[논문 리뷰] AVIDa-hIL6: A Large-Scale VHH Dataset Produced from an Immunized Alpaca for Predicting Antigen-Antibody Interactions

Hirofumi Tsuruta, Hiroyuki Yamazaki외 9명|arXiv (Cornell University)|2023. 06. 06.

Monoclonal and Polyclonal Antibodies Research인용 수 5

한 줄 요약

이 논문은 인간 IL-6 단백질로 항알파카를 항원화하여 유도한 대규모 VHH-항원 상호작용 데이터셋인 AVIDa-hIL6를 소개한다. 이 데이터셋은 전체 아미노산 서열과 신뢰할 수 있는 결합/비결합 레이블을 포함한 총 573,891개의 쌍을 포함한다. 또한 30개의 인공 IL-6 돌연변이를 포함하여 항원 돌연변이가 항체 결합에 미치는 영향을 예측할 수 있도록 하여, 시뮬레이션 기반 치료용 항체 개발을 촉진한다.

ABSTRACT

Antibodies have become an important class of therapeutic agents to treat human diseases. To accelerate therapeutic antibody discovery, computational methods, especially machine learning, have attracted considerable interest for predicting specific interactions between antibody candidates and target antigens such as viruses and bacteria. However, the publicly available datasets in existing works have notable limitations, such as small sizes and the lack of non-binding samples and exact amino acid sequences. To overcome these limitations, we have developed AVIDa-hIL6, a large-scale dataset for predicting antigen-antibody interactions in the variable domain of heavy chain of heavy chain antibodies (VHHs), produced from an alpaca immunized with the human interleukin-6 (IL-6) protein, as antigens. By leveraging the simple structure of VHHs, which facilitates identification of full-length amino acid sequences by DNA sequencing technology, AVIDa-hIL6 contains 573,891 antigen-VHH pairs with amino acid sequences. All the antigen-VHH pairs have reliable labels for binding or non-binding, as generated by a novel labeling method. Furthermore, via introduction of artificial mutations, AVIDa-hIL6 contains 30 different mutants in addition to wild-type IL-6 protein. This characteristic provides opportunities to develop machine learning models for predicting changes in antibody binding by antigen mutations. We report experimental benchmark results on AVIDa-hIL6 by using machine learning models. The results indicate that the existing models have potential, but further research is needed to generalize them to predict effective antibodies against unknown mutants. The dataset is available at https://avida-hil6.cognanous.com.

연구 동기 및 목표

• 항체-항원 상호작용에 대해 전체 아미노산 서열과 신뢰할 수 있는 결합 레이블을 갖춘 대규모 고품질 데이터셋의 부족을 보완하기 위해.
• 기존 데이터셋의 한계, 즉 샘플 수가 적고, 비결합 쌍이 없으며, 정확한 서열 데이터가 부족한 문제를 해결하기 위해.
• 항원의 아미노산 점액변이가 항체 결합에 미치는 영향을 예측할 수 있도록 기계학습 모델을 가능하게 하여, 변화하는 병원체에 대응하는 치료제 개발에 기여하기 위해.
• 기존 항원과 돌연변이 항원에 대해 효과적인 항체를 예측하는 데 사용할 수 있는 기준 데이터셋을 제공하기 위해.
• 실험적으로 검증된 상호작용 데이터를 기반으로 아미노산 서열에서 에피토프 및 파라토프 예측 연구를 촉진하기 위해.

제안 방법

• 인간 IL-6 단백질로 알파카를 항원화하여 다양한 anti-IL-6 VHH의 서열을 유도하기 위해.
• 차세대 시퀀싱을 사용하여 면역 반응에서 유도된 전체 길이의 VHH 아미노산 서열을 식별하기 위해.
• 모든 573,891개의 항원-VHH 쌍에 대해 신뢰할 수 있는 결합 또는 비결합 레이블을 할당하기 위한 새로운 레이블링 방법을 개발하기 위해.
• 단일 아미노산 치환의 영향을 연구하기 위해 야생형 IL-6 단백질의 30개의 인공 점액변이를 유전자 공학적으로 제작하기 위해.
• 다양한 시간대와 라이브러리 수집 시점에서의 상호작용 데이터를 수집하고 정제하여 다양성을 높이고 편향을 줄이기 위해.
• 공개용으로 사용 가능한 데이터셋을 https://avida-hil6.cognanous.com 에서 배포하기 위해.

실험 결과

연구 질문

• RQ1 전체 아미노산 서열과 신뢰할 수 있는 결합 레이블을 갖춘 대규모 실험적 검증된 VHH-항원 상호작용 데이터셋이 기계학습 모델의 결합 친화도 예측 성능을 향상시킬 수 있는가?
• RQ2 항원(IL-6)의 점액변이가 VHH 항체의 결합에 어떤 영향을 미치며, 이러한 영향은 신뢰성 있게 예측할 수 있는가?
• RQ3 기존 기계학습 모델이 훈련 중에 볼 수 없었던 새로운 항원 돌연변이에 대해 효과적인 항체를 얼마나 잘 일반화하여 예측할 수 있는가?
• RQ4 항원 서열 다양성, 특히 인공 돌연변이를 포함하여, 항체-항원 상호작용 예측을 위한 견고한 모델 훈련에 어떤 역할을 하는가?
• RQ5 이 데이터셋은 아미노산 서열만으로 에피토프 및 파라토프를 예측할 수 있는 모델 개발을 지원할 수 있는가?

주요 결과

• AVIDa-hIL6는 전체 아미노산 서열과 신뢰할 수 있는 결합 레이블을 포함한 총 573,891개의 항원-VHH 쌍을 포함하며, 이 중 20,980개는 확인된 결합체이다.
• 이 데이터셋은 항원의 단일 아미노산 치환에 의해 항체 결합 친화도가 어떻게 변화하는지 연구할 수 있도록 30개의 인공 IL-6 돌연변이를 포함하고 있다.
• 기계학습 모델을 활용한 벤치마킹 결과, 기존 모델들은 잠재력은 있으나 알려지지 않은 항원 돌연변이에 일반화하기 위해 추가 개선이 필요하다는 것이 확인되었다.
• 데이터셋은 일부 VHH가 야생형 IL-6에는 결합하지만 특정 돌연변이에는 결합하지 않는 경우, 또는 그 반대의 경우를 포함하여 점액변이에 대한 상호작용의 민감성을 드러내었다.
• 결합체의 출현 빈도가 라이브러리 수집 시점과 위치에 따라 동적으로 변화하는 경향을 보이며, 생물학적 및 기술적 편향이 존재할 수 있음을 시사한다.
• 데이터 생성 파이프라인은 확장 가능하며, SARS-CoV-2 변종에 대한 성공적인 적용을 통해 다른 항원에도 적용 가능함을 입증하였다.