[논문 리뷰] CEI: A Clonal Expansion Identifier for T-cell receptor clones following SARS-CoV-2 vaccination

Yunbei Pan, Christian Hofmann외 5명|arXiv (Cornell University)|2026. 01. 28.

vaccines and immunoinformatics approaches인용 수 0

한 줄 요약

CEI는 COVID-naive 개인의 백신 전후 리퍼토리에서 클론 풍부도의 변화와 로그-폴드 변화의 공동 분석을 통해 백신 연관 TCR 클로나타입 확장을 감지하는 Python 기반 프레임워크를 도입합니다.

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.

연구 동기 및 목표

• SARS-CoV-2 백신 접종 이후 COVID-naive 개인의 클론-특이적 T세포 역학을 정량화해야 할 필요성을 동기화합니다.
• 대용량의 재복제 제한된 리퍼토리에서 백신 연관 TCR 클론 확장을 탐지하기 위한 통계적으로 원리적인 방법을 개발합니다.
• 두 조건 간의 TCRB 클론의 차등 풍부도 분석을 위한 확장 가능한 Python 패키지(CEI)를 제공합니다.
• 재현 가능한 비복제 데이터 하에서 거짓 발견을 제어하는 유연한 접근법을 제공하고 기존 방법과의 비교를 제공합니다.

제안 방법

• 정규화된 클론 풍부도 차이의 절대값 d_i와 Haldane-Anscombe 보정을 포함한 정규화된 로그-배 변화 r_i의 두 가지 클론 수준 지표를 정의합니다.
• 포아송 근사를 사용해 클론 수를 모델링하고, 결합된 비율을 사용해 분산을 추정하여 Wald 통계량 Z_d,i와 Z_r,i를 계산합니다.
• trimmed medians 기반의 기준선을 가진 2차원 Mahalanobis 거리의 결합 통계로 확장 클론을 식별하는 CEI-Joint를 구성합니다.
• 변화 없음 영 가설 하에서 다항식(permutation under the no-change null)을 통한 다항분포으로 위양성률을 제어하고 Benjamini-Hochberg FDR 보정을 적용합니다.
• 두 지표를 모아 Aggregated Cauchy Association Test(ACAT)를 이용해 클론당 하나의 p-value를 산출하는 대안을 제공합니다(CEI-ACAT).
• 동일한 데이터 및 피험자와 시간점 across subjects and timepoints에서 CEI-Joint와 CEI-ACAT의 성능을 휴리스틱 Adap, edgeR과 비교합니다.

실험 결과

연구 질문

• RQ1 반복 제한 데이터를 사용해 COVID-naive 개인의 사전-사후 리퍼토리에서 백신 연관 TCR 클론을 신뢰성 있게 식별할 수 있는가?
• RQ2 절대 풍부도 변화와 로그-폴드 변화를 결합한 공동 통계가 단일 지표 접근법에 비해 확장된 TCR 클론의 탐지를 개선하는가?
• RQ3 CEI-Joint와 CEI-ACAT가 피험자 및 시간점에 따른 민감도와 잘못된 발견 제어 측면에서 기존 방법(Adap, edgeR)과 어떻게 비교되는가?
• RQ4 CEI 프레임워크가 TCRB 데이터를 넘어서 다른 교란 및 레퍼토리 유형에 일반화될 수 있는가?
• RQ5 mRNA 대 adenoviral 백신 regimens의 차이가 CEI에 의해 식별된 활성화된 TCR 클론 집합에 어떤 영향을 미치는가?

주요 결과

• CEI는 7명의 COVID-naive 피험자에 걸쳐 in vivo에서 재현 가능한 확장 신호를 가진 백신 연관 TCR 서열을 탐지합니다.
• CEI-Joint는 일반적으로 CEI-ACAT보다 더 확장된 클론을 식별하며, 양성의 수에서 피험자 간 및 방문 간 이질성이 상당합니다.
• CEI-ACAT는 보수적일 때가 많지만 특정 피험자/시간점 쌍에서 CEI-Joint보다 우수한 성과를 낼 수 있습니다.
• Adap 및 edgeR와 비교할 때 CEI 방법은 절대 차이와 로그-폴드 변화를 균형 있게 다루며 자주 확장 프로필이 달라집니다.
• 민감도 분석에 따르면 양성의 수는 FDR 임계값에 따라 급격하게 증가하여 방법의 조정 가능한 강도를 시사합니다.
• 이 프레임워크는 재현 제한 데이터를 수용하며 TCR 레퍼토리 외의 다른 두 조건 풍부도 비교에도 적용할 수 있습니다.