングを同定又は本明細書に記載の任意の方法を使用して同定された重－軽鎖ペアリングから導出（例えば、さらなる最適化、変異等により等）された重－軽鎖ペアリングを同定することを含む。重－軽鎖ペアリングは、１つ又は複数の試料中の重鎖レパートリーのバルクＢＣＲシーケンシングにより取得された入力重鎖配列に対して取得し得る。１つ又は複数の試料は、１人又は複数人の被験者からの試料であり得る。１人又は複数人の被験者は、所望の特性、例えば、特定の臨床表現型又はバイオマーカプロファイル等の臨床的に関連する特性等を有すると同定されていることがある。例えば、１人又は複数人の被験者は、特定の疾患又は症状に対する回復力を有し得る。疾患又は症状は、がん（例えば、乳がん等）、神経変性疾患（例えば、筋萎縮性側索硬化症等）、又は感染疾患（例えば、ＣＯＶＩＤ－１９等）から選択し得る。方法は、１つ又は複数の試料において同定された重鎖配列から選択された複数の入力重鎖配列の重－軽鎖ペアリングを同定し、それにより、重－軽鎖ペアリングのセットを取得することを含み得る。方法は、重－軽鎖ペアリング又は重－軽鎖ペアリングのセット内の各重－軽鎖ペアリングの標的（又は複数の推定上の標的又は標的のセット）を同定することをさらに含み得る。方法は、複数のペプチド候補と突き合わせて、１つ又は複数の試料と同じソースからの抗体をスクリーニングすることにより、１つ又は複数の標的を同定することをさらに含み得る。複数のペプチド候補は、１つ又は複数の試料の由来元である種に基づいて選択し得る。例えば、１つ又は複数の試料のソースは、１人又は複数人のヒト被験者であり得、１つ又は複数の試料と同じソースからの抗体レパートリーは、ヒトペプチドームを表すペプチド候補のセットと突き合わせてスクリーニングし得る。重－軽鎖ペアリング又は重－軽鎖ペアリングのすることと内の各重－軽鎖ペアリングの標的（又は推定上の標的又は標的のセット）を同定することは、複数のペプチド候補と突き合わせて、１つ又は複数の試料と同じソースからの抗体をスクリーニングすることにより同定された１つ又は複数の標的を使用することを含み得る。方法は、１つ又は複数の基準に基づいて重－軽鎖ペアリングのセットをフィルタリングすることをさらに含み得る。１つ又は複数の基準は、推定上の標的又は重－軽鎖ペアリングに同定された法的のセットの同定に適用し得る。方法は、同定された重－軽鎖ペアリング又は同定された重－軽鎖ペアリングから導出された重－軽鎖ペアリングを含む抗体又はその断片を取得することをさらに含み得る。抗体又はその断片を取得することは、抗体又はその断片のコード配列を同定することと、その配列を適した発現系（例えば、適した宿主細胞等）において発現させることとを含み得る。方法は、例えば、１つ又は複数の抗原候補への結合について検定することにより、抗体又はその断片が結合する１つ又は複数の抗原を同定することをさらに含み得る。方法は、抗体又はその断片の配列を最適化することをさらに含み得る。抗体又はその断片の配列を最適化することは、当技術分野で既知の任意の抗体最適化技法を使用して実行し得る。抗体又はその断片の配列を最適化することは、例えば、重－軽鎖ペアリングが同定された入力配列と同様に配列を解析することにより重－軽鎖ペアリングが同定された配列データからの情報を使用して実行し得る。
【0069】
本発明は、免疫治療組成物を提供する方法も提供し、方法は、本明細書に記載のように重－軽鎖ペアリングを同定することと、重－軽鎖ペアリングを含む抗体又は重－軽鎖ペアリングから導出された抗体（例えば、さらなる最適化、変異等により）を含む免疫治療組成物を生成することとを含む。
【0070】
本明細書に記載の方法は、二重特異性抗体を提供する状況で利用することもできる。例えば、本明細書に記載の方法は、対象となる２つの異なる重鎖とのペアリングに適した軽鎖を同定するのに使用し得る。したがって、本発明は二重特異性抗体を提供する方法も提供し、方法は、本明細書に記載の任意の方法を使用して２つの重鎖の各々に共通する軽鎖ペアリング又は本明細書に記載の任意の方法を使用して同定された重－軽鎖ペアリングから導出された（例えば、さらなる最適化、変異等により）共通する軽鎖と２つの重鎖との組合せを同定することを含む。そのような実施形態では、深層学習モデルが、複数の対応する軽又は重鎖配列を出力することが有利であり得る。例えば、深層学習モデルを使用して、第１の重鎖配列に対する第１の複数の対応する軽鎖配列を予測し、第２の重鎖配列に対する第２の複数の対応軽鎖配列を予測し得る。予測された第１及び第２の複数の軽鎖配列は次いで比較されて、両方の重鎖を含む二重特異性抗体の共通する軽鎖として使用するのに適し得る１つ又は複数の軽鎖を同定し得る。
【0071】
本明細書に記載の方法は、抗体最適化の状況で利用することもできる。例えば、本明細書に記載の方法は、重鎖とペアリングするのに適する軽鎖を同定するのに使用し得、ペアリングは、重鎖の元のペアリングと比べて１つ又は複数の有利な性質（例えば、機能性又は開発可能性の改善等）を有する。したがって、本発明は、改良された抗体を提供する方法も提供し、方法は、元の抗体の入力重鎖から本明細書に記載の任意の方法を使用して重－軽鎖ペアリングを同定又は本明細書に記載の任意の方法を使用して同定された重－軽鎖ペアリングから導出される（例えば、さらなる最適化、変異等により）重－軽鎖ペアリングを同定することを含む。本明細書に記載の方法は、β鎖、α鎖（若しくはあまり一般的ではない場合では、γ若しくはδ鎖）、又はそれらの一部（例えば、Ｖ遺伝子配列、Ｊ遺伝子配列、及び接合配列等）に限られた情報から、標的に結合する可能性が高いＴＣＲを同定することが望ましい任意の状況でも利用される。これは往々にして、遺伝子操作されたＴ細胞等の細胞治療の発見プロセスの状況で当てはまる。したがって、本発明は、特定のＴＣＲを発現する遺伝子操作されたＴ細胞等のＴＣＲベースの治療を提供する方法も提供し、方法は、本明細書に記載の任意の方法を使用してαβ若しくはγδ鎖ペアリングを同定又は本明細書に記載の任意の方法を使用して同定されたαβ若しくはγδ鎖ペアリングから導出（例えば、さらなる最適化、変異等により）されたαβ若しくはγδ鎖ペアリングを同定することを含む。したがって、本明細書に記載の方法は、抗体について上述したのと同様に、Ｔ細胞レセプタ最適化の状況で利用することもできる。
【0072】
以下は例として提示され、特許請求の範囲の限定として解釈されるべきではない。
【実施例】
【0073】
実施例
これらの例は、本発明により重－軽鎖ペアリングを同定する方法を説明し、既知のペアリング及び新たに取得された実験データを有する単一細胞データセットを使用して検証する。
これらの例は、本発明により重－軽鎖ペアリングを同定する方法を説明し、既知のペアリング及び新たに取得された実験データを有する単一細胞データセットを使用して検証する。
【0074】
方法
データセット
全てのデータセットの概要統計情報が以下の表１に記載される。トレーニング、検証、検定、及びブラインドテストセットのソース及び階層を以下説明する。
データセット
全てのデータセットの概要統計情報が以下の表１に記載される。トレーニング、検証、検定、及びブラインドテストセットのソース及び階層を以下説明する。
【0075】
【表1】
【0076】
トレーニングセット、検証セット、及びテストセット：DeKosky et al., [2015]において３人のドナーからの対になった重－軽鎖配列と、DeKosky et al. [2016]からの３つのナイーブＢＣＲライブラリとを組み合わせた。これらのデータセットは、各々が以下を含むエントリを含む：重鎖Ｖ遺伝子識別子、重鎖接合配列（ヌクレオチド及びアミノ酸）、重鎖Ｊ遺伝子識別子、軽鎖Ｖ遺伝子識別子、軽鎖接合配列（ヌクレオチド及びアミノ酸）、及び軽鎖Ｊ遺伝子識別子。このトレーニングセットは主に、公衆での利用可能性及びサイズに起因して選ばれた。なお、データエントリは、重鎖Ｄ遺伝子識別子も含んだが、この情報は使用されなかった。これは、Ｄ遺伝子のアノテーションが、Ｖ遺伝子及びＪ遺伝子のアノテーションよりも正確性が低いと考えられているためである。配列をフィルタリングして、長さがアミノ酸７～３０個の重鎖接合部及び長さがアミノ酸７～２０個の軽鎖接合部を有するものを残した。これは、これらの境界外の接合配列は希であると考えられており、長さが増えると、希であるより長い配列に対する情報における利得でバランスがとられる可能性が低い計算力に関するコストを伴うためである。このフィルタは、境界外のサイズを有する重鎖接合部を有した８４対及び境界外のサイズを有する軽鎖接合部を有する１６８対を除去した。より簡潔なボキャブラリを維持するために、重鎖Ｖ遺伝子及び軽鎖Ｖ遺伝子が少なくとも２つの配列で観測された配列についてデータをフィルタリングした。実際に、ボキャブラリサイズの増大は、非常に希なＶ遺伝子を含むことにおける恩益でバランスがとられる可能性が低い、追加のモデルパラメータをトレーニングするコストを伴う。このフィルタは、少数のエントリしか除去しなかった。実際に、開始対の中から１つの重鎖Ｖ遺伝子のみが１度観測された。全ての軽鎖は少なくとも２つの配列で観測された。ＩＭＧＴ偽遺伝子を有する配列（コード領域が終止コドン及び／又はフレームシフト変異及び／又は開始コドンに影響する変異を有する配列である、免疫遺伝学データベース（http://www.imgt.org）において偽遺伝子としてラベルされた配列を含むエントリ）も除去した。最後に、任意の全く同じ重－軽鎖対を除去し、これは、９９％冗長性カットオフと機能的に同等である（換言すれば、異なる複数のセットにわたる任意の重－軽鎖対が最大限で９９％同一であり、トレーニングデータセット内の対が実際に一意であることを確認する）。フィルタが一緒に除去したエントリの長さ及び数は、偽遺伝子フィルタ及び冗長性フィルタを通過した１９０，２４０の開始対からの合計２５３対（８４＋１６８＋１）、１８９，９８７対のセットが残った（表１参照）。
【0077】
１８９９８７個の配列を１５３８８９、１７０９９、及び１８９９９個の配列のトレーニングセット、検証セット、及びテストセットに分けた（約８０％トレーニング／１０％検証／１０％検定の分割に対応する）。同じ重鎖配列が３つのセットにわたって存在することができるが、これらの重鎖のいずれも同一の軽鎖相手方を持たない。
【0078】
トレーニングデータ調査：トレーニングセット内に少なくとも５つの観測がある重－軽鎖対に対してχ２検定を使用してトレーニングデータの特徴を調べた。これは、重－軽鎖ペアリングがランダムではない（χ２＝８１０２．９、ｐ値＜１０－９）ことを示した。しかしながら、重－軽鎖対の分割表は研究間で一貫せず、ペアリングのランダム性に関する推論の結論は出なかった。配列レベルにおいて、単一の重鎖配列は典型的には、１つの一意の相手方軽鎖配列を有したが、１重鎖につき最高で７つの異なる軽鎖相手方が存在することができる。軽鎖はより雑多であることがわかり、単一の軽鎖配列は最高で１０４２個の異なる重鎖と対になることがわかった。それにもかかわらず、７３５４９個のうち５８１２３個の軽鎖が１つの一意の重鎖相手方を有した。
【0079】
ブラインドテストセット：単一細胞データセットを対になった（Paired）Observed Antibody Spaceから取得した［Kovaltsuk et al., 2018］。King et al., [2021]、Eccles et al., [2020]、及びSetliff et al., [2019]からのヒトＢＣＲレパートリーの３つの研究を集めた。それぞれ合計で３０３３２、７４１、及び４９４４個の一意の重－軽鎖対が存在した。
【0080】
配列トークン化
トレーニングセットデータは、全長重鎖及び軽鎖配列を含まず、その理由は、このデータの生成に使用された単一細胞シーケンシング法が軽／重鎖の完全なアミノ酸配列を回収することができなかったためであった。その代わり、トレーニングデータセットは以下を含んだ：（ｉ）各重鎖について：Ｖ遺伝子識別子、接合配列、Ｊ遺伝子識別子、及びＤ遺伝子識別子（しかしＤ遺伝子識別子は使用されなかった）及び（ｉｉ）各軽鎖について：Ｖ遺伝子識別子、接合配列、及びＪ遺伝子識別子。したがって、各エントリは、例えば、ＩＧＨＶ３－２３／ＣＡＲ．．．ＤＹＷ／ＩＧＨＪ６－ＩＧＫＶ３－２０／ＣＱＱ．．．／ＩＧＫＪ２等の遺伝子識別子と配列との組合せを含んだ。モデルは、Ｖ遺伝子識別子、接合配列、及びＪ遺伝子識別子に対応するトークン化された重鎖配列を入力としてとり、出力として、Ｖ遺伝子識別子、接合配列、及びＪ遺伝子識別子に対応するトークン化された軽鎖配列を生成するようにトレーニングされた。このデータ形式に対処するために、トークン化用にカスタムエンコード法を設計した。各Ｖ遺伝子は単一のトークンからなり、各Ｊ遺伝子は単一のトークンからなり、接合アミノ酸配列は重複３－ｍｅｒとしてトークン化された。接合配列は、配列の最も多様性に富む領域であり、結合機能の大半を仲介すると考えられており、したがって、この配列のトークン化の粒度を上げた。トレーニングセットで少なくとも２回発生した場合、トークンを使用した（データのフィルタリングに関連して既に上述したように）。
トレーニングセットデータは、全長重鎖及び軽鎖配列を含まず、その理由は、このデータの生成に使用された単一細胞シーケンシング法が軽／重鎖の完全なアミノ酸配列を回収することができなかったためであった。その代わり、トレーニングデータセットは以下を含んだ：（ｉ）各重鎖について：Ｖ遺伝子識別子、接合配列、Ｊ遺伝子識別子、及びＤ遺伝子識別子（しかしＤ遺伝子識別子は使用されなかった）及び（ｉｉ）各軽鎖について：Ｖ遺伝子識別子、接合配列、及びＪ遺伝子識別子。したがって、各エントリは、例えば、ＩＧＨＶ３－２３／ＣＡＲ．．．ＤＹＷ／ＩＧＨＪ６－ＩＧＫＶ３－２０／ＣＱＱ．．．／ＩＧＫＪ２等の遺伝子識別子と配列との組合せを含んだ。モデルは、Ｖ遺伝子識別子、接合配列、及びＪ遺伝子識別子に対応するトークン化された重鎖配列を入力としてとり、出力として、Ｖ遺伝子識別子、接合配列、及びＪ遺伝子識別子に対応するトークン化された軽鎖配列を生成するようにトレーニングされた。このデータ形式に対処するために、トークン化用にカスタムエンコード法を設計した。各Ｖ遺伝子は単一のトークンからなり、各Ｊ遺伝子は単一のトークンからなり、接合アミノ酸配列は重複３－ｍｅｒとしてトークン化された。接合配列は、配列の最も多様性に富む領域であり、結合機能の大半を仲介すると考えられており、したがって、この配列のトークン化の粒度を上げた。トレーニングセットで少なくとも２回発生した場合、トークンを使用した（データのフィルタリングに関連して既に上述したように）。
【0081】
接合アミノ酸配列（又は完全な配列）のトークン化に可能な他の方式には、例えば、バイト対エンコード又は各アミノ酸のトークンがある。バイト対エンコード等の方式は、単一細胞データ等のより多くの完全配列の配列データが利用可能な場合、例えば、数十万のオーダ又は１００万もの配列がモデルのトレーニングに使用される場合等、特に有用であり得る。
【0082】
合計で、７９８６個のトークンを重鎖ボキャブラリ内で構築し、一方、軽鎖ボキャブラリは６４５２個のトークンを有した。この例では、「センテンス」は、重又は軽鎖配列のトークン化された表現である。各センテンスは特殊なトークン＜ＳＯＳ＞で始まり、その後に重又は軽鎖のＶ遺伝子を表すトークン、重複３－ｍｅｒトークン、Ｊ遺伝子トークン、そして次に特殊なトークン＜ＥＯＳ＞が続く。重鎖及び軽鎖のそれぞれの最大長３４及び２４よりも少ないトークンを有するあらゆるセンテンスでは、配列を特殊な＜ＰＡＤ＞トークンでパディングした。配列が未観測のＶ遺伝子、Ｊ遺伝子、新規の３－ｍｅｒを含む場合又は接合部がアミノ酸３０個よりも長い場合、Matchmakerは予測を行わない。実際に、Ｊ遺伝子多様性はＶ遺伝子多様性よりもはるかに低く、したがって、未観測Ｊ遺伝子のインスタンスは存在しなかった。
【0083】
軽鎖ペアリング方法
入力として重鎖のみを使用した軽鎖予測の５つの戦略を調べた。これらは図３に示されており、さらに以下詳述する。戦略は以下を含む：
－ 配列への重鎖トークン化及び軽鎖トークン化変換を用いるトランスフォーマアーキテクチャ（図３Ａ及び以下において「Matchmaker」と呼ばれる）；
－ トランスフォーマと同じボキャブラリを使用し、これもまた軽鎖出力（図３Ｂ）を提供する、重鎖入力を用いるＧＲＵ（ゲート付き回帰型ユニット）モデル；ＧＲＵ及びより広くはアテンションを用いるＬＳＴＭ（長短期記憶ネットワーク）等の他の回帰型ニューラルネットワーク（ＲＮＮ）アーキテクチャは、トランスフォーマがこのタスクに一般的になる前、ニューラルマシン翻訳の前の「現行技術水準」であった；
－ データベース探索法ワークフロー（図３Ｃ）；
－ 「ランダム探索」と呼ばれるデータベース探索法の変形；及び
－ 重及び軽鎖リードカウントのランク付き分布をマッチングし、次いで同様のランクを有する鎖をペアリングする頻度探索法（図３Ｄ）。
入力として重鎖のみを使用した軽鎖予測の５つの戦略を調べた。これらは図３に示されており、さらに以下詳述する。戦略は以下を含む：
－ 配列への重鎖トークン化及び軽鎖トークン化変換を用いるトランスフォーマアーキテクチャ（図３Ａ及び以下において「Matchmaker」と呼ばれる）；
－ トランスフォーマと同じボキャブラリを使用し、これもまた軽鎖出力（図３Ｂ）を提供する、重鎖入力を用いるＧＲＵ（ゲート付き回帰型ユニット）モデル；ＧＲＵ及びより広くはアテンションを用いるＬＳＴＭ（長短期記憶ネットワーク）等の他の回帰型ニューラルネットワーク（ＲＮＮ）アーキテクチャは、トランスフォーマがこのタスクに一般的になる前、ニューラルマシン翻訳の前の「現行技術水準」であった；
－ データベース探索法ワークフロー（図３Ｃ）；
－ 「ランダム探索」と呼ばれるデータベース探索法の変形；及び
－ 重及び軽鎖リードカウントのランク付き分布をマッチングし、次いで同様のランクを有する鎖をペアリングする頻度探索法（図３Ｄ）。
【0084】
これらの方法のうちの４つ（トランスフォーマ、ＧＲＵ、データベース探索、ランダム探索）は、この研究の一環として新たに開発された。頻度探索手法は、Reddy et al., 2010において前に記載された手法に基づく。
【0085】
Matchmakerアーキテクチャ及び推論：MatchmakerはPyTorch（バージョン１．６．０）を用いて構築された。Matchmakerのハイパーパラメータ及び最適化手順は、Vaswani et al. [2017]からの配列－配列（Ｓｅｑ２Ｓｅｑ）トランスフォーマと同様である。Vaswani et al. [2017]のオリジナルのトランスフォーマからの違いについて以下説明する。まとめると、モデルは、よりよい制約付けのためにわずかに小さく（数層）作られ、トレーニングを改善するために異なる最適化技法を使用してトレーニングされた。Matchmakerは、４つのエンコーダ層及び４つのデコーダ層を有し、フィードフォワード次元１０２４及びドロップアウト０．２を有する。層正規化は残差ブロック内で適用された［Child et al., 2018；Xiong et al., 2020］。モデルはAdamWを使用して最適化され、重み減衰は０．１を用いた。１．０のＬ２ノルムを用いて勾配クリッピングを実施した。Matchmakerは、合計で３１．７Ｍ個の学習可能なパラメータを有する。トレーニングは、検証損失が３エポックにわたり改善しなかった場合に停止し、最良の検証損失を有するモデルを使用した。
【0086】
ゲート付き回帰型ユニット（Gated recurrent unit）（ＧＲＵ）ニューラルネットワークモデル：アテンションメカニズムを用いた代替深層学習Ｓｅｑ２Ｓｅｑモデル［Bahdanau et al., 2015］は、２つのＧＲＵネットワークを使用してトレーニングされた［Cho et al., 2014］。ここで、エンコーダは隠れ次元１０２４を有する４層双方向ＧＲＵであり、デコーダは隠れ次元１０２４を有する４層の順方向のみＧＲＵである。埋め込み層の次元等のモデルの他のハイパーパラメータは、可能な限りMatchmakerと近くなるようにマッチングした。合計で、このモデルは１３１．８Ｍ個の学習可能なパラメータを有する。エンコーダ－デコーダＧＲＵモデルは、Matchmakerと同一の様式でトレーニングされた。簡潔にするために、このアーキテクチャを「ＧＲＵモデル」と呼ぶ。
【0087】
ＧＲＵネットワーク（及び拡大解釈により回帰型ニューラルネットワーク）は、トランスフォーマと比べて、配列をいかに処理するかのメカニズムが全く異なる。手短に言えば、トランスフォーマは、より高速にするのみならずより正確にする一連の「自己アテンション」メカニズムを使用し、一方、回帰型ネットはこれを全く持たない。
【0088】
この研究で使用されたMatchmakerモデル及びＧＲＵモデルは両方とも、各入力鎖に単一の予測を提供した。特に、モデルは、続く各位置において、現在位置で可能な全てのトークンの確率を出力し、現在位置で最高確率を有するトークンを選択してから、次の位置に移ることにより、各鎖を逐次予測した。他の実施態様も可能であり考えられる。例えば、複数のトークンを各位置で同時に考慮することができ、複数の位置（例えば、配列全体、即ち全ての位置等）にわたる大域的確率を最適化する複数の位置にわたるトークンの組合せを選択することができる。これは、ビームサーチ手法又はビームスタックサーチ等の関連する手法［Zhou & Hansen, 2005］及び深さ優先ビームサーチ［Furcy & Koenig, 2005］を使用して実行し得る。ビームサーチは、限られたセット内の最も見込みのあるノードを拡大することによりグラフを探求するヒューリスティック探索アルゴリズムである。所定の最大深さに達した後、最大確率を有する解を出力し得る。データベース探索法：Matchmakerのトレーニングセット内の既知の重－軽鎖対に相同する配列により重鎖をペアリングした。クエリ重鎖配列の場合、クエリに対して一致する重鎖Ｖ遺伝子を有する重－軽鎖対のみが選択される。このサブセットから、２対が選択される。第１の対は、クエリに対して最も近い重鎖接合アミノ酸配列を有する対からのものである「最も近い」軽鎖である。第２の対は、クエリ重鎖のＶ遺伝子と関連付けられる頻度が最も高い軽鎖Ｖ遺伝子を有する対からのものである「上位」軽鎖である。クエリ接合アミノ酸配列への同定が６５％以上である場合又は最も近い軽鎖と上位軽鎖との間の生殖細胞系Ｖ遺伝子同定が７５％以上の場合、最も近い軽鎖が使用される。その他の場合、上位軽鎖が使用される。これら２つの事例を区別する論拠は、探索において十分に類似する接合配列が存在する場合、これからのＶＬ配列を使用することができることである。十分に類似するものがない場合、そのＶ遺伝子に最も一般的なＶＬが使用されるより粗い手法がとられる。異なるカットオフを使用してもよく又はカットオフを使用しないことさえ可能である（即ち、全事例で最も近い軽鎖を使用する）。いずれの場合でも、この戦略は「データベース探索」法と呼ばれる。
【0089】
ランダム探索法：この手法を用いる場合、重鎖の特徴を全く考慮せずに、１つの軽鎖がデータベースからランダムに選ばれる。
【0090】
頻度ベースの探索法：ベースラインとして、軽鎖対の探索はリードカウントを使用して実行された。この研究で使用された全てのデータセットは予め対になっているため、２つのバルクシーケンシングライブラリがある状況は、まず、対になった配列をばらばらにすることによりエミュレートされた。次いで、リード数を重鎖配列又は軽鎖配列上に集約した。例えば、４つのリードを有する配列ＨｅａｖｙＡ：ＬｉｇｈｔＡ及び５つのリードを有する配列ＨｅａｖｙＢ：ＬｉｇｈｔＡがあると考えると、分割及び集約により、４つのリードを有するＨｅａｖｙＡ、５つのリードを有するＨｅａｖｙＢ、及び９つのリードを有するＬｉｇｈｔＡが生成される。重鎖及び軽鎖は次いで、合計リードカウントに基づいてランク付けられる（図３Ｄ参照）。重鎖は次いで、ランクが一致する軽鎖とペアリングされる。
【0091】
完全軽鎖配列の構築：上述した全ての方法で、出力は軽鎖Ｖ遺伝子識別子、接合アミノ酸配列、及び軽鎖Ｊ遺伝子識別子である（図３）。トレーニングセットが全長配列を持たない場合、軽鎖Ｖ遺伝子及びＪ遺伝子をそれらの生殖細胞系アミノ酸配列で置換した。
【0092】
同種標的抗原へのモノクローナル抗体結合の特徴付け
各治療用抗体の計算により対になったものは、間接的ＥＬＩＳＡにより各同種抗原への結合について特徴付けられた。手短に言えば、抗原の商業的なソースからの組換え版（以下の表２参照）を固定化し、最高濃度５００ｎＭ及び３倍希釈系列を使用した１０点滴定として抗体を溶液中に加えた。ＨＲＰ（西洋ワサビペルオキシダーゼ）に共役した抗ヒトＩｇＧ二次抗体を使用して、洗浄後もなお結合していた抗体を検出した。ＴＭＢ－ＥＬＩＳＡ基質を用いて現像し、硫酸を用いて停止した後、４５０ｎｍ吸光度を読み取った。次いで、GraphPad Prism 9（www.graphpad.com）を使用して濃度と突き合わせて吸光度をプロットした。
各治療用抗体の計算により対になったものは、間接的ＥＬＩＳＡにより各同種抗原への結合について特徴付けられた。手短に言えば、抗原の商業的なソースからの組換え版（以下の表２参照）を固定化し、最高濃度５００ｎＭ及び３倍希釈系列を使用した１０点滴定として抗体を溶液中に加えた。ＨＲＰ（西洋ワサビペルオキシダーゼ）に共役した抗ヒトＩｇＧ二次抗体を使用して、洗浄後もなお結合していた抗体を検出した。ＴＭＢ－ＥＬＩＳＡ基質を用いて現像し、硫酸を用いて停止した後、４５０ｎｍ吸光度を読み取った。次いで、GraphPad Prism 9（www.graphpad.com）を使用して濃度と突き合わせて吸光度をプロットした。
【0093】
【表2】
【0094】
モノクローナル抗体の熱安定性
モノクローナル抗体の熱安定性を熱変性アッセイで測定した。トリプリケートにおいて、SYPRO（商標）オレンジの存在下で各抗体を２５℃から９５℃まで加熱し、蛍光度を測定した。次いで、３つの反復の平均として溶融曲線導関数をプロットした。蛍光度が最も急に増大した温度を各抗体で記した。
モノクローナル抗体の熱安定性を熱変性アッセイで測定した。トリプリケートにおいて、SYPRO（商標）オレンジの存在下で各抗体を２５℃から９５℃まで加熱し、蛍光度を測定した。次いで、３つの反復の平均として溶融曲線導関数をプロットした。蛍光度が最も急に増大した温度を各抗体で記した。
【0095】
タンデムトランスフォーマモデル
上述した５つの軽鎖ペアリング手法に加えて、さらなるトレーニングデータを利用することが可能な別の手法を設計した。特に、（全長）ＢＣＲ重及び軽鎖配列（概ね４２３０万個の重鎖配列及び１５３０万個の軽鎖配列）でそれぞれ予めトレーニングされた２つのＲｏＢＥＲＴａモデル［Liu et al., 2019；Rothe et al., 2020］を含むタンデムトランスフォーマモデルを構築した。Matchmaker及びＧＲＵモデルと異なり、このモデルは、トークンとして各アミノ酸を使用してトレーニングされ、したがって、配列の完全なカバレッジを可能にした。対になっていない抗体配列でトレーニングされた、この予めトレーニングされたＲｏＢＥＲＴａモデルは、本明細書では「ＡｎｔｉＢＥＲＴａ」と呼ばれ、トレーニング手順を図９に記載する。ＡｎｔｉＢＥＲＴａモデルは、ＲｏＢＥＲＴａベース（Liu et al., 2019）と同様のスタイルでトレーニングされたが、より小さなバッチサイズ７６８、ピーク学習速度１０－４、並びに２２５０００を超えるトレーニング前ステップ及び１００００のウォームアップステップを用いた。予測では、ビームサーチ（Sustkever et al., 2014）をビーム幅３で使用した。
上述した５つの軽鎖ペアリング手法に加えて、さらなるトレーニングデータを利用することが可能な別の手法を設計した。特に、（全長）ＢＣＲ重及び軽鎖配列（概ね４２３０万個の重鎖配列及び１５３０万個の軽鎖配列）でそれぞれ予めトレーニングされた２つのＲｏＢＥＲＴａモデル［Liu et al., 2019；Rothe et al., 2020］を含むタンデムトランスフォーマモデルを構築した。Matchmaker及びＧＲＵモデルと異なり、このモデルは、トークンとして各アミノ酸を使用してトレーニングされ、したがって、配列の完全なカバレッジを可能にした。対になっていない抗体配列でトレーニングされた、この予めトレーニングされたＲｏＢＥＲＴａモデルは、本明細書では「ＡｎｔｉＢＥＲＴａ」と呼ばれ、トレーニング手順を図９に記載する。ＡｎｔｉＢＥＲＴａモデルは、ＲｏＢＥＲＴａベース（Liu et al., 2019）と同様のスタイルでトレーニングされたが、より小さなバッチサイズ７６８、ピーク学習速度１０－４、並びに２２５０００を超えるトレーニング前ステップ及び１００００のウォームアップステップを用いた。予測では、ビームサーチ（Sustkever et al., 2014）をビーム幅３で使用した。
【0096】
２つのＡｎｔｉＢＥＲＴａモデルを配列－配列モデルとして結合し、エンコーダ及びデコーダは各々、Huggingfaceトランスフォーマライブラリ［Wolf et al., 2019］を使用してＡｎｔｉＢＥＲＴａモデルのコピーとして初期化された。ＡｎｔｉＢＥＲＴａ－ＡｎｔｉＢＥＲＴａモデルを次いで、上述したMatchMaker及びＧＲＵモデルで使用したものよりもわずかに大きな、対になった配列のデータセットを用いて微調整した。特に、トレーニングデータは、抗原経験ライブラリ（先に説明したものと同じソースから、即ち、DeKosky et al. 2016及びDeKosky et al., 2015）からより多くの配列を導入することにより拡大した。合計で、１７１９８４個の対になった配列が存在した。しかしながら、前と同様に、ここでデータセットは完全な重鎖配列及び完全な軽鎖配列を含まない。したがって、生殖細胞系Ｖ及びＪ遺伝子アノテーションを使用して完全な配列を推測した。微調整ステップでは、モデルを２０エポックにわたり、ピーク学習速度３×１０－５及び５％ウォームアップを用いてトレーニングした。パラメータは、エンコーダＡｎｔｉＢＥＲＴａとデコーダＡｎｔｉＢＥＲＴａとの間で共有された。
【0097】
予めトレーニングされたいわゆる「チェックポイント」の使用は、ＮＬＰの状況で強力な戦略であることがわかっている［Rothe et al., 2020］。特に、ＢＥＲＴ－ＢＥＲＴアーキテクチャは、Rothe et al. [2020]においてＮＭＴに対して上手く機能することが示されていた。トランスフォーマモデルを使用してＮＭＴ問題として重－軽鎖ペアリングの問題に取り組むこと（以下参照）を示してきたが、本発明者らは、ＢＥＲＴ－ＢＥＲＴアーキテクチャも非常に上手く機能する可能性が高く、ＲｏＢＥＲＴａモデルも種々のＮＬＰタスクでＢＥＲＴモデルを改善することが示されたため、ＲｏＢＥＲＴａ－ＲｏＢＥＲＴａアーキテクチャがこれをさらに改善し得るという仮説をたてた。
【0098】
フルモデル（予めトレーニングされたＡｎｔｉＢＥＲＴａモデルを含む）のトレーニングに使用される対になったトレーニングデータは、全長ＢＣＲ重鎖配列及び軽鎖配列を含まないため（上述したように）、全長配列を含む同等の対になったデータセットが、２つの代替の手法のうちの一方を使用して生成される。第１の手法では、全長配列は、Ｖ及びＪ遺伝子識別子を対応する生殖細胞系配列で置換することにより取得される。第２の手法では、予めトレーニングされたＡｎｔｉＢＥＲＴａモデル（又は任意の他のそのような「チェックポイント」モデル、例えば、ＧＰＴ－２モデル等）を使用して、既知の鎖対に基づいて重鎖及び軽鎖で独立して（各モデルを使用して）トレーニングセットの全長配列を予測する。「チェックポイント」モデルからの予測は、最適には完全な配列が利用可能ではない任意の分節の生殖細胞系配列から取得された幾らかの情報（例えば、分節のアミノ酸の幾つか、例えば分節の最初のｋ個のアミノ酸の同定等であり、ｋは例えば１、２、３、５、１０等であることができる）と組み合わせて、既知の鎖対の一部又は全て（例えば、遺伝子分節識別子、部分配列等）を使用して取得し得る。換言すれば、対になっていない全長重及び軽鎖データでトレーニングされたＡｎｔｉＢＥＲＴａモデルを使用して、データで提供されたＶ遺伝子識別子、Ｊ遺伝子識別子、及び接合配列から、トレーニングデータ内の重鎖の全長配列を予測し得る。同様に、対になっていない全長重及び軽鎖データでトレーニングされたＡｎｔｉＢＥＲＴａモデルを使用して、データで提供されたＶ遺伝子識別子、Ｊ遺伝子識別子、及び接合配列から、トレーニングデータ内の軽鎖の全長配列を予測し得る。同じ２つの手法を使用して、任意の限られた、対になったトレーニングデータを、「チェックアウト」モデルのトレーニングに利用可能であった可能性があるより拡張された形式のデータにマッピングすることができる。代替的には、「チェックポイント」モデルのトレーニングに使用されるデータは、対になったトレーニングデータの形式に一致する限られた形式に変換し得る。これはなお、利用可能な膨大な数の対になっていない配列から、予めトレーニングされたモデルにより収集された潜在的な追加情報から恩益を受け得る。しかしながら、そのような対になっていない配列データで利用可能な情報の広がりを完全には利用しないことがある。
【0099】
結果
ＮＬＰに触発されたモデルは、入力として重鎖のみを使用して軽鎖を生成する
重－軽鎖ペアリングの問題は、ＮＭＴタスクとして骨組みが組まれ、入力として重鎖配列のみが与えられて軽鎖配列が予測される。特に、［Vaswani et al., 2017］に類似するＳｅｑ２Ｓｅｑトランスフォーマが実施された。モデルは、方法（図３Ａ）に記載のように、入力として重鎖配列のトークン化表現でトレーニングされ、出力として軽鎖配列のトークン化表現を返す。入力重鎖配列について、モデルエンコーダ層は、Ｖ遺伝子、重複接合ｋ－ｍｅｒ、及びＪ遺伝子間の自己アテンションを計算する。重鎖配列でのエンコーダの自己アテンションスコアが次いでデコーダにより使用されて、軽鎖配列を自己回帰により予測する。デコーダアテンションの一例が図５に示されており、図５では、各アテンションヘッドは重鎖トークンの異なるサブセットにフォーカスして、出力軽鎖トークンを決定する。
ＮＬＰに触発されたモデルは、入力として重鎖のみを使用して軽鎖を生成する
重－軽鎖ペアリングの問題は、ＮＭＴタスクとして骨組みが組まれ、入力として重鎖配列のみが与えられて軽鎖配列が予測される。特に、［Vaswani et al., 2017］に類似するＳｅｑ２Ｓｅｑトランスフォーマが実施された。モデルは、方法（図３Ａ）に記載のように、入力として重鎖配列のトークン化表現でトレーニングされ、出力として軽鎖配列のトークン化表現を返す。入力重鎖配列について、モデルエンコーダ層は、Ｖ遺伝子、重複接合ｋ－ｍｅｒ、及びＪ遺伝子間の自己アテンションを計算する。重鎖配列でのエンコーダの自己アテンションスコアが次いでデコーダにより使用されて、軽鎖配列を自己回帰により予測する。デコーダアテンションの一例が図５に示されており、図５では、各アテンションヘッドは重鎖トークンの異なるサブセットにフォーカスして、出力軽鎖トークンを決定する。
【0100】
図６は、軽鎖Ｖ遺伝子予測に関して、全ての方法でのヘルドアウトテストセット及び単一細胞ブラインドテストでの予測性能を示す。Ｖ遺伝子は、抗原結合を決める鎖の部分の最大部分をなし、したがって、安定性に大きな影響力を持つとともに、結合にある程度影響力を持つため（結合は接合配列によっても大きく影響される）、Ｖ遺伝子結果は完全予測結果とは別々に調べられる。軽鎖Ｖ遺伝子予測結果についてさらに以下考察する。Ｖ遺伝子、接合アミノ酸配列、及びＪ遺伝子からなる正しい完全な軽鎖の数は、全ての方法にわたり、正しいＶ遺伝子数よりもはるかに少なかった。予測結果の完全なセットは表３及び表４にある。
【0101】
【表3】
【0102】
【表4】
【0103】
テストセット内の１８９９９個の配列のうち、１８８０３個は５つ全ての予測方法により予測された。トランスフォーマベースのモデルは、２４３１個の重鎖配列で正しい軽鎖Ｖ遺伝子を予測し（１２．９％）、一方、ＧＲＵモデルは１７８６個の正しい予測を有した（９．５％）。トランスフォーマにおける自己アテンションメカニズムの使用は、トランスフォーマモデルが、ＧＲＵモデルと比べて、重鎖配列についての情報をよりよく利用可能であるはずであることを意味する。これは、ＧＲＵモデルと比べてトランスフォーマベースモデルの性能が高いことを少なくとも部分的に説明する可能性が高い。頻度ランクベースの予測方法は、最も低い予測（６５８個の正しいＶ遺伝子；３．５％）を有し、これは、データベースから軽鎖をランダムに選ぶ（９１５個の正しいＶ遺伝子；４．９％）ことよりも悪かった。
【0104】
データベース探索法は最も正確であり、４９４０個の正しいＶ遺伝子を有した（２６．３％、図６Ａ）。しかしながら、図６Ａに見られるように、データベース探索法は、単一細胞ブラインドテストでは、テストセットでのようには上手く機能しなかった。実際に、トランスフォーマベースのモデルは、全ての単一細胞ブラインドテストでデータベース探索法よりも性能が優れていた。テストセットにおけるデータベース探索法の高性能は、大方、ブラインドセットでは当てはまらない、トレーニングセット及びテストセット内のクローン性関連物（clonal relatives）の存在に起因すると考えられる。実際に、単一Ｂ細胞クローンのメンバは、トレーニングセット及びテストセットにわたり分割された（表５参照）。例えば、予測が行われた１８８０３個の重－軽鎖対のうち、８９７個はトレーニングセットと同一の重鎖配列を有した。接合アミノ酸配列において１つまでの不一致を許容する場合、テストセット内で、トレーニングセット内の重鎖と関連する３１７８個の配列が見つかった。これらの中で、７２９個（２３％）は同一の軽鎖配列とペアリングされた。これらは、データベース探索法により正確にペアリングされる可能性がより高く、その一方で、トレーニングセットにおける重鎖レパートリーの冗長性は、ＮＬＰに触発されたモデル（NLP-inspired models）のタスクを複雑にする恐れがある（言語Ａでの複数の文章が言語Ｂでの単一の文章に翻訳される言語Ａから言語Ｂへの翻訳を翻訳モデルが学習する必要があることと似る）。テストデータを使用した評価におけるこのバイアスは、クローンをトレーニングセット及びテストセットにわたり分割しないことにより、即ち、同じＢ細胞クローン（クラスタ）のメンバがトレーニングセットとテストセットとに分けられないことを保証することにより軽減することができる。
【0105】
【表5】
【0106】
したがって、テストセットでの評価は、そのような探索を実行するのに利用可能な対になった配列データの量が、ＢＣＲレパートリーの予期される多様性を真に表す（現実で該当するにはほど遠い）場合のみ現実的であるデータベース探索法の性能の歪んだ見方を与える。換言すれば、ブラインドテストでの評価は、方法の性能比較のはるかに現実的な見方を与える。
【0107】
トレーニングデータセット及びテストデータセットにわたるクローン性関連物の影響を除外するために、本発明者らは、Paired OASデータベースからの単一細胞データセットからの既知の対になった配列を使用してMatchmakerをｉｎ ｓｉｌｉｃｏで検証した［Eccles et al., 2020；King et al., 2021；Setliff et al., 2019］。これらのブラインドテストデータセットのいずれもトレーニングセットとの間に共有する個人が存在しないため、あらゆる重複重鎖配列は、同じＢ細胞クローンのメンバではなく公開配列である可能性が高い。Eccles et al. [2020]及びSetliff et al. [2019]からのデータセット内の重鎖配列はいずれもトレーニングセットと一致せず、一方、King et al. [2021]のデータセット内の１６個の重鎖配列はトレーニングセットと同一であった。重鎖配列の０．０５％の重複は、重鎖収束の従来の観測に広く一致した［Briney et al., 2019］。
【0108】
３つの単一細胞データセットにわたり、Matchmakerの性能はトップであり、最高で９．８％の重鎖配列が正しい軽鎖Ｖ遺伝子と共に予測された（図６Ａ）。Matchmakerは、King、Eccles、及びSetliffのそれぞれのデータセットにおける１０５、７、及び２３個の重鎖に対して正しい軽鎖Ｖ遺伝子、接合配列、及びＪ遺伝子を予測することも可能であった（表４）。それと比較して、データベース探索法は５９、４、及び６個の正しい予測を有した。ＧＲＵ法はMatchmakerほど正確ではなかったが、それもなお、２つの単一細胞データセットでデータベース探索法よりも高性能であった。これらの結果は、深層学習モデルが、特に新規の重鎖配列が存在する状況において、軽鎖予測よりも有用であることができることを示している。結果は、他の手法よりも優れた深層学習モデルの利点が、Ｖ遺伝子配列のみを見る場合よりも全長配列を見る場合にはるかに衝撃的であることをさらに示している。
【0109】
したがって、図６Ａ並びに表３及び４のデータは、２つの機械学習ベースの方法（及びカスタム設計のデータベース探索法）が全て、従来技術（頻度ベースの探索）に似た方法よりもはるかに高性能であったことを示す。これらの中で、トランスフォーマベースの方法は、全てのブラインドテストデータセットにわたり最良の性能を示し、全長配列を見た場合、さらに衝撃的な性能利点を示した。両機械学習ベースの方法も、３つのブラインドテストデータセットのうちの２つでデータベース探索法よりも高性能であった。
【0110】
図６Ｂは、King et al. [2021]のデータセットで予測された軽鎖接合配列のレーベンシュタイン距離分布を示す。これは、トランスフォーマベースの方法（Matchmaker）が、任意の他の方法よりも短い距離を有するより多くの予測を有することを示し、予測された軽鎖接合アミノ酸配列が全体的に正しくない場合であっても、任意の他の方法を用いるよりも近い傾向があることを示す。
【0111】
興味深いことに、King et al. [2021]のデータセットでは、Matchmakerは、トレーニングセットにはない２９個の軽鎖配列予測を生成し、これらのうちの２つは正しい軽鎖Ｖ遺伝子を有した。しかしながら、これらの新規の軽鎖では、軽鎖接合配列の予測はあまりよくなかった。２９個の予測された軽鎖接合アミノ酸配列と真のアミノ酸配列との間の平均レーベンシュタイン距離は、８アミノ酸であった。
【0112】
実験検証
実際的制限に起因して、上述した最良性能の機械学習ベースの方法（Matchmaker）及びデータベース探索法のみを実験で検証した。方法論の最終検証として、これらの方法を使用して、９つの治療用抗体（表６）で軽鎖を予測した。これら９つは、標的が十分に確立されており、重鎖が抗原結合に様々なレベルの影響を与えるため、選ばれた。これは、蛋白質構造データバンク（Protein Data Bank）で利用可能なネイティブ抗体の分子構造を調べることにより重鎖の埋没表面積を計算することにより定量化された。この情報は表中の８／９個の抗体でのみ利用可能であった。ヒトではなくマウス由来のセツキシマブでは、ＡＮＡＲＣＩ［Dunbar and Deane., 2016］を使用して最も近いヒトＶ遺伝子及びＪ遺伝子を推測した。
実際的制限に起因して、上述した最良性能の機械学習ベースの方法（Matchmaker）及びデータベース探索法のみを実験で検証した。方法論の最終検証として、これらの方法を使用して、９つの治療用抗体（表６）で軽鎖を予測した。これら９つは、標的が十分に確立されており、重鎖が抗原結合に様々なレベルの影響を与えるため、選ばれた。これは、蛋白質構造データバンク（Protein Data Bank）で利用可能なネイティブ抗体の分子構造を調べることにより重鎖の埋没表面積を計算することにより定量化された。この情報は表中の８／９個の抗体でのみ利用可能であった。ヒトではなくマウス由来のセツキシマブでは、ＡＮＡＲＣＩ［Dunbar and Deane., 2016］を使用して最も近いヒトＶ遺伝子及びＪ遺伝子を推測した。
【0113】
【表6】
【0114】
データベース探索からの９つ全ての軽鎖予測は、安定した抗体をもたらし、一方、９つのMatchmakerペアリングの１つは失敗し、１つは、最初、発現することができなかったため、検定されなかった（表７参照）。ニボルマブのMatchmakerでペアリングされた形態を除き、いずれの方法からの他の全ての抗体も、熱安定性の抗体を生成した。Matchmakerからの軽鎖（ＩＧＫＶ１－３９）を有するペルツズマブは発現したが、ネイティブ軽鎖（ＩＧＫＶ１－３３）と類似するにもかかわらず、ペアリングは標的に結合しなかった。しかしながら、予測とネイティブの軽鎖配列との間で異なる少数の位置が重鎖界面に存在する。例えば、ネイティブペルツズマブ軽鎖は、アラニンを位置Ｌ４０に有し、一方、Matchmaker予測の軽鎖はアスパラギンを有した。したがって、両方法とも（データベース探索予測及びトランスフォーマベースの予測）、大半又は全ての事例で安定した対を産生することが可能であった。従来技術により触発された頻度ベースの方法（上述したように、ランダムデータベース探索よりも性能が悪かった）の比較的低い性能に基づいて、これは、頻度ベースの方法を使用して取得され得た結果よりも良好な結果である可能性が高い。
【0115】
【表7】
【0116】
各抗原への結合について、間接的ＥＬＩＳＡにより２７個の抗体（ネイティブ９個、Matchmaker９個、データベース９個）の各々を検定した。予測のいずれも、真の配列と同一の配列を有さず、したがって、いずれもオリジナル抗体の完全な結合親和性を回復しなかった。これらの治療用抗体の配列は親和性最適化（時にはヒト由来の配列に基づかない）に向けての集中的な遺伝子操作の結果であり、一方、予測方法は自然に生じる配列に基づくため、これは予期されていた。しかしながら、Matchmakerペアリングの抗体は、３／９の事例で結合の兆候を示し、一方、データベース探索により作られた抗体は１／９で結合を示した（表８、図８）。したがって、データは、Matchmaker法が、今まではＢＣＲレパートリーのバルクシーケンシングから機能的抗体を提供するプロセスにおける大きなボトルネックであった工程である、さらなる遺伝子操作に向けて良好なベースを形成するのに十分な結合親和性を示す対の大部分を生成可能なことを示す。
【0117】
さらに、ここで使用される治療用抗体等の変異及び／又は遺伝子操作された抗体配列がいかにペアリングされるかを反映した追加のトレーニングデータを使用して、この方法の性能をさらに強化することができると予期される。換言すれば、トレーニングデータを拡大して、モデルがより多くのデータから及び／又は最適化された配列を含むデータから学習できるようにすることは、ネイティブ抗体及び遺伝子操作された抗体の機能的ペアリングを予測するモデルの能力をさらに改善すると予期される。
【0118】
【表8】
【0119】
興味深いことに、Matchmakerは、パニツムマブに対して正しい軽鎖Ｖ遺伝子を予測したが、合成された抗体は結合を示さなかった。これは、正しいＶ遺伝子を予測することであっても、必ずしもＢＣＲの機能を救うわけではないことを強調する。実際に、結合を示したMatchmaker又はデータベース探索法により予測されたペアリングのいずれも、正しいＶ遺伝子を予測しなかった。機能的抗体対の決定要因はあまり理解されていない。上述したように、Ｖ遺伝子は結合領域の大部分を形成するため、正しいＶ遺伝子の同定は、ペアリングが安定している可能性が高いことの指示及び少なくとも、バインダを同定するための見込みのある開始点を提供する。しかしながら、正しくない接合部はペアリングの最終的な結合親和性に大きく影響し得、わずかに異なるＶ遺伝子が存在する場合であっても結合に繋がり又は逆に、正しいＶ遺伝子が存在する場合であっても結合しないことに繋がる。これらの結果は、図６Ａ及び図６Ｂ並びに表４における結果と組み合わせて、本明細書に記載の機械学習ベースの手法が、軽鎖配列の異なる部分間の複雑な相互作用（厳密なＶ遺伝子配列一致が、より適切な接合配列と組み合わせられた非厳密な一致ほど良好な結合親和性に繋がらないことがある）に関与する安定性及び結合の根底にある複雑な特徴を学習可能なことを示す。この能力は、完全ではないが、実験で評価された場合、新たに記載された非深層学習ベースの方法（データベース探索）よりも明らかに高性能である。さらに、ｉｎ－ｓｉｌｉｃｏでの調査からの結果は、本明細書に記載の機械学習ベースの手法が、現行技術水準の頻度ベースの手法よりもさらに大差で高性能であることを示す。
【0120】
Matchmakerからの予測の中で最強のバインダは、データベース軽鎖とペアリングされたペルツズマブ重鎖であった。しかしながら、ペルツズマブの相互作用は主に重鎖により駆動され、これは、任意の安定した軽鎖が結合を可能にし得ることを示し得る。逆に、ニボルマブ及びセツキシマブのMatchmakerの軽鎖は、重鎖の重要度が比較的低いにもかかわらず、バインダに繋がった。
【0121】
本明細書に記載の方法の臨床有用性のさらなる検証及び証拠として、上述したMatchmakerモデルを使用して、免疫反応に関与し、コロナウイルスのスパイクタンパク質に結合する可能性が高いものとしてＣＯＶＩＤ－１９患者で同定された重鎖配列の重－軽鎖ペアリングを同定した。特に、Galson et al. (2020)のデータから選択されたこれらの性質を有するＣＯＶＩＤ－１９患者から同定された１８個の重鎖配列が、入力として、軽鎖とペアリングする方法に提供された。ペアリングを発現させ、ホモジニアス時間分解蛍光測定法（ＨＴＲＦ）を使用して武漢株スパイク抗原への結合について検定した。１８個全ての抗体は発現に成功し、１８個のうちの９個の抗体はスパイクタンパク質に結合するものとして確認された（結合はデルタＦ％＞１００として定義され、デルタＦは、ネガティブコントロールと比べた蛍光リードアウトの割合増大を表す）。したがって、Matchmaker予測の５０％は機能的抗体に繋がる。
【0122】
タンデムトランスフォーマモデル
本明細書に記載のＧＲＵベース及びトランスフォーマベースのモデルの構造は、対になった重－軽鎖データがトレーニングに必要であるため、利用可能なトレーニングデータ量に幾つかの制限を課す。このタイプのデータは比較的限られた量で利用可能であり、完全な配列の代わりにＶ及びＪ遺伝子識別子を提供することにより、その内容がさらに制限される（それにより、これらの分節の生殖細胞系配列に対する予測を実質的に制限する）。これらの制限を回避するために、対になっていない重鎖配列及び軽鎖配列のはるかに大きなデータセット（それぞれ４２３０万及び１５３０万個の配列）で各々がトレーニングされる２つのトランスフォーマを含むモデルを構築した。この結果を表９に示す。Ｖ遺伝子予測結果はMatchmakerよりもわずかに低かったが、正しいＶ遺伝子、接合アミノ酸配列、及びＪ遺伝子を有する正しい予測の数はより高かった（表９と表５、６とを比較）。このデータは、この機械学習ベースの方法がまた、従来技術に似た方法（頻度ベースの探索）よりも高性能であることを示す。データは、タンデムトランスフォーマ手法が、少なくとも、トランスフォーマベースの手法が他の方法と比べて衝撃的な性能利点を既に示した全長配列にわたる性能を見る場合、トランスフォーマベースの方法をさらに改善する潜在性を有することをさらに示す。この手法の性能は、追加のトレーニングデータ及びトレーニング時間（ここでは実用的な理由で制限された）を用いてさらに増大する可能性が高い。
本明細書に記載のＧＲＵベース及びトランスフォーマベースのモデルの構造は、対になった重－軽鎖データがトレーニングに必要であるため、利用可能なトレーニングデータ量に幾つかの制限を課す。このタイプのデータは比較的限られた量で利用可能であり、完全な配列の代わりにＶ及びＪ遺伝子識別子を提供することにより、その内容がさらに制限される（それにより、これらの分節の生殖細胞系配列に対する予測を実質的に制限する）。これらの制限を回避するために、対になっていない重鎖配列及び軽鎖配列のはるかに大きなデータセット（それぞれ４２３０万及び１５３０万個の配列）で各々がトレーニングされる２つのトランスフォーマを含むモデルを構築した。この結果を表９に示す。Ｖ遺伝子予測結果はMatchmakerよりもわずかに低かったが、正しいＶ遺伝子、接合アミノ酸配列、及びＪ遺伝子を有する正しい予測の数はより高かった（表９と表５、６とを比較）。このデータは、この機械学習ベースの方法がまた、従来技術に似た方法（頻度ベースの探索）よりも高性能であることを示す。データは、タンデムトランスフォーマ手法が、少なくとも、トランスフォーマベースの手法が他の方法と比べて衝撃的な性能利点を既に示した全長配列にわたる性能を見る場合、トランスフォーマベースの方法をさらに改善する潜在性を有することをさらに示す。この手法の性能は、追加のトレーニングデータ及びトレーニング時間（ここでは実用的な理由で制限された）を用いてさらに増大する可能性が高い。
【0123】
【表9】
【0124】
考察
この例は、ＢＣＲ重－軽鎖ペアリングの問題に対する機械学習によるＮＬＰに触発された手法を説明する。特にＢＣＲ重－軽鎖ペアリングの問題をＮＭＴタスクと見なす２つのアーキテクチャ：Matchmaker、Ｓｅｑ２Ｓｅｑトランスフォーマモデル及びＳｅｑ２Ｓｅｑ ＧＲＵベースのモデルについて説明する。知る限りでは、本研究は、入力として重鎖配列のみを必要とする深層人工ニューラルネットワーク（ＡＮＮ）、特にＳｅｑ２ＳｅｑモデルのＢＣＲ重鎖ペアリングへの最初の適用である。Matchmakerは、この目的でのトランスフォーマモデルの最初の適用である。本明細書に記載の深層学習ベースの手法は、バルク軽鎖シーケンシングの必要性もなくしながら、ＢＣＲレパートリーを可能な限り深くカバーするという恩益を提供する。さらに、本手法は、トレーニングデータのセットからペアリングの一般特徴を学習し、この学習を使用して、以前は見られなかった鎖のペアリングを予測することが可能である。逆に、データベース探索手法等の手法は、既知のペアリングに存在しないか又は既知のペアリングに存在する鎖からより離れているクエリ鎖を見る場合、すぐに機能停止しがちである。これは、ＢＣＲレパートリーの極めて大きな多様性を考慮して、多くの場合で有利である可能性が高いが、特に個人での所望の表現型の根底にあり得る特定の抗体又は他の希な抗体の同定等の用途の状況で有利である可能性が高い。
この例は、ＢＣＲ重－軽鎖ペアリングの問題に対する機械学習によるＮＬＰに触発された手法を説明する。特にＢＣＲ重－軽鎖ペアリングの問題をＮＭＴタスクと見なす２つのアーキテクチャ：Matchmaker、Ｓｅｑ２Ｓｅｑトランスフォーマモデル及びＳｅｑ２Ｓｅｑ ＧＲＵベースのモデルについて説明する。知る限りでは、本研究は、入力として重鎖配列のみを必要とする深層人工ニューラルネットワーク（ＡＮＮ）、特にＳｅｑ２ＳｅｑモデルのＢＣＲ重鎖ペアリングへの最初の適用である。Matchmakerは、この目的でのトランスフォーマモデルの最初の適用である。本明細書に記載の深層学習ベースの手法は、バルク軽鎖シーケンシングの必要性もなくしながら、ＢＣＲレパートリーを可能な限り深くカバーするという恩益を提供する。さらに、本手法は、トレーニングデータのセットからペアリングの一般特徴を学習し、この学習を使用して、以前は見られなかった鎖のペアリングを予測することが可能である。逆に、データベース探索手法等の手法は、既知のペアリングに存在しないか又は既知のペアリングに存在する鎖からより離れているクエリ鎖を見る場合、すぐに機能停止しがちである。これは、ＢＣＲレパートリーの極めて大きな多様性を考慮して、多くの場合で有利である可能性が高いが、特に個人での所望の表現型の根底にあり得る特定の抗体又は他の希な抗体の同定等の用途の状況で有利である可能性が高い。
【0125】
本手法は、幾つかの代替の戦略と突き合わせて基準に従って評価された。重－軽鎖対のヘルドアウトテストセットでは、両深層ＡＮＮとも（特にMatchmaker）、かなり高性能であったが、データベース探索法が最高の正確性であった。同じＢ細胞クローンの関連物がトレーニングセットとヘルドアウトテストセットにわたって見つかったことを考慮すると、データベース探索法が最高の正確性であったことは驚くことではない。実際に、重－軽鎖対の十分に大きな知識ベースの取得が、現実的な見通しであったならば、正しい軽鎖相手方の同定を助けるであろう。しかしながら、ブラインドテストは、関連する重鎖配列が利用可能ではない場合、データベース探索の正確性がよくないことを示した。頻度探索は、全てのテスト状況にわたり最悪の性能であり、ランダム選択でさえわずかに良好であることがわかった。これは予想よりも低く、ペアリングの手段として軽鎖頻度を使用することの限界を裏付ける。
【0126】
ブラインドテストでの興味深い観測は、Matchmakerが完全に新規の軽鎖を予測可能であったこと、即ち、予測された軽鎖配列がトレーニングデータになかったことであった。これは、真の配列へのレーベンシュタイン距離がかなり低い（距離＝４）１つの新規の軽鎖を予測したＧＲＵモデルでも当てはまった。２９／２９７８５個の重鎖のみがMatchmakerによる新規の軽鎖予測を有したが、これは、深層学習モデルが、トレーニングセットを記憶するのとは対照的に、アテンションメカニズムにより重－軽鎖ペアリングの幾つかのルールを学習したことを示唆する。完全な重鎖配列及び軽鎖配列で構成されたより高品質のデータを用いれば、Matchmaker等の深層ＡＮＮモデルが、重－軽鎖ペアリングの改善された特定を学習することが予期される。それらのルールを考慮すれば、Matchmakerは、この研究で観測されたものよりも高い正確性の他の新規の軽鎖を生成するはずである。
【0127】
実験で検証された９つのポジティブコントロール治療用抗体のセットで、Matchmakerは、データベース探索法よりも多くのバインダを生成した。いずれの戦略から予測された抗体も、ネイティブ抗体ほど強力ではなく、大半の予測はバインダに繋がらず、問題の難しさを際立たせた。結合強度のばらつきは、結合への重鎖寄与を反映するように見えたが、Matchmakerはこれらの差により影響されるようには見えなかった。軽鎖と結合との間の精密な関係は不明瞭なままであるが、Matchmakerが結合抗体を生成するという事実は、さらなる抗体遺伝子操作機会に向けた出発点を与える。換言すれば、本方法は、重鎖のある割合に対してバインダを予測することが可能であり、少なくとも以下を理由として、従来技術からの大きな改善を表す：（ａ）入力として重鎖配列のみを必要とし、（ｂ）入力として使用することができる配列及びデータセットのタイプに関して制限されず（即ち、クローン優勢試料内の高度過剰配列のみならず、任意のタイプの配列に対して有用な予測を提供可能であると予期される）、（ｃ）他の方法よりも高いバインダ予測ヒット率を有する（現行技術水準よりも高い予測性能を有することが示された本明細書に新たに記載された方法でさえも）。そうして取得に成功した任意のそのようなバインダは、従来技術からの改善を表し、さらなる親和性改善に向けて有望な開始点として使用することができる。ＣＯＶＩＤ－１９患者からの重鎖配列を使用したさらなる検証は、Matchmakerの性能が、テストされた治療用抗体の限られたセットで生成されたペアリングの５０％（９／１８）が標的への幾らかの結合を示したため、このデータに基づいて示されたものよりもさらに高い可能性があることを示す。比較する方法と比べて観測された改善は、それ自体で重要であるのみならず、ＢＣＲレパートリーの多様性を考慮して、機能的な重－軽鎖ペアリングの同定が、さらなる開発に向けて十分に実行可能な候補に辿り着かせるいかなる改善も実用において極めて重要であるような極めて複雑な問題であることを考慮した場合、特に重要である。これは、探索効率の小さな改善であってさえも（そしてこれは決して小さな改善ではない）より高速の結果及び／又は治療用抗体の発見、テスト、最適化、及び開発における無駄な労力及びリソースの低減に繋がる、被験者からの試料からの治療用抗体発見等の用途の状況で特に当てはまり得る。さらに、本モデルは、トランスフォーマベースのモデルのトレーニングに典型的に使用されるデータセット（通常、数百万のオーダの配列）と比べてかなり小さな１５３８８９個の重－軽鎖対のトレーニングセットを使用してトレーニングされた。
【0128】
Matchmakerの実施態様への幾つかの可能な改善が考えられる。例えば、上述したモデルは、貪欲にトークンを予測する（即ち、一度に１つのトークン、換言すれば、個々の各位置で最も可能性の高いトークンが予測される）。ビームサーチ［Sustkever et al., 2014］等の複数（例えば、３つ）の位置を同時に考慮する戦略を使用することは、モデルがより多くの解を探求し、したがって、最適未満の解に「足止め」される可能性がより低いため、予測正確性を上げるのに役立つはずである。これは、上述したタンデムトランスフォーマモデルに使用される手法である。さらに、先に例示したMatchmaker及びＧＲＵモデルは、重複した固定サイズのｋ－ｍｅｒと遺伝子識別子との組合せをＢＣＲ配列のエンコードに使用する。単一アミノ酸又はアミノ酸のバイト対をトークンとして使用することは、モデルをさらに改善すると予期される。例えば、上述したタンデムトランスフォーマモデルは、各アミノ酸に単一のトークンを使用した。バイト対エンコードを使用すれば、データ駆動的に自動的に定義されるディクショナリを使用して、幾つかの非重複アミノ酸がトークンとしてエンコードされる。
【0129】
トレーニングセットの制限は、全長の重鎖配列及び軽鎖配列がないことである。実際に、そのようなデータは現在、限られた量でしか利用できず、したがって、Ｊ遺伝子識別子、Ｖ遺伝子識別子、及び接合配列のみを含むより大きなデータセットが使用された。代替のトークン化方式は、このギャップに対処するように設計されたが、効果的にＶ及びＪ遺伝子の生殖細胞系軽鎖配列のみを予測する（それがトレーニングデータで利用可能な情報の全てであるため）。ＣＤＲＬ１及びＣＤＲＬ２ループはＣＤＲＨ３との接触を形成することができる［Leem et al., 2016］ため、予測された軽鎖は、ｉｎ ｖｉｖｏでＣＤＲＨ３との極めて重要な相互作用を形成する任意の変異アミノ酸を見逃すことがある。これは、トレーニングに異なる対になった重－軽鎖データを使用し、例えば、10x Genomicsプラットフォームから等の細胞バーコーディングに基づくデータ等の全長配列を提供することにより解消し得る。これは、対になっていない全長配列のより大きなトレーニングデータセット（チェックポイントモデルをトレーニングするため）と潜在的により狭い配列カバレッジを有するより小さな対になったデータセットとの組合せを使用して、モデルをトレーニングすることができる上述したタンデムトランスフォーマ手法を使用して対処することもできる。
【0130】
バルク重鎖レパートリー解析を抗体発見に適用するために、軽鎖ペアリングの問題は該当するままである。本明細書に記載の深層学習ベースの手法は、入力として重鎖のみに依存することにおいて独自である。特に、Matchmaker（トランスフォーマベース）モデルは、複数のメトリックに基づいて最高のｉｎ ｓｉｌｉｃｏ正確性を有し、機能的抗体の生成についてｉｎ ｖｉｔｒｏで検証された。対になった軽鎖情報が利用可能ではない場合に軽鎖を予測するために、これによりMatchmakerは独自に軽鎖を予測することができる。したがって、この手法は、軽鎖ペアリング情報におけるギャップを埋め、治療用抗体発見及び免疫系のよりよい理解を可能にする潜在性を有する。
【0131】
最後に、本手法について重鎖クエリに対する軽鎖ペアリングを同定する状況で説明したが、軽鎖クエリに対する重鎖ペアリングを同定する逆の問題にも適用可能である。重鎖シーケンシングはより一般的であり、重鎖は、特異性及び親和性を決めるに当たりより重要な役割を果たすと考えられるため、これはあまり頻度の高い問題ではない。
【0132】
引用文献
Vander Heiden et al., 2017. Dysregulation of B Cell Repertoire Formation in Myasthenia Gravis Patients Revealed through Deep Sequencing. J Immunol. 2017 Feb 15;198(4):1460-1473.
Bashford-Rogers et al, 2019. Analysis of the B cell receptor repertoire in six immune-mediated diseases. Nature volume 574, pages122-126(2019).
Nielsen et al., 2020. Human B Cell Clonal Expansion and Convergent Antibody Responses to SARS-CoV-2. bioRxiv. Preprint. 2020 Jul 9. doi: 10.1101/2020.07.08.194456.
Simonich et al., 2019. Kappa chain maturation helps drive rapid development of an infant HIV-1 broadly neutralizing antibody lineage. Nature Communications volume 10, Article number: 2190 (2019).
Krawczyk et al., 2019. Looking for therapeutic antibodies in next-generation sequencing repositories. mAbs. Volume 11, 2019 - Issue 7, Pages 1197-1205.
Galson et al., 2020. Deep Sequencing of B Cell Receptor Repertoires From COVID-19 Patients Reveals Strong Convergent Immune Signatures. Front. Immunol., 15 December 2020. doi.org/10.3389/fimmu.2020.605170.
Mora and Walczak, 2019. How many different clonotypes do immune repertoires contain? Current Opinion in Systems Biology. Volume 18, December 2019, Pages 104-110
Kovaltsuk et al., 2018. Observed Antibody Space: A Resource for Data Mining Next-Generation Sequencing of Antibody Repertoires. J Immunol October 15, 2018, 201 (8) 2502-2509.
Tiller et al., 2013. A fully synthetic human Fab antibody library based on fixed VH/VL framework pairings with favorable biophysical properties. MAbs. 2013 May 1; 5(3): 445-470.
Teplyakov et al., 2016. Structural diversity in a human antibody germline library. MAbs. Aug-Sep 2016;8(6):1045-63.
Glanville et al., 2009. Precise determination of the diversity of a combinatorial antibody library gives insight into the human immunoglobulin repertoire. PNAS December 1, 2009 106 (48) 20216-20221.
Jayaram et al., 2012.Germline VH/VL pairing in antibodies. Protein Engineering, Design and Selection, Volume 25, Issue 10, October 2012, Pages 523-530.
Ling et al., 2018. Effect of VH-VL Families in Pertuzumab and Trastuzumab Recombinant Production, Her2 and FcγIIA Binding. Front. Immunol., 12 March 2018. doi.org/10.3389/fimmu.2018.00469
DeKosky et al., 2013. High-throughput sequencing of the paired human immunoglobulin heavy and light chain repertoire. Nature Biotechnology volume 31, pages166-169(2013).
DeKosky et al., 2015. In-depth determination and analysis of the human paired heavy- and light-chain antibody repertoire. Nature Medicine volume 21, pages86-91(2015).
DeKosky et al., 2016. Large-scale sequence and structural comparisons of human naive and antigen-experienced antibody repertoires. PNAS May 10, 2016 113 (19) E2636-E2645.
King et al., 2021. Single-cell analysis of human B cell maturation predicts how antibody class switching shapes selection dynamics. Science Immunology 12 Feb 2021. Vol. 6, Issue 56, eabe6291
Eccles et al., 2020. T-bet+ Memory B Cells Link to Local Cross-Reactive IgG upon Human Rhinovirus Infection. Cell Reports Volume 30, Issue 2, 14 January 2020, Pages 351-366.e7
Setliff et al., 2019.High-Throughput Mapping of B Cell Receptor Sequences to Antigen Specificity. Cell Volume 179, Issue 7, 12 December 2019, Pages 1636-1646.e15
Reddy et al., 2010. Monoclonal antibodies isolated without screening by analyzing the variable-gene repertoire of plasma cells. Nature Biotechnology volume 28, pages965-969(2010).
Zhu et al., 2013. Mining the antibodyome for HIV-1-neutralizing antibodies with next-generation sequencing and phylogenetic pairing of heavy/light chains. PNAS. 2013 Apr 16;110(16):6470-5.
Raybould et al., 2021. Public Baseline and shared response structures support the theory of antibody repertoire functional commonality. PLoS Comput Biol 17(3): e1008781.
Rakocevic et al., 2021.The landscape of high-affinity human antibodies against intratumoral antigens. bioRxiv. 8 Feb 2021. doi.org/10.1101/2021.02.06.430058
Vaswani et al., 2017. Attention Is All You Need. arXiv:1706.03762
Devlin et al., 2019. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. arXiv:1810.04805
Radford et al., 2019.Language Models are Unsupervised Multitask Learners. https://openai.com/blog/better-language-models/
Liu et al., 2019.RoBERTa: A Robustly Optimized BERT Pretraining Approach. arXiv:1907.11692
Rothe et al., 2020.Leveraging Pre-trained Checkpoints for Sequence Generation Tasks. arXiv:1907.12461
Bahdanau et al., 2015. Neural machine translation by jointly learning to align and translate. arXiv:1409.0473
Cho et al., 2014. Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling. arXiv:1412.3555
Child et al., 2019. Generating Long Sequences with Sparse Transformers. arXiv:1904.10509
Xiong et al., 2020. On Layer Normalization in the Transformer Architecture. arXiv:2002.04745
Dunbar and Deane, 2016. ANARCI: antigen receptor numbering and receptor classification. Bioinformatics. 2016 Jan 15;32(2):298-300.
Sutskever et al., 2014. Sequence to Sequence Learning with Neural Networks.arXiv:1409.3215
Rees, 2020. Understanding the human antibody repertoire. MAbs. Jan-Dec 2020;12(1):1729683.
Leem et al., 2016. ABodyBuilder: Automated antibody structure prediction with data-driven accuracy estimation. MAbs. 2016 Oct;8(7):1259-1268.
Ye et al., 2013. IgBLAST: an immunoglobulin variable domain sequence analysis tool. Nucleic Acids Res. 2013 Jul;41(Web Server issue):W34-40.
Furcy, David. Koenig, Sven.“Limited Discrepancy Beam Search”. IJCAI’05: Proceedings of the 19th international joint conference on Artificial intelligence. July 2005 Pages 125-131.
Zhou, Rong. Hansen, Eric.“Beam-Stack Search: Integrating Backtracking with Beam Search”. Conference: Proceedings of the Fifteenth International Conference on Automated Planning and Scheduling (ICAPS 2005), June 5-10 2005.
Wolf et al., 2019. HuggingFace’s Transformers: State-of-the-art Natural Language Processing. arXiv:1910.03771
Carter Jason A., Preall Jonathan B., Grigaityte Kristina, Goldfless Stephen J., Jeffery Eric, Briggs Adrian W., Vigneault Francois, Atwal Gurinder S.“Single T Cell Sequencing Demonstrates the Functional Role of αβ TCR Pairing in Cell Lineage and Antigen Specificity .”Frontiers in Immunology. Vol. 10. 2019, p. 1516.Zheng GXY, Terry JM, Belgrader P, Ryvkin P, Bent ZW, Wilson R, et al. Massively parallel digital transcriptional profiling of single cells. Nat Commun. (2017) 8:14049.
Howie B, Sherwood AM, Berkebile AD, Berka J, Emerson RO, Williamson DW, et al. High-throughput pairing of T cell receptor α and β sequences. Sci Transl Med. (2015) 7:301ra131.
Eve Richardson, Jacob D. Galson, Paul Kellam, Dominic F. Kelly, Sarah E. Smith, Anne Palser, Simon Watson & Charlotte M. Deane (2021) A computational method for immune repertoire mining that identifies novel binders from different clonotypes, demonstrated by identifying anti-pertussis toxoid antibodies, mAbs, 13:1.
Yi-Chun Hsiao, Yonglei Shang, Danielle M. DiCara, Angie Yee, Joyce Lai, Si Hyun Kim, Diego Ellerman, Racquel Corpuz, Yongmei Chen, Sharmila Rajan, Hao Cai, Yan Wu, Dhaya Seshasayee & Isidro Hoetzel (2019) Immune repertoire mining for rapid affinity optimization of mouse monoclonal antibodies, mAbs, 11:4, 735-746.
Warszawski S, Borenstein Katz A, Lipsh R, Khmelnitsky L, Ben Nissan G, Javitt G, et al. (2019) Optimizing antibody affinity and stability by the automated design of the variable light-heavy chain interfaces. PLoS Comput Biol 15(8): e1007207.
Seeliger D, Schulz P, Litzenburger T, Spitz J, Hoerer S, Blech M, Enenkel B, Studts JM, Garidel P, Karow AR. Boosting antibody developability through rational sequence optimization. MAbs. 2015;7(3):505-15. doi: 10.1080/19420862.2015.1017695.
Mason, D.M., Friedensohn, S., Weber, C.R. et al. Optimization of therapeutic antibodies by predicting antigen specificity from antibody sequence via deep learning. Nat Biomed Eng (2021).
Galson Jacob D., Schaetzle Sebastian, Bashford-Rogers Rachael J. M., Raybould Matthew I. J., Kovaltsuk Aleksandr, Kilpatrick Gavin J., Minter Ralph, Finch Donna K., Dias Jorge, James Louisa K., Thomas Gavin, Lee Wing-Yiu Jason, Betley Jason, Cavlan Olivia, Leech Alex, Deane Charlotte M., Seoane Joan, Caldas Carlos, Pennington Daniel J., Pfeffer Paul, Osbourn Jane. Deep Sequencing of B Cell Receptor Repertoires From COVID-19 Patients Reveals Strong Convergent Immune Signatures. Frontiers in Immunology. Vol. 11, 2020.
Vander Heiden et al., 2017. Dysregulation of B Cell Repertoire Formation in Myasthenia Gravis Patients Revealed through Deep Sequencing. J Immunol. 2017 Feb 15;198(4):1460-1473.
Bashford-Rogers et al, 2019. Analysis of the B cell receptor repertoire in six immune-mediated diseases. Nature volume 574, pages122-126(2019).
Nielsen et al., 2020. Human B Cell Clonal Expansion and Convergent Antibody Responses to SARS-CoV-2. bioRxiv. Preprint. 2020 Jul 9. doi: 10.1101/2020.07.08.194456.
Simonich et al., 2019. Kappa chain maturation helps drive rapid development of an infant HIV-1 broadly neutralizing antibody lineage. Nature Communications volume 10, Article number: 2190 (2019).
Krawczyk et al., 2019. Looking for therapeutic antibodies in next-generation sequencing repositories. mAbs. Volume 11, 2019 - Issue 7, Pages 1197-1205.
Galson et al., 2020. Deep Sequencing of B Cell Receptor Repertoires From COVID-19 Patients Reveals Strong Convergent Immune Signatures. Front. Immunol., 15 December 2020. doi.org/10.3389/fimmu.2020.605170.
Mora and Walczak, 2019. How many different clonotypes do immune repertoires contain? Current Opinion in Systems Biology. Volume 18, December 2019, Pages 104-110
Kovaltsuk et al., 2018. Observed Antibody Space: A Resource for Data Mining Next-Generation Sequencing of Antibody Repertoires. J Immunol October 15, 2018, 201 (8) 2502-2509.
Tiller et al., 2013. A fully synthetic human Fab antibody library based on fixed VH/VL framework pairings with favorable biophysical properties. MAbs. 2013 May 1; 5(3): 445-470.
Teplyakov et al., 2016. Structural diversity in a human antibody germline library. MAbs. Aug-Sep 2016;8(6):1045-63.
Glanville et al., 2009. Precise determination of the diversity of a combinatorial antibody library gives insight into the human immunoglobulin repertoire. PNAS December 1, 2009 106 (48) 20216-20221.
Jayaram et al., 2012.Germline VH/VL pairing in antibodies. Protein Engineering, Design and Selection, Volume 25, Issue 10, October 2012, Pages 523-530.
Ling et al., 2018. Effect of VH-VL Families in Pertuzumab and Trastuzumab Recombinant Production, Her2 and FcγIIA Binding. Front. Immunol., 12 March 2018. doi.org/10.3389/fimmu.2018.00469
DeKosky et al., 2013. High-throughput sequencing of the paired human immunoglobulin heavy and light chain repertoire. Nature Biotechnology volume 31, pages166-169(2013).
DeKosky et al., 2015. In-depth determination and analysis of the human paired heavy- and light-chain antibody repertoire. Nature Medicine volume 21, pages86-91(2015).
DeKosky et al., 2016. Large-scale sequence and structural comparisons of human naive and antigen-experienced antibody repertoires. PNAS May 10, 2016 113 (19) E2636-E2645.
King et al., 2021. Single-cell analysis of human B cell maturation predicts how antibody class switching shapes selection dynamics. Science Immunology 12 Feb 2021. Vol. 6, Issue 56, eabe6291
Eccles et al., 2020. T-bet+ Memory B Cells Link to Local Cross-Reactive IgG upon Human Rhinovirus Infection. Cell Reports Volume 30, Issue 2, 14 January 2020, Pages 351-366.e7
Setliff et al., 2019.High-Throughput Mapping of B Cell Receptor Sequences to Antigen Specificity. Cell Volume 179, Issue 7, 12 December 2019, Pages 1636-1646.e15
Reddy et al., 2010. Monoclonal antibodies isolated without screening by analyzing the variable-gene repertoire of plasma cells. Nature Biotechnology volume 28, pages965-969(2010).
Zhu et al., 2013. Mining the antibodyome for HIV-1-neutralizing antibodies with next-generation sequencing and phylogenetic pairing of heavy/light chains. PNAS. 2013 Apr 16;110(16):6470-5.
Raybould et al., 2021. Public Baseline and shared response structures support the theory of antibody repertoire functional commonality. PLoS Comput Biol 17(3): e1008781.
Rakocevic et al., 2021.The landscape of high-affinity human antibodies against intratumoral antigens. bioRxiv. 8 Feb 2021. doi.org/10.1101/2021.02.06.430058
Vaswani et al., 2017. Attention Is All You Need. arXiv:1706.03762
Devlin et al., 2019. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. arXiv:1810.04805
Radford et al., 2019.Language Models are Unsupervised Multitask Learners. https://openai.com/blog/better-language-models/
Liu et al., 2019.RoBERTa: A Robustly Optimized BERT Pretraining Approach. arXiv:1907.11692
Rothe et al., 2020.Leveraging Pre-trained Checkpoints for Sequence Generation Tasks. arXiv:1907.12461
Bahdanau et al., 2015. Neural machine translation by jointly learning to align and translate. arXiv:1409.0473
Cho et al., 2014. Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling. arXiv:1412.3555
Child et al., 2019. Generating Long Sequences with Sparse Transformers. arXiv:1904.10509
Xiong et al., 2020. On Layer Normalization in the Transformer Architecture. arXiv:2002.04745
Dunbar and Deane, 2016. ANARCI: antigen receptor numbering and receptor classification. Bioinformatics. 2016 Jan 15;32(2):298-300.
Sutskever et al., 2014. Sequence to Sequence Learning with Neural Networks.arXiv:1409.3215
Rees, 2020. Understanding the human antibody repertoire. MAbs. Jan-Dec 2020;12(1):1729683.
Leem et al., 2016. ABodyBuilder: Automated antibody structure prediction with data-driven accuracy estimation. MAbs. 2016 Oct;8(7):1259-1268.
Ye et al., 2013. IgBLAST: an immunoglobulin variable domain sequence analysis tool. Nucleic Acids Res. 2013 Jul;41(Web Server issue):W34-40.
Furcy, David. Koenig, Sven.“Limited Discrepancy Beam Search”. IJCAI’05: Proceedings of the 19th international joint conference on Artificial intelligence. July 2005 Pages 125-131.
Zhou, Rong. Hansen, Eric.“Beam-Stack Search: Integrating Backtracking with Beam Search”. Conference: Proceedings of the Fifteenth International Conference on Automated Planning and Scheduling (ICAPS 2005), June 5-10 2005.
Wolf et al., 2019. HuggingFace’s Transformers: State-of-the-art Natural Language Processing. arXiv:1910.03771
Carter Jason A., Preall Jonathan B., Grigaityte Kristina, Goldfless Stephen J., Jeffery Eric, Briggs Adrian W., Vigneault Francois, Atwal Gurinder S.“Single T Cell Sequencing Demonstrates the Functional Role of αβ TCR Pairing in Cell Lineage and Antigen Specificity .”Frontiers in Immunology. Vol. 10. 2019, p. 1516.Zheng GXY, Terry JM, Belgrader P, Ryvkin P, Bent ZW, Wilson R, et al. Massively parallel digital transcriptional profiling of single cells. Nat Commun. (2017) 8:14049.
Howie B, Sherwood AM, Berkebile AD, Berka J, Emerson RO, Williamson DW, et al. High-throughput pairing of T cell receptor α and β sequences. Sci Transl Med. (2015) 7:301ra131.
Eve Richardson, Jacob D. Galson, Paul Kellam, Dominic F. Kelly, Sarah E. Smith, Anne Palser, Simon Watson & Charlotte M. Deane (2021) A computational method for immune repertoire mining that identifies novel binders from different clonotypes, demonstrated by identifying anti-pertussis toxoid antibodies, mAbs, 13:1.
Yi-Chun Hsiao, Yonglei Shang, Danielle M. DiCara, Angie Yee, Joyce Lai, Si Hyun Kim, Diego Ellerman, Racquel Corpuz, Yongmei Chen, Sharmila Rajan, Hao Cai, Yan Wu, Dhaya Seshasayee & Isidro Hoetzel (2019) Immune repertoire mining for rapid affinity optimization of mouse monoclonal antibodies, mAbs, 11:4, 735-746.
Warszawski S, Borenstein Katz A, Lipsh R, Khmelnitsky L, Ben Nissan G, Javitt G, et al. (2019) Optimizing antibody affinity and stability by the automated design of the variable light-heavy chain interfaces. PLoS Comput Biol 15(8): e1007207.
Seeliger D, Schulz P, Litzenburger T, Spitz J, Hoerer S, Blech M, Enenkel B, Studts JM, Garidel P, Karow AR. Boosting antibody developability through rational sequence optimization. MAbs. 2015;7(3):505-15. doi: 10.1080/19420862.2015.1017695.
Mason, D.M., Friedensohn, S., Weber, C.R. et al. Optimization of therapeutic antibodies by predicting antigen specificity from antibody sequence via deep learning. Nat Biomed Eng (2021).
Galson Jacob D., Schaetzle Sebastian, Bashford-Rogers Rachael J. M., Raybould Matthew I. J., Kovaltsuk Aleksandr, Kilpatrick Gavin J., Minter Ralph, Finch Donna K., Dias Jorge, James Louisa K., Thomas Gavin, Lee Wing-Yiu Jason, Betley Jason, Cavlan Olivia, Leech Alex, Deane Charlotte M., Seoane Joan, Caldas Carlos, Pennington Daniel J., Pfeffer Paul, Osbourn Jane. Deep Sequencing of B Cell Receptor Repertoires From COVID-19 Patients Reveals Strong Convergent Immune Signatures. Frontiers in Immunology. Vol. 11, 2020.
【0133】
本明細書に引用された全ての引用文献は全体的に、本明細書において、まるで個々の各公開特許、又は特許、又は特許出願が特に個々に参照により全体的に援用されると示されているかのような程度まで、参照により本明細書に援用される。
【0134】
本明細書に記載の特定の実施形態は、限定ではなく例として提供されている。記載の組成物、方法、及び技術の使用の種々の変更及び変形が、記載の技術の範囲及び趣旨から逸脱せずに当業者に明らかになろう。本明細書における任意のサブタイトルは、便宜上のみ含まれ、本開示を限定するものとして決して解釈されるべきではない。
【0135】
本明細書に記載の任意の実施形態の方法は、コンピュータプログラムとして、又はコンピュータプログラム製品として、又はコンピュータで実行されると、上述した方法を実行するように構成されたコンピュータプログラムを有するコンピュータ可読媒体として提供し得る。
【0136】
文脈により別段のことが示される場合を除き、上述した特徴の説明及び定義は、本発明のいかなる特定の態様又は実施形態にも限定されず、記載された全ての態様及び実施形態に等しく適用される。
【0137】
本明細書及び特許請求の範囲を通して、以下の用語は、文脈により明らかに別段のことが示される場合を除き、本明細書で明確に関連付けられた意味をとる。本明細書で使用される「一実施形態では」という句は、同じ実施形態を指すことも可能であるが、必ずしも同じ実施形態を指すわけではない。さらに、本明細書で使用される「別の実施形態では」という句は、異なる実施形態を指すことも可能であるが、必ずしも異なる実施形態を指すわけではない。したがって、後述するように、本発明の種々の実施形態は、本発明の範囲又は趣旨から逸脱せずに容易に組み合わせることが可能である。
【0138】
本明細書及び添付の特許請求の範囲で使用される場合、単数形「１つの（a）」、「１つの（an）」、及び「その（the）」は、文脈が明らかに別段のことを示すときを除き、複数形を含むことに留意しなければならない。範囲は、本明細書では「約」ある特定の値から及び／又は「約」別の特定の値までとして表現され得る。そのような範囲が表現される場合、別の実施形態はそのある特定の値から及び／又はその他方の特定の値までを含む。同様に、値が先行する「約」の使用により概算として表現される場合、特定の値が別の実施形態を形成することが理解されよう。数値に関連した「約」という用語は任意選択的であり、例えば＋／－１０％を意味する。
【0139】
以下の特許請求の範囲を含め、本明細書全体を通して、文脈により別段のことが必要になる場合を除き、「備える（comprise）」、「含む」という言葉並びに「備える（comprises）」、「備えている」、及び「含んでいる」等の変形は、述べられた完全体、若しくはステップ、又は完全体若しくはステップの群の包含を暗示するが、他の任意の完全体、若しくはステップ、又は完全体若しくはステップの群の除外を暗示しないと理解されよう。
【0140】
本発明の他の態様及び実施形態は、文脈により別段のことが示される場合を除き、「備えている」という用語を「からなる」又は「基本的に～からなる」という用語で置換した上述した態様及び実施形態を提供する。
【0141】
「及び／又は」は、本明細書で使用される場合、２つの指定された特徴又は構成要素の各々の、他方あり又は他方なしでの特定の開示として解釈されるべきである。例えば、「Ａ及び／又はＢ」は、まるで各々が本明細書に個々に記載されるかのように、（ｉ）Ａ、（ｉｉ）Ｂ、及び（ｉｉｉ）Ａ及びＢの各々の特定の開示として解釈されるべきである。
【0142】
特定の形態で又は開示される機能を実行する手段又は開示される結果を得るための方法若しくはプロセスに関して適宜表現される、上記説明、又は以下の特許請求の範囲、又は添付図面に開示される特徴は、多様な形態で本発明を実現するために別個に又はそのような特徴の任意の組合せで利用することが可能である。
【図1】
【図2】
【図3A】
【図3B】
【図3C】
【図3D】
【図4】
【図5-1】
【図5】
【図6A】
【図6B】
【図7】
【図8】
【図9】
【国際調査報告】