[論文レビュー] CEI: A Clonal Expansion Identifier for T-cell receptor clones following SARS-CoV-2 vaccination

Yunbei Pan, Christian Hofmann+5 more|arXiv (Cornell University)|Jan 28, 2026

vaccines and immunoinformatics approaches被引用数 0

ひとこと要約

CEI は、COVID-19 非感染者の前後ワクチン接種レパートリを用い、クローン豊富度の変化と対数 fold 変化を共同で分析する Python ベースのフレームワークを導入し、ワクチン関連の TCR クローン型拡大を検出します。

ABSTRACT

Each T cell typically carries a specific T-cell receptor (TCR) that determines its specificity against an epitope presented by the HLA complex on a target cell. Antigenic challenge triggers the expansion of reactive cells within a diverse pool of T cells with randomly generated receptors, a process that results in epitope-driven shifts of TCR frequencies over time. Here, we analyze the effects of SARS-CoV-2 vaccination on the TCR populations in peripheral blood drawn from seven COVID-naive individuals, before vaccines were widely available. To identify SARS-CoV-2 vaccine-associated TCR sequences among the $\sim 10^{5}-10^{6}$ TCR sequences sampled before and after vaccination, we develop statistical criteria to detect significant increases in abundance of positive TCR clones. Application of our statistical methods shows a robust identification of TCR sequences that respond to SARS-CoV-2 vaccination in vivo, illustrating the feasibility of quantifying the clone-specific dynamics of T-cell abundance changes following immunological perturbations.

研究の動機と目的

• SARS-CoV-2 ワクチン接種後の COVID-19 非感染者におけるクローン特異的 T 細胞ダイナミクスを定量化する必要性を動機づける。
• 大規模で再現性が制限されたレパートリに対して、ワクチン関連の TCR クローン拡大を検出する統計的原理に基づく方法を開発する。
• 2 条件間で TCRB クローンの差次 abundance 分析のためのスケーラブルな Python パッケージ（CEI）を提供する。
• 偽発見率を制御する柔軟なアプローチを提供し、再現性のないデータ下で既存手法と比較する。

提案手法

• 正規化されたクローン豊富度の絶対差 d_i と Hal(dane-Anscombe) 補正を用いた正則化された対数 fold 変化 r_i の2つのクローンレベル指標を定義する。
• ポアソン近似でクローン数をモデル化し、プールされた割合を用いて分散を推定し Wald 統計量 Z_d,i と Z_r,i を計算する。
• 2 つの統計量を、ベースラインを切り詰めた中央値ベースの基準を用いた 2 次元 Mahalanobis 距離で結合し、拡大クローンを特定する（CEI-Joint）。
• 変化なしの帰無分布の下で多項 permutation によって偽陽性を制御し、Benjamini-Hochberg FDR 補正を適用する。
• 2 指標の統合を Aggregated Cauchy Association Test（ACAT）を用いて行い、クローンごとに単一の p 値を生成する（CEI-ACAT）。
• CEI-Joint と CEI-ACAT の性能をヒューリスティック Adap、edgeR と同じデータ、被験者別・時間点別で比較する。

実験結果

リサーチクエスチョン

• RQ1 再現性制限データを用いて、COVID-19 非感染者の前後ワクチン接種レパートリでワクチン関連 TCR クローンを同定できるか。
• RQ2 絶対豊富度変化と対数 Fold 変化を結合した共同統計は、単一指標より拡大 TCR クローンの検出を改善するか。
• RQ3 CEI-Joint と CEI-ACAT は、感度と偽発見制御の点で、被験者および時間点を跨いで既存手法（Adap、edgeR）とどう比較されるか。
• RQ4 CEI フレームワークは、TCRB データ以外の他の摂動やレパートリ型にも一般化可能か。
• RQ5 異なるワクチン接種 regimens（mRNA vs アデノウイルド）によって CEI によって同定される活性化 TCR クローンのセットにどのような影響があるか。

主な発見

• CEI は生体内で再現可能な拡大シグナルを持つワクチン関連 TCR 配列を検出し、7 名の COVID-19 非感染者を横断して実証された。
• CEI-Joint は一般に CEI-ACAT より多くの拡大クローンを同定するが、陽性の数には被験者・訪問間で大きな不均一性がある。
• CEI-ACAT は保守的になる傾向があるが、特定の被験者/時間点ペアで CEI-Joint を上回ることがある。
• Adap および edgeR と比較すると、CEI 法は絶対差と対数 Fold 変化のバランスを取り、拡大プロファイルがしばしば異なる。
• 感度分析では陽性数は FDR 閾値とともに急激に増加することが示され、手法の緩徐度を調整できることを示す。
• このフレームワークは再現性の制限があるデータを考慮でき、TCR レパートリ以外の2 条件差分比較にも適用可能である。