JP2022512612A - 結合親和性予測のための方法及びシステム並びに候補タンパク質結合ペプチドを生成する方法 - Google Patents

Abstract

【課題】結合親和性予測のための方法及びシステム並びに候補タンパク質結合ペプチドを生成する方法に関する。【解決手段】本開示の第１の態様において、クエリ標的分子に対するクエリバインダー分子の結合親和性を予測するコンピュータ実装方法であって、クエリバインダー分子は、第１のアミノ酸配列を有し、及びクエリ標的分子は、第２のアミノ酸配列を有し、方法は、少なくとも１つのプロセッサを用いて、クエリ標的分子に対するクエリバインダー分子の結合親和性を参照バインダー－標的部分配列ペアの参照結合値の重み付き組み合わせとして計算することであって、重み付き組み合わせの重みは、類似度スコアに基づく、計算すること、を含む方法が提供される。【選択図】図２

Description

背景
本開示は、バインダー分子と標的分子との間、例えばペプチドとタンパク質との間又はタンパク質のペア間の結合親和性の計算予測に関する。

分子結合の理解は、多くの生物学的状況において重要である。例えば、薬物又は生物療法の開発において、どのように且つどの程度強力に候補治療分子がその目的標的に結合するか、又は病原性ペプチドが細胞表面タンパク質に結合するかを理解することが重要である。

脊椎動物において、主要組織適合性複合体（ＭＨＣ）分子は、病原性又は自己ペプチドに結合し、続いて細胞機構により細胞表面に輸送されるＭＨＣ－ペプチド複合体を形成するように進化してきた。ＭＨＣ分子は、典型的には、ＭＨＣクラスＩ又はＭＨＣクラスＩＩと命名されている。機能において類似するが、ＭＨＣクラスＩ分子は、細胞内から内因的に誘導されたペプチドを細胞表面に送達する一方、ＭＨＣクラスＩＩ分子は、細胞表面への外因性又は細胞外ペプチドの送達を担い、そこでＣＤ８＋（細胞傷害性）又はＣＤ４＋（ヘルパー）Ｔ細胞によるペプチドの後続の認識が生じる。次いで、この認識は、免疫応答を開始又は伝播する。クラスＩ抗原提示経路、例としてプロテアソーム及びＴＡＰ輸送による抗原プロセシング並びにクラスＩＩ経路、例として外因性抗原の内在化、エンドソーム中の捕捉及び後続のプロテアーゼ媒介加水分解において、いくつかの重要な相互依存のステップが存在する。しかしながら、ＭＨＣ結合ステップは、内因性及び外因性抗原プロセシング経路の両方についての最も重要な選択機序であり、病原性ペプチドの良好な提示及び癌における突然変異ネオアンチゲンに必要である（ただし、十分でない）。適応免疫応答の中心的理念としてのＭＨＣ結合の重要性は、いくつかの研究分野、例として感染性疾患、ワクチン開発、移植、自己免疫疾患及び癌免疫療法内のＭＨＣ－ペプチド結合親和性の正確な同定及び測定における広範な研究をもたらしてきた。

ヒトにおいて、ＭＨＣクラスＩ分子は、ＨＬＡ－Ａ、ＨＬＡ－Ｂ及びＨＬＡ－Ｃと称されるクラスＩヒト白血球抗原（ＨＬＡ）ゲノム領域中の３つの多型遺伝子によりコードされる。３つ全ての遺伝子は、極めて多型であり、１０，０００個超の特徴付けされたアレルを有する。クラスＩと同様に、ＭＨＣクラスＩＩ分子は、ＨＬＡ－ＤＲ、ＨＬＡ－ＤＱ及びＨＬＡ－ＤＰと称される３つの多型遺伝子によりコードされる。ＭＨＣ分子における高程度の多型及び抗原性ペプチド配列中のアミノ酸の固有の変異性は、ＭＨＣ－ペプチド結合親和性を正確に予測し得る計算ツールの開発の必要性を推進しており、多数の良好なアプローチをもたらした。しかしながら、良好な予測モデルを訓練するには、大量の実験データの利用可能性が要求される。数年間、最も一般的なＭＨＣアレルの一部についてのＭＨＣ－ペプチド結合親和性測定値を蓄積するためにかなりの実験的労力がなされてきた。それにもかかわらず、明確な過半数のアレルは、ＭＨＣ－ペプチド結合親和性測定値の現在利用可能なデータベース中に依然として適切にカバーされていない。これらのアレルのいくつかについて、最良に機能する予測子は、「アレル特異的」モデルであることが多く、それらが１つの特異的ＭＨＣアレルに対してのみ訓練され、したがってまたそれについてのみ予測し得ることを意味する。アレル特異的モデルは、一般に、かなりの量の結合親和性データを要求し、それにより、それらのモデルは、少数の十分に研究されたアレルについてのみ好適となる。いくつかのアルゴリズムアプローチは、十分な訓練データの利用可能性を利用して、ニューラルネットワークからサポートベクターマシン（ＳＶＭ）までの範囲の良好なアレル特異的アプローチを構築しているが、さらにより機序的に解釈可能なアプローチ、例えば位置特異的スコア行列（ＰＳＳＭ）又は分子モデリングベースアプローチも構築している。

異なるＭＨＣアレルにわたる結合親和性の予測を作成し得る「汎アレル（pan-allele）」モデルを実装する計算ツールを作出するためのいくつかの試行がなされてきた。これらは、主に、ニューラルネットワークベースアプローチを使用して訓練され、一般に２つのカテゴリーの一方に収められてきた。「汎特異的」モデルは、それが訓練したアレル間の予測に制限される一方、「汎」モデルは、ＭＨＣ配列に基づいて予測を作製し、したがって任意又は新規ＭＨＣアレルについての予測を作製し得る。

汎アレルモデルの包括的な目的は、全てのアレルにわたり適用可能である一般的な結合パターンを予測し、訓練データをほとんど又は全く有さないアレルについても予測を可能とすることである。これを行うため、一般に、モデルについては、例えば、ＭＨＣ－ペプチド複合体について得られた結晶構造データを使用することにより、ＭＨＣ分子とペプチドとの間の物理的相互作用を反映することが望ましいと考えられている。

構造データから、ＭＨＣ分子のペプチド相互作用構成成分は、２つのほぼ並行のヘリックスを形成する２つのアミノ酸鎖から作製される高度に多型の結合溝からなることが公知である。ＭＨＣクラスＩについて、ＭＨＣクラスＩ分子を形成する１８２個という少数のアミノ酸のみが結合ペプチドアミノ酸の直近（例えば、結合ペプチドの任意のアミノ酸の４．０オングストロームの距離内）に存在することが観察されている。結合溝をアウトラインするこれらのペプチド近接ＭＨＣアミノ酸は、「偽配列」と称することができる（例えば、内容が参照により全体として本明細書に組み込まれるNielsen et al, PLoS One 2007, 2: e796を参照されたい）。

ペプチドをＭＨＣタンパク質に結合させる手法は、文献中で「接触点マップ」、「接触位置マップ」又は単に「接触マップ」（それらのそれぞれは、以下に互換的に使用される）と称されているものを使用してまとめることができる。一般に、接触点マップは、バインダー分子（例えば、ペプチド）のアミノ酸残基と、それが結合される標的分子（例えば、ＭＨＣタンパク質）の対応するアミノ酸残基との間のマッピングを定義し、対応するアミノ酸残基は、バインダー分子中のアミノ酸残基からの閾値距離内に存在する標的分子の残基であり、その結果、それらは、バインダー分子残基との十分な物理的相互作用を有してバインダー－標的複合体の形成に寄与する。例えば、バインダー分子残基の４オングストローム内に存在する残基は、接触点マップの一部を形成し得る。

接触点マップは、行が標的分子偽配列のアミノ酸を表し、列がバインダー分子のアミノ酸を表す表又は行列として表すことができる。バインダー分子アミノ酸ｂが偽配列アミノ酸ｔの所定距離内に存在する場合、表の成分（ｔ，ｂ）は、１に等しい。ＭＨＣクラスＩ分子についての接触点マップの具体例は、Nielsen et al.に見出すことができる。ＭＨＣクラスＩＩ分子についてのさらなる例は、内容が参照により全体として本明細書に組み込まれるKarosiene et al, Immunogenetics 2013, 65: 711-724に見出すことができる。

接触点マップは、ペプチドのそれぞれのアミノ酸（単量体）を接触点マップに従って単量体に近接すると想定されるＭＨＣ偽配列の１つ以上のアミノ酸に結合される別個の結合単位として処理する、ペプチド－ＭＨＣ結合のいわゆる「ポケット」ベースモデルを構築するために使用されている。ＭＨＣ偽配列の近接アミノ酸は、「結合ポケット」と称することができる。これは、結合ポケットを訓練データ中の構造サブユニットの類似出現に一致させ、次いで一致サブユニットから全ての結合親和性寄与を一緒に加算することにより、訓練データがほとんど又は全く利用可能でないアレルについてのＭＨＣ結合パターンの予測を可能とする。

上記アプローチを改善するか又は少なくとも有用な代替手段を提供する、結合親和性を予測する方法を提供することが望ましい。

概要
一般に、本開示は、従来技術のポケットアプローチを、単量体の使用を超えて拡張させる、結合親和性を予測する方法及びシステムを提案する。したがって、ある実施形態において、ペプチド及びＭＨＣ分子の両方におけるコンテキストアミノ酸のｎ量体長さの残基（ｎは、２からペプチドの長さである）の影響を捕捉することが可能である。

本開示の第１の態様において、クエリ標的分子に対するクエリバインダー分子の結合親和性を予測するコンピュータ実装方法であって、クエリバインダー分子は、第１のアミノ酸配列を有し、及びクエリ標的分子は、第２のアミノ酸配列を有し、方法は、少なくとも１つのプロセッサを用いて、それぞれのペアになった参照バインダー配列及び参照標的配列を含む参照バインダー－標的ペアの参照データストアにアクセスすることであって、それぞれの参照バインダー－標的ペアは、関連する既知の結合値を有する、アクセスすること；少なくとも１つのプロセッサを用いて、第１のアミノ酸配列にわたって集合的にスパンする１つ以上のクエリバインダー部分配列(subsequence)の集合(set)としての第１のアミノ酸配列の表示を生成することであって、それぞれのクエリバインダー部分配列は、第１のアミノ酸配列に沿ったそれぞれの位置における１つ以上のアミノ酸残基を含む、生成すること；クエリバインダー部分配列の集合のそれぞれのクエリバインダー部分配列について、第２のアミノ酸配列中の接触アミノ酸残基の接触位置を決定し、且つ接触アミノ酸残基から対応するクエリ標的部分配列をアセンブルして、それによりクエリバインダー－標的部分配列ペアを生成すること；少なくとも１つのプロセッサを用いて、参照バインダー－標的ペアから、複数の参照バインダー－標的部分配列ペアを含む参照データセットを生成することであって、それぞれの参照バインダー－標的部分配列ペアは、それぞれのクエリバインダー部分配列のものに対応する位置におけるそれぞれの参照バインダー配列のアミノ酸残基を含む参照バインダー部分配列及び接触位置におけるそれぞれの参照標的配列のアミノ酸残基を含む参照標的部分配列を含み；それぞれの参照バインダー－標的部分配列ペアは、それが生成された参照バインダー－標的ペアの既知の結合値に基づいて参照結合値を割り当てられる、生成すること；少なくとも１つのプロセッサを用いて、それぞれのクエリバインダー－標的部分配列ペア及び参照バインダー－標的部分配列ペアに対して少なくとも１回の類似度演算を実行することであって、それぞれのクエリバインダー－標的部分配列ペアについて複数の類似度スコアを生成する、こと；及び少なくとも１つのプロセッサを用いて、クエリ標的分子に対するクエリバインダー分子の結合親和性を参照バインダー－標的部分配列ペアの参照結合値の重み付き組み合わせとして計算することであって、重み付き組み合わせの重みは、類似度スコアに基づく、計算することを含む、コンピュータ実装方法が提供される。

好ましくは、少なくとも１つのクエリバインダー部分配列は、少なくとも２つのアミノ酸残基を含み得る。

予測結合親和性は、ＭＨＣ結合ポケットのコンテキスト関係を考慮することにより、当技術分野の技術よりも高い信頼性で決定され、ＭＨＣ－ペプチド結合の生物学的複雑性をより良好に表す手法において結合親和性予測の精度を改善する。本技術は、既存の技術と比較してモデリングの組み合わせの複雑性を有効に低減させる。

類似度演算は、クエリバインダー部分配列と参照バインダー部分配列との間の比較のための第１の類似度スコアと、クエリ標的部分配列と参照標的部分配列との間の比較のための第２の類似度スコアとを生成することにより、それぞれの類似度スコアを生成し得、且つ第１の類似度スコア及び第２の類似度スコアを組み合わせる。

好ましくは、第１の類似度スコアは、完全一致の場合に非ゼロ値を与えられ、且つそうでなければゼロ値を与えられ得る。

より好ましくは、第２の類似度スコアは、完全一致の場合に非ゼロ値を与えられ、且つそうでなければゼロ値を与えられ得る。

ある実施形態において、類似度演算は、クエリバインダー部分配列と参照バインダー部分配列との間の配列アラインメント及び／又はクエリ標的部分配列と参照標的部分配列との間の配列アラインメントを含み得る。好ましくは、類似度演算は、BLOSUM80行列を使用する。

ある実施形態において、類似度演算は、第１のノードの集合及び第２のノードの集合を含む２部グラフ(bipartite graph)を生成することであって、第１のノードの集合は、バインダー部分配列のみを含み、及び第２のノードの集合は、標的部分配列のみを含み、２部グラフのエッジ重みは、関連する既知の結合値に等しい、生成すること；及び第１のノードの集合及び／又は第２のノードの集合について２部グラフの１部射影（monopartite projection）を決定することであって、類似度スコアは、１部射影のエッジ重みである、決定することを含み得る。

これらの実施形態において、第１の集合のノードのペアについての類似度スコアは、第１の集合のノードのペアの両方のノードが連結されている第２の集合の共通ノードの集合を決定すること；及び２部グラフの対応するエッジ重み間の線形相関を計算すること、によって計算され得る。第２の集合のノードのペアについての類似度スコアは、第２の集合のノードのペアの両方のノードが連結されている第１の集合の共通ノードの集合を決定すること；及び２部グラフの対応するエッジ重み間の線形相関を計算すること、によって計算され得る。

接触アミノ酸残基の位置は、接触点マップに従って決定され得る。

接触位置を決定するステップは、クエリバインダー部分配列に基づいて、接触点マップにおける使用のための仮想クエリバインダー部分配列をシミュレートすることであって、仮想クエリバインダー部分配列は、クエリバインダー部分配列と異なる長さを有する、シミュレートすること及び／又は接触点マップにおける使用のための接触点の集合をシミュレートすることをさらに含み得る。接触点の集合における接触点の量は、クエリバインダー部分配列及び／又は参照バインダー部分配列の長さと異なり得る。このように、本方法は、例えば、９量体接触点マップについてｋ＜９又はｋ＞９の異なる長さに適応可能であり得る。好ましくは、接触点マップは、異なる長さ情報を含むように定義することができる。ある実施形態において、本方法は、より大きい若しくはより小さいクエリバインダー部分配列を低減若しくは拡張させて接触点マップにフィットさせること、又は接触点マップの物理的効果がポケットの集合数をもたらすように、複数のアミノ酸残基を接触点に対してマッピングすることを含み得る。

ある実施形態において、クエリバインダー部分配列の最大長さは、Ｌであり得、Ｌ＞１であり、及び１つ以上のクエリバインダー部分配列の集合は、１からＬの間の長さの第１のアミノ酸配列の全ての可能な部分配列を含み得る。

類似度演算は、それぞれの参照バインダー－標的部分配列ペアを、それぞれの参照バインダー部分配列のアミノ酸位置に従って重み付けすることを含み得る。

好ましくは、第２のアミノ酸配列は、ＭＨＣタンパク質配列であり得る。より好ましくは、ＭＨＣタンパク質配列は、ＨＬＡタンパク質配列であり得る。

結合親和性を計算することは、参照データ行列、クエリデータ転置(transpose)行列及び参照結合値のベクトルの積を計算することを含み得、参照データ行列の成分は、それぞれの参照バインダー配列及び／又は参照標的配列中の参照部分配列の存在又は不存在を示し、及びクエリデータ転置行列の成分は、それぞれのクエリバインダー配列及び／又はクエリ標的配列中の参照部分配列の存在又は不存在を示し；参照データ行列の成分及びクエリデータ行列の成分は、類似度スコアに従って重み付けされる。この実施形態において、積は、スパース行列計算技術を介して計算することができる。

本発明は、ＭＨＣクラスＩ分子及びＭＨＣクラスＩＩ分子の両方に適用可能である。

本発明のさらなる態様によれば、少なくとも１つの候補タンパク質結合ペプチドを生成する方法であって、複数のペプチドのアミノ酸配列及びタンパク質のアミノ酸配列を得ること；それぞれのペプチドについて、本発明の上記態様のいずれか１つに記載の方法により、タンパク質に対する予測結合親和性を決定すること；及びそれぞれの予測結合親和性に基づいて複数のペプチドの１つ以上の候補ペプチドを選択することを含む方法が提供され得る。

タンパク質のアミノ酸配列は、血清学的抗体検査、オリゴヌクレオチドハイブリダイゼーション法、核酸増幅ベース法（例として、限定されるものではないが、ポリメラーゼ連鎖反応ベース法）、ＤＮＡ若しくはＲＮＡシーケンシングに基づく自動予測、新規ペプチドシーケンシング、エドマンシーケンシング又は質量分析の１つにより得ることができる。

本方法は、１つ以上の候補ペプチドを合成することをさらに含み得る。

さらに、本方法は、候補ペプチドを対応するＤＮＡ又はＲＮＡ配列にコードすることをさらに含み得る。さらに、本方法は、配列を細菌のゲノム又はウイルス送達系中に取り込んで、ワクチンを作出することを含み得る。

したがって、ペプチド、ＤＮＡ又はＲＮＡベースワクチンは、個々の患者についてより高い信頼性で構築される。なぜなら、特にアレルについて参照データがほとんど又は全く利用可能でない場合、結合親和性をより有効に予測することができるためである。本発明は、交差検証評価において当技術分野のツールのものと競合する性能及び利用可能な参照データ中でカバレッジをほとんど又は全く有さないアレルの任意の部分集合について優れた性能を実証した。

本発明のさらなる態様によれば、クエリ標的分子に対するクエリバインダー分子の結合親和性を予測するための結合親和性予測システムであって、クエリバインダー分子は、第１のアミノ酸配列を有し、及びクエリ標的分子は、第２のアミノ酸配列を有し、システムは、少なくとも１つの記憶装置と通信する少なくとも１つのプロセッサを含み、少なくとも１つの記憶装置は、それに保存された命令であって、少なくとも１つのプロセッサに、本発明の上記態様のいずれか１つに記載の方法を実行させるための命令を有する、結合親和性予測システムが提供され得る。

実施形態は、単なる例として添付の図面を参照してここで詳細に記載される。

標的に対するバインダーの結合親和性を予測する方法の一実施形態を示す。 標的に対するバインダーの結合親和性を予測する方法の一実施形態を示す。 部分配列の集合としてのアミノ酸配列の表示を生成することを概略的に示す。 図１Ａ及び１Ｂの方法における使用のための接触マップの一例を示す。 本方法における使用のために生成された標的（ＭＨＣ）部分配列の例を示す。 本方法における使用のための参照データの生成の段階を示す。 本方法における使用のための参照データの生成の段階を示す。 本方法における使用のための参照データの生成の段階を示す。 参照アミノ酸配列と不一致のクエリアミノ酸配列を適合させる種々の方法を示す。 参照アミノ酸配列と不一致のクエリアミノ酸配列を適合させる種々の方法を示す。 参照アミノ酸配列と不一致のクエリアミノ酸配列を適合させる種々の方法を示す。 本方法の実施形態の実装に好適なシステムの一例が示される。 好適なサーバ１１１０の一例を示す。

詳細な説明
ある実施形態による方法は、クエリ標的分子、例えばタンパク質に対するクエリバインダー分子、例えばペプチドの結合親和性の計算予測を可能とする。クエリバインダー分子及びクエリ標的分子は、それぞれのアミノ酸配列をそれぞれ有する。予測は、参照バインダー－標的ペアを含む参照データに基づいて作製され、それぞれのペアは、既知（実測）結合値を有し、それは、例えば、ｎＭで測定されたＩＣ_５０値又はＩＣ_５０に基づく他の値であり得る。参照データは、本明細書において訓練データと称することもできる。

結合値は、それがバインダーと標的との間の相対結合強度（すなわち他のバインダー－標的ペアに対する）を反映する限り、結合親和性の直接的尺度である必要はない。典型的には、参照データは、公的データベース、例えばImmune Epitope Database（ＩＥＤＢ）（www.iedb.org）、GPCRdb.（www.gpcrdb.org）又はBRENDA（http://www.brenda-enzymes.org）から少なくとも部分的に得ることができる。

図１を参照すると、ある実施形態による方法１００は、参照バインダー－標的ペアの参照データストアにアクセスするステップ１０５を含む。それぞれの参照バインダー－標的ペアは、参照バインダーアミノ酸配列、例えばペプチド配列及び参照標的アミノ酸配列、例えばＭＨＣタンパク質配列を含む。以下の考察は、ペプチド－ＭＨＣ結合に焦点を当てるが、以下に考察される本方法及びシステムは、ペアになったバインダー配列及び標的配列並びに対応する結合値が利用可能な他のデータセットに容易に適合され得ることが理解される。

参照データに存在しないクエリペプチド－ＭＨＣペアについての予測を生成するため、実施形態による方法は、最初に、クエリペプチド配列にわたって集合的にスパンする１つ以上のクエリペプチド部分配列の集合としてのクエリペプチド配列の表示を生成し（ステップ１１０）、それらの部分配列の少なくとも１つは、２つ以上のアミノ酸長さである。例えば、１つの可能な表示は、図２（ｂ）に示されるとおり、ペプチド配列を全ての可能な連続２量体に分解することにより生成され、それにおいて２量体を１残基間隔において重複してペプチド配列にわたりタイリングし(tiled across)、したがって集合的にスパンする。別の可能な表示は、３量体に関するものであり、図２（ｇ）に示されるとおり、３量体部分配列の少なくとも一部が連続的でない。ここでも、９量体ペプチドの全長は、３量体により集合的にスパンされる（すなわち、それぞれのペプチド残基は、３量体の少なくとも１つに含有される）。

次に、それぞれのクエリペプチド部分配列について、本方法は、クエリＭＨＣ配列中の接触アミノ酸残基の接触位置を決定する（ステップ１１５）。典型的には、これは、適切な接触マップを使用することにより行われる。例えば、ＭＨＣクラスＩ配列について、図３に再現されるNielsen et al.の接触マップを使用することができる。しかしながら、一般に、予測又は実験的な任意の接触点マップを使用することができる。Nielsen et alの接触マップを使用すると、位置（１，２）を有する図２（ｂ）の最初の２量体は、クエリＭＨＣ配列中の対応する接触位置ｃ＝（７、９、２４、４５、５９、６２、６３、６６、６７、７０、９９、１５９、１６３、１６７、１７１）を有する。

従来技術の結合ポケットの用語と同様に、本実施形態の非単量体結合単位は、「高次ポケット」又はＨＯＰと記載することができる。ペプチド－ＭＨＣ結合に関して、個々のクエリペプチド部分配列は、クエリペプチドＨＯＰと称することができ、対応する接触位置（例えば、接触マップから導出されるもの）におけるＭＨＣ残基からアセンブルされる対応するクエリＭＨＣ部分配列は、クエリＭＨＣ ＨＯＰと称することができる。したがって、それぞれのＨＯＰは、適宜、ペプチド又はＭＨＣ配列のいずれかの部分配列である。配列のアミノ酸位置の１つ以上の集合を使用してペプチド又はＭＨＣ配列からＨＯＰを生成するプロセスは、ＨＯＰ分解と称することができる。

それぞれのクエリペプチドＨＯＰについてクエリＭＨＣ ＨＯＰが決定されたら、ＨＯＰペアをクエリペプチド－ＭＨＣ部分配列（ＨＯＰ）ペアとして（例えば、ＲＡＭ中又はデータベース中に）保存することができる。

次に、本方法は、参照バインダー－標的（ペプチド－ＭＨＣ）ペアを使用して、参照データセットを生成する（ステップ１２０）。参照データセットは、複数の行を含み得、それぞれの行は、参照ペプチド部分配列、参照ＭＨＣ部分配列及び参照結合値を含む。参照ペプチド部分配列は、クエリペプチドＨＯＰを生成するために使用されるものと同じアミノ酸位置を使用して生成される参照ペプチドＨＯＰである。同様に、参照ＭＨＣ部分配列は、クエリＭＨＣ ＨＯＰを生成するために使用されるものと同じ接触位置を使用して生成されるＭＨＣ参照ＨＯＰである。参照ペプチド－ＭＨＣ ＨＯＰペアを、ＨＯＰが導出されたペプチド－ＭＨＣペアの結合値に等しい参照結合値と関連付ける。

ここで、ＨＯＰ分解及び参照データセットの生成の特定例を、図４から図７を参照して記載する。配列は、リアルＭＨＣ配列でもペプチド配列でもなく、単に説明目的のために選択される。図５に示されるとおり、結合値は、多数の異なるペプチドの１つに結合しているアレルＨＬＡ－Ｘ及びＨＬＡ－Ｙについて利用可能であるが、本例において、参照データ中に表示されない新たなペプチドＡＢＹＤＥＦＧＨＩの、及び参照データに表示されるが、アレルＨＬＡ－Ｚに対する結合が不明であるペプチドＡＢＣＤＥＦＧＨＩの、アレルＨＬＡ－Ｘに対する結合を予測することが望ましい。ＨＯＰ分解は、ペプチドの位置（１，２）及び（１，３）についてのみ例示されるが、必要に応じて同じ手順をペプチドの他の位置に使用して、上記考察の様式でペプチド配列全体を集合的にスパンすることが理解される。

３つのアレルの完全配列を示さないが、３つの位置（１，２，３）について、上記のとおり適切な接触マップを使用することにより、対応するＭＨＣ ＨＯＰを生成することができる。図４に説明される例において、それぞれのペプチド残基は、使用される特定の接触マップに従って３つのＭＨＣ残基と近接する。一般に、異なるペプチド残基は、接触マップの完全形態又は接触位置を決定するために使用される他の手段に応じて、これよりも少ない又は多いＭＨＣ残基と近接し得ることが理解される。

クエリペプチドＡＢＹＤＥＦＧＨＩについて、位置（１，２）におけるペプチドＨＯＰは、その配列に沿ったそれらの位置におけるアミノ酸、すなわちＡＢを決定することにより生成される。同様に、位置（１，３）におけるペプチドＨＯＰは、ＡＹである。アレルＨＬＡ－Ｘについての位置の２つの集合について、対応するＭＨＣ ＨＯＰは、図４に示されるＨＯＰのコンカチネーションにより与えられる。したがって、位置（１，２）について、ＨＬＡ－ＸのＭＨＣ ＨＯＰは、ＡＢＣＤＥＦであり、位置（１，３）について、ＭＨＣ ＨＯＰは、ＡＢＣＡＢＤである。

同じプロセスを、図５に示されるとおり参照データについて実施することができる。例えば、第１行に示されるとおり、ペプチドＡＢＣＤＥＦＧＨＩは、位置（１，２）におけるＨＯＰ分解ＡＢ及び位置（１，３）におけるＨＯＰ分解ＡＣを有する。ＨＬＡ－ＸについてのＭＨＣ ＨＯＰは、再生する必要はない。なぜなら、この場合の参照ＭＨＣ配列は、クエリＭＨＣ配列と同じであるためである。

図５に示されるとおり、それぞれのペプチドＨＯＰ－ＭＨＣ ＨＯＰペアは、それが生成されたペプチド－ＭＨＣペアの結合値に等しい関連する結合値を有する。異なる配列ペアについてのＨＯＰ分解は、必ずしも固有でないため、本方法は、例えば、結合値の平均値又は中央値を取ることにより、反復ＨＯＰペアについての異なる結合値の要約を計算するさらなるステップを含み得る。これは、図５に例示され、例えば、ペアリングＡＢＣＤＥＦ－ＡＢの結合値は、個々の値（０．９、０．８、０．８、０．９、０．５）の平均値として計算される。

参照ペプチド及びＭＨＣ配列について全てのＨＯＰ分解が実行され、反復ＨＯＰペアについて適切な要約が計算されたら、結果は、この場合、２つの表：接触位置（１，２）についての第１の表５１０及び接触位置（１，３）についての第２の表５２０を含む参照データセットである。ペプチド配列全体にわたってスパンする接触位置の完全な集合の場合、参照データのさらなる表を生成して参照データセットを作出することが認識される。

図１Ｂに戻ると、本方法の次のステップ１２５において、少なくとも１回の配列類似度演算をそれぞれのクエリペプチド－ＭＨＣ ＨＯＰペア及び参照ペプチド－ＭＨＣ ＨＯＰペアに対して実行して、それぞれのクエリペプチド－ＭＨＣ ＨＯＰペアについての複数の類似度スコアを生成する。

一例において、類似度スコアは、クエリＨＯＰペアと参照ＨＯＰペアとの間の完全一致の場合に１の値を与えられ、且つそうでなければ０の値を与えられ得る。したがって、例えば、ペプチドの位置（１，２）におけるクエリＨＯＰペアＡＢ－ＡＢＣＤＥＦは、これが図５の参照データ表の第１行のＡＢ－ＡＢＣＤＥＦと完全に一致するため、１の類似度スコアを割り当てられるが、位置（１，３）におけるＡＹ－ＡＢＣＡＢＤは、図５の参照データ表中の一致が存在しないため、０のスコアを割り当てられる。

別の例において、類似度スコアは、アミノ酸置換行列、例えば図４に示されるものを使用して計算することができる。これは、クエリ配列と（生物学的に有意義に）類似するが、同一でない配列からの結合親和性予測に対する寄与の包含を可能とする。類似度スコアは、ペプチドＨＯＰ及びＭＨＣ ＨＯＰについて別個に計算することができる。したがって、例えば、ペプチドＨＯＰについて完全一致を実施することができるが、ＭＨＣ ＨＯＰについて置換行列を使用することができる。

例えば、クエリＭＨＣアレルＨＬＡ－Ｚは、図５の参照データ中に表示されないが、位置（１，２）におけるＭＨＣ ＨＯＰのＡＢＣＤＥＸ及び位置（１，３）におけるＡＢＣＸＹＤを有することが決定された。ＡＢＣＤＥＸは、位置（１，２）についての参照データ中のいかなる完全一致も有さないため、図４の置換行列を使用する場合、０．７９の（正規化）類似度スコアを計算することができ、これを使用して全体的な結合親和性予測に対するＡＢＣＤＥＸの寄与を重み付けすることができ、これは、以下に詳細に説明されるとおりである。

別の例において、類似度スコアは、ネットワーク近傍類似度演算を使用して計算することができ、それにおいて２部ネットワークをＭＨＣ ＨＯＰ及びペプチドＨＯＰから生成し、ネットワークのエッジ重みは、それぞれのペプチド－ＭＨＣペアの結合値であり、ネットワークの１部射影を実行し、これは、以下にさらに詳細に説明されるとおりである。

図１Ｂに戻ると、本方法の次のステップ１３０は、クエリＭＨＣタンパク質に対するクエリペプチドについての結合親和性を参照ペプチド－ＭＨＣ ＨＯＰ値の（参照データからの）結合値の重み付き組み合わせ、典型的には和として計算することを含む。重み付き組み合わせの重みは、類似度スコアに基づいて、２回以上の類似度演算からの寄与を含み得る。例えば、配列類似度及びネットワーク近傍類似度の両方を適用することができる。

実施形態は、結合ポケットの概念を、単量体プローチを超えて拡張させ、ｋ量体ペプチド－ＭＨＣ複合体内の全ての可能なｎ量体ポケットに基づいて、ｋ≧ｎ≧１について推論を実行してＭＨＣ－ペプチド結合予測を改善する。高次ＭＨＣ－ペプチドポケットを包含することにより、ペプチド及びＭＨＣ分子の両方の中のコンテキストアミノ酸ｎ量体長さの残基の影響が含まれ、それによりＭＨＣ－ペプチド結合の生物学的複雑性をより良好に表す手法において結合親和性予測の精度を改善する。

配列及び近傍類似度を単独で又は一緒に取り込むことにより、利用可能な参照データ中に十分に表示されない（又は全く表示されない）ＭＨＣアレルについての予測を作製することが可能である。本方法は、改善され、物理的に解釈可能であり、高度に一般化可能なＭＨＣ－ペプチド結合予測子を提供する。

上記実施形態のさらなる態様をここでより詳細に記載する。

ＨＯＰ分解
一例において、ＭＨＣ結合溝に対するｋ量体ペプチド、例えば９量体の結合は、ｎ量体相互作用の（ｋ－ｎ＋１）の数として８つの２量体ＭＨＣ－ペプチド結合ポケット相互作用、７つの３量体結合ポケット相互作用などとしてモデリングすることができる。本発明者らは、連続ｎ量体セグメントのみを使用するこのアプローチを「連結」アプローチとして示す。図２（ｂ）及び２（ｃ）は、２量体及び３量体ペプチドＨＯＰについての連結アプローチを説明する。

別の例において、線状ペプチドを閉ループとみなすことができる。９量体ペプチドから生成された３量体ＨＯＰについて、これは、ペプチド位置（８，９，１）及び（９，１，２）からなる「ループ連結」３量体を加算することを伴う。このような実施形態は、このようなＭＨＣ－ペプチド相互作用のモデリングにより物理的解釈可能性の一部の態様を失う一方、それらは、それらが連結アプローチにおける中央ペプチド残基に向かう可能なバイアスを修正する点で有利である。例えば、３量体の場合、連結アプローチにおける末端ペプチドアミノ酸位置１及び９は、１つの３量体のそれぞれ（１，２，３）及び（７，８，９）によってのみそれぞれカバーされる。残基位置２及び８は、２つの３量体によりカバーされ、残りの位置は、３つの３量体によりカバーされる。閉ループ分解アプローチを使用すると、９量体から分解された９つのｎ量体が常に存在する。本発明者らは、これを「ループ」アプローチと呼ぶ。ループアプローチを図２（ｅ）に３量体について説明する。

さらなる例において、本発明者らは、対象のＭＨＣ－ペプチド結合ポケット相互作用についての全ての可能なｎ個の組み合わせを考慮することができ、ｎ量体の数は、二項係数

（式中、ｋは、完全ペプチドの長さである）により与えられる。例えば、２量体及び３量体について、

、及び

個の可能なｎ量体組み合わせがそれぞれ存在する。物理的解釈可能性から一層さらに外れる一方、ほとんどのｎ量体は、ここで、非連続的であるため、この分解アプローチは、クエリデータと参照データとの間で一致するＭＨＣ－ペプチド結合ポケット相互作用を見出す機会を大幅に増加させる。さらに、位置バイアスは、存在しない。本発明者らは、これを「完全」アプローチと呼ぶ。これを図２（ｇ）に３量体について説明する。

接触点マップにより９つの結合ポケットが与えられる、ＭＨＣ分子に結合している長さｋ＝９のペプチドについて、本発明者らは、ｎ量体ＭＨＣ－ペプチド結合ポケット相互作用について以下を定義する：
－ 接触位置は、ｋの非反復数（９量体について１から９）からなり、これは、ペプチド残基及び対応するＭＨＣ結合ポケット（例えば、接触マップに従って導出）の位置を示す。
－ 高次ポケット（ＨＯＰ）は、ＭＨＣ－ペプチド結合複合体の実現、すなわち所与の接触位置におけるｋ結合ペプチド残基及び対応するＭＨＣ結合ポケットである。
－ ペプチドＨＯＰは、ＨＯＰのペプチド構成成分である。例えば、接触位置（１，３，４）及びペプチド「ＡＢＣＤＥＦＧＨＩ」は、ペプチドＨＯＰ「ＡＣＤ」をもたらす。
－ ＭＨＣ ＨＯＰは、図１に照らして上記考察のとおりＨＯＰのＭＨＣ構成成分である。

本方法の実施形態は、単一のｎ値及び単一アプローチ（「完全」、「ループ」又は「連結」）を使用することにより、又はいくつかのｎ値及びアプローチを組み合わせることにより適用することができる。「完全」アプローチは、一般に、優れた性能を与えることが見出された。

以下の考察の目的のため、以下のＨＯＰ関数Ｈを定義することができる：
Ｈ：（ｃ，Ｉ，Ｘ）→（ｉ，ｘ）_ｃ （１）
（式中、Ｉは、ＭＨＣ分子であり、Ｘは、ペプチドであり、ｃ∈Ｃ（ｎ）は、アプローチについての接触位置の集合Ｃ及び対象のｎ値のうちの単一接触位置である）。（ｉ，ｘ）_ｃは、接触位置ｃにおけるＩ及びＸのＨＯＰ実現を示し、ｉは、ＭＨＣ ＨＯＰであり、ｘは、ペプチドＨＯＰである。本発明者らは、ＭＨＣ分子をＩ及びＪにより、ＭＨＣ ＨＯＰを対応する小文字ｉ及びｊにより、完全ペプチドをＸ及びＹにより、ペプチドＨＯＰを対応するｘ及びｙにより示す。同じ接触位置ｃに属するＨＯＰのみを直接比較できること並びに上記考察のとおりＭＨＣ及びペプチドアミノ酸配列中の好適な重複が存在する限り、不等のＭＨＣ－ペプチドペア（Ｉ，Ｘ）についていくつかの同一ＨＯＰ（ｉ，ｘ）_ｃに分解することが可能であることに留意すべきである。

不明の結合親和性及びＨＯＰ構成成分Ｈ（ｃ，Ｉ，Ｘ）→（ｉ，ｘ）_ｃを有するクエリＭＨＣ－ペプチドペア（Ｉ，Ｘ）を考慮する。対応する結合親和性ｗ_ＪＹ及びＨＯＰ構成成分Ｈ：（ｃ，Ｊ，Ｙ）→（ｊ，ｙ）_ｃを有するＭＨＣ－ペプチドペア（Ｊ，Ｙ）の参照データセットを考慮すると、以下の式を使用して、ＩとＸとの間の結合親和性に対する単一ＨＯＰ構成成分（ｉ，ｘ）_ｃからの結合親和性寄与を予測することができる：

（式中、｛（ｊ，ｙ）_ｃ｝は、ｃ∈Ｃ（ｋ）を有する全ての固有ＨＯＰの集合である）。さらに、Ｓｉｍ（ｉ，ｊ；ｘ，ｙ）は、任意の２つのＨＯＰ（ｉ，ｘ）_ｃと（ｊ，ｙ）_ｃとの間の定量的類似度スコアを提供する一般的な類似度メトリックである。重みは、一般式

（式中、｛Ｈ（ｃ，Ｊ，Ｙ）＝（ｊ，ｙ）_ｃ｝は、ＭＨＣ－ペプチドペア（Ｊ，Ｙ）がＨＯＰ（ｊ，ｙ）_ｃに分解する参照データ中の全ての成分の集合であり、ｗ_ＪＹは、ＭＨＣ－ペプチドペア（Ｊ，Ｙ）と関連する変換結合親和性値である）により表すことができる。類似度演算子ＧｌｏｂａｌＳｉｍ（Ｉ，Ｊ；Ｘ，Ｙ）は、ＨＯＰ非依存的であり、すなわちフレームワーク内で「グローバル」であり、任意の２つのＭＨＣ－ペプチドペア（Ｉ，Ｘ）と（Ｊ，Ｙ）との間の定量的類似度スコアを提供する。ある実施形態において、ＧｌｏｂａｌＳｉｍ（Ｉ，Ｊ；Ｘ，Ｙ）≡１であり、それは、式（３）を、単に、ＨＯＰ（ｊ，ｙ）_ｃを含む全てのＭＨＣ－ペプチドペアについての結合親和性値の平均とするものに相当する。典型的には、全ての類似度メトリックは、０から１の範囲内であることが定義され、１は、完全な類似度を意味する一方、０は、類似度なし又は最小の類似度を意味する。

式（２）は、ＭＨＣ－ペプチドペア（Ｉ，Ｘ）の総結合親和性予測に対する単一接触位置からの寄与を表現する。対象のｎ量体アプローチについての全ての接触位置を合計することにより、以下：

（式中、Ａ（ｃ）は、ＭＨＣ－ペプチド結合相互作用においてある位置に他のものよりも大きい重要度を与えることを可能とするアンカー値重みである）により、クエリＭＨＣ－ペプチドペア（Ｉ，Ｘ）についての結合親和性予測を算出することが可能である。ペプチド位置２及び９は、ＨＬＡ結合についてのそのような位置の例である。

ある実施形態において、複数の関連する類似度メトリック選択を伴う複数のｎ値を有する可能性を含めることが望ましいことがある。したがって、このような実施形態において、結合親和性予測は、以下のとおり、ｎ及びＳｉｍの異なる組み合わせからの寄与を合計することにより得ることができる：

（式中、Ｎ（ｎ，Ｓｉｍ）は、対象のｎ及びＳｉｍについての固有ＨＯＰ一致の数、すなわち式（４）中の全ての接触位置ｃにわたる式（２）中の非ゼロ和要素の数である）。残りの量、ｆ（ｎ，Ｓｉｍ）は、例えば、３量体に２量体の２倍の重要度が与えられるものとすることにより、いくつかの個々のアプローチを組み合わせる場合にフレキシビリティを可能とする重要度重み値である。式（５）は、複数のアプローチをアンサンブルする手法とみなすことができ、種々の類似度メトリック及びｎ値に基づくいくつかのモデルがそれぞれの結合親和性予測に寄与することを可能とする。

上記式（２、４、５）から、ＨＯＰ類似度メトリックＳｉｍ（ｉ，ｊ；ｘ，ｙ）の多くの異なる選択が可能である点で本方法がフレキシビリティを提供することが明らかである。

ある実施形態において、ペプチドＨＯＰ及びＭＨＣ ＨＯＰに対する類似度演算は、別個に実行される。したがって、一般の類似度メトリックは、以下のとおり表現することができる：
Ｓｉｍ（ｉ，ｊ；ｘ，ｙ）＝ＭＨＣＳｉｍ（ｉ，ｊ）・ＰｅｐＳｉｍ（ｘ，ｙ） （６）
（式中、ＭＨＣＳｉｍ（ｉ，ｊ）は、ＭＨＣ ＨＯＰのｉとｊとの間の類似度スコアを提供し、ＰｅｐＳｉｍ（ｘ，ｙ）は、ペプチドＨＯＰのｘとｙとの間の類似度スコアを提供する）。

ある実施形態において、クエリペプチドの長さは、参照データ及び／又は接触点マップ中のペプチドの長さｋと異なり得る。この場合、クエリペプチドを１つ以上の「仮想」ｋ量体に変換することができる。これを行う様々な手法を図８から１０に説明する。同様に、接触点の集合は、「仮想」ＭＨＣ結合溝又は「仮想」ポケットを作出するようにシミュレートすることができ、それらは、以下の実施例から明確になる。

例えば、参照データが９量体を含み、クエリペプチドが１１量体である場合、この問題に対する「連結」アプローチにおいて、ペプチド全体にわたり２つのアミノ酸のバルジ８００を通過させることができ、図８（ａ）に示されるとおり、結合溝のいずれかの末端に吊るして２つの最も外側のアミノ酸から開始し、そこで終了させる。物理的１１量体当たり１０個（９量体ペプチド中に２つの末端及び８つの「中間物」が存在するため、９つではない）のそのような仮想ペプチドが存在する。図８（ｂ）に説明される「完全」アプローチと称される別のアプローチは、長さ１のバルジ及びハングオフ（８０２ａ、８０２ｂ）を可能とし、したがって、合計

個のさらに多くの仮想ペプチドをもたらす。「完全」アプローチは、ｋ＞９の場合、

のため、大きいｋについて仮想ペプチドの数の組み合わせによる急増をもたらすことに留意すべきである。「移動窓」アプローチと呼ばれる別のアプローチは、図９に説明され、それぞれの物理的１１量体９００についての３つの仮想ペプチド９０２をもたらす。

「移動窓」、「連結」及び「完全」アプローチは、ｋ＜９にも適用可能であるが、バルジ及びハングオフは、ギャップ挿入により置換される。仮想ペプチドの数も、物理的ペプチドがより小さいため、ｋ＞９と比較して少ない。

ｋ＜９の場合、図１０（ａ）に示されるとおり、ペプチド「伸張」フレームワークを実装することもでき、その場合、単一アミノ酸１０００は、２つ以上のポケット、例えば隣接ポケットペア（１００２，１００４）又は（１００４，１００６）を占有し得る。すなわち、ギャップの挿入に代えて、隣接アミノ酸の２つ組を挿入して、ポケットにわたり伸張される単一アミノ酸をシミュレートすることができる。

ｋ＞９の場合、ペプチド「圧迫」アプローチをさらに実装することができ、その場合、図１０（ｂ）に示されるとおり、１つ以上のペプチド位置を２つ組とし、２つのアミノ酸を２つ組にされた単一ＭＨＣポケットに圧迫する。例えば、アミノ酸１０５０及び１０５２をポケット１０６０又はポケット１０６２中に「圧迫」することなどができる。

一部の実施形態において、上記方法は、例えば、最適化又は他の学習法を使用して、全てのｋ＞９アプローチの組み合わせ及び全てのｋ＜９アプローチの組み合わせを可能とすることにより組み合わせて、いずれの仮想ペプチド／ＭＨＣ立体構造がデータにわたり最も意味をなすかを見出すことができる。例えば、異なる方法の種々の組み合わせは、１つ以上の訓練データセットに適用することができ、テストデータセットに適用した場合に最良の性能を与える組み合わせを最適な組み合わせとして選択することができる。したがって、組み合わせのアプローチを使用して作製される結合親和性予測は、あらゆる仮想ペプチド－ＭＨＣペアからの結合親和性予測寄与の重み付き和を含み得、１つの物理的ペプチド－ＭＨＣペア当たり１つの結合親和性予測をもたらす。

留意されてきたとおり、「仮想」ｋ量体又は結合溝は、接触点マップを用いる複数の長さのクエリの利用を可能とするシミュレーションとみなすことができる。慣用の接触点マップにおいて、線状固定長さのペプチドをＭＨＣ残基の固定長さの集合にマッピングする。異なる長さについて、ペプチドは、ｋ量体の組み合わせに分解することができ、それぞれの組み合わせを処理する。

提案されるシミュレートｋ量体技術の一例において、ｋ量体クエリペプチドの部分集合は、接触点の部分集合にマッピングすることができる。クエリｋ量体を、接触点にマッピングすることができる異なる配列に変換する（又はコード変換する）ことにより、複数のペプチドアミノ酸を任意数のポケットにマッピングすることができ、したがって残基を任意のポケットにマッピングすることができる。

上記例は、より大きい（又はより小さい）クエリペプチドを低減（又は拡張）させて接触点マップにフィットさせること又は物理的効果がポケットの集合数をもたらすように複数のアミノ酸を接触点に対してマッピングすることを含む。

このように、接触点マップ技術は、異なるペプチド長さに適用可能であり、例えば９量体接触点マップをｋ＜９又はｋ＞９に適用可能である。接触点マップは、異なる長さ情報を含むように定義することができる。実際、本技術は、接触点マップが「設計」されるものと異なる長さのｋ量体に適用することができる。標的アミノ酸部分配列とバインダー－アミノ酸部分配列との間（多対多の非連続アミノ酸部分配列についても）の接触点を表現する手法が存在する限り、２つの三次元タンパク質／分子間の複合体相互作用に対処する手法が提案される。

類似度メトリックＳｉｍ（ｉ，ｊ；ｘ，ｙ）の例
ベーシック類似度
１つの形態において、式（６）中の類似度メトリックＳｉｍ（ｉ，ｊ；ｘ，ｙ）構成成分は、

と表現することができる。

これは、クエリＨＯＰがそのための参照データセット中の少なくとも１つの成分に完全に一致して結合親和性予測に寄与する要求と均等である。これらのメトリックを適用することにより、式（２）は、

（式中、Ｎは、参照データ中に見出される完全ＨＯＰ一致の数である）と記述することができる。

配列類似度
一部の実施形態において、類似度演算は、クエリペプチドＨＯＰと参照ペプチドＨＯＰとの間の配列類似度及び／又はクエリＭＨＣ ＨＯＰと参照ＭＨＣ ＨＯＰとの間の配列類似度を決定することを含み得る。

式（６）中の個々のＭＨＣ類似度因子は、

と記述することができ、ペプチド配列類似度ＰｅｐＳｅｑＳｉｍ（ｘ，ｙ）についても均等に記述することができる。パラメータαは、理解されるとおり、ソフト閾値を提供するために適用することができるチューニングパラメータである。なぜなら、それは、データを明確に除外せずに弱い類似度と比較して強力な類似度の影響を調節するためである（他方、ハード閾値は、閾値未満からゼロの類似度スコアを設定する）。このようなパラメータを訓練中にチューニングすることを可能とすることは、α＝１の場合よりもかなり良好なモデル性能をもたらし得る。モデル性能は、観測及び予測結合値間のピアソン相関係数並びに訓練データ点により生成される受信者動作特性（ＲＯＣ）曲線下面積（ＡＵＣ）を使用して評価することができ、≦５００ｎＭのＩＣ５０値を結合クラスにあるとし、その閾値を超える値を有するものを非結合クラスにあるとする。これらのメトリックは、全体にわたりそれぞれＰＣＣ及びＡＵＣと称される。

ある実施形態において、配列類似度は、BLOSUMアラインメントを使用して決定することができる。有利には、BLOSUM80行列の使用は、本発明者らによりテストされたBLOSUM行列のうち、最良の性能（ここでも、ＰＣＣ及びＡＵＣにより測定）をもたらすことが見出された。しかしながら、他のスコア行列も、進化的考察、物理化学的考察（例えば、コード及び非コードアミノ酸についてのトポロジー及び構造情報のベクトル－ＶＴＳＡ及び／又は疎水性、立体的及び電子的特性の主成分スコアベクトル－ＶＨＳＥ）又はその両方に基づくかどうかにかかわらず使用できることが認識される。

２部ネットワーク近傍類似度
一部の実施形態において、類似度演算は、ネットワーク近傍類似度を決定することを含み得る。このような実施形態において、所与の接触位置ｃについて、ＭＨＣ及びペプチドＨＯＰ構成成分ｉ及びｘがそれぞれ上位及び下位ノードである２部ネットワーク（グラフ）を生成することができる。任意の２つのＭＨＣ ＨＯＰ間にも任意の２つのペプチドＨＯＰ間にも、直接的な連結もエッジ（リンク）も存在しない。全ての直接的なエッジは、ＭＨＣ ＨＯＰとペプチドＨＯＰとの間に存在し、関連するエッジ重みとしての結合親和性値を伴う。２部ネットワーク中の上位又は下位ノード（ＭＨＣ又はペプチドＨＯＰ）にわたりこれらのエッジ重みの共分散を使用して、参照データ中に存在しないＨＯＰについての予測を作製することが可能である。ＭＨＣ ＨＯＰ近傍類似度の場合、例えば、ＭＨＣ－ペプチドＨＯＰネットワークの重み付き１部射影は、ＭＨＣ ＨＯＰの任意のペアにより共有される全てのペプチドＨＯＰを、どのように同様にＭＨＣ ＨＯＰペアが共有ペプチドＨＯＰの集合と相互作用したかを示す単一重み値により置き換えることにより決定される。重み値を決定するための複数の手法が存在するが、結合親和性のペア間の線形相関がＰＣＣ及びＡＵＣに関して最良の性能を提供することが見出された。次いで、式（ｇｅｎＳｉｍ）中のＭＨＣ ＨＯＰ因子は、

（式中、Ｎは、ＭＨＣ ＨＯＰ（上位ノード）ｉとｊとの間の共有近傍ペプチドＨＯＰ（下位ノード）ｙの数であり、ｗ’は、対象の下付きＭＨＣ ＨＯＰペアについての有効結合親和性重み値である）と表現することができる（一般化フレームワークにおいて、式（３）をそれらの重み値にも適用することができる）。均等な式は、ペプチド近傍類似度ＰｅｐＮｂｒＳｉｍ（ｘ，ｙ）について使用される。

近傍類似度演算は、新規ＨＯＰ構成成分についての推論を可能とし得ないが、類似度スコアを算出するためにテストデータが必要とされない点で有利である。換言すると、モデルをテストデータのいかなる先行知識もなしで訓練することができる。これは、より短い予測時間を可能とし得、それは、少なくとも一部の状況における短い訓練時間よりも好まれることがある。これは、他の技術、例えばブートストラッピングの実行も簡易化する。

一部の実施形態において、式（１０）の代替手段が考えられる。１部ネットワークについて、重み付きトポロジーオーバーラップ（ｗＴＯ）メトリックが種々の生物学的系に既に良好に適用されている。例えば、全内容が参照により本明細書に組み込まれるK. Nowick, T. Gernat, E. Almaas, and L. Stubbs,“Differences in human and chimpanzee gene expression patterns define an evolving network of transcription factors in brain,”Proceedings of the National Academy of Sciences, vol. 106, no. 52, pp. 22358-22363, 2009を参照されたい。

ノード／頂点ｉとｊとの間のｗＴＯは、

（式中、ａ_ｉｊは、ネットワークの重み付き隣接行列中の要素であり、ｋ_ｉは、ノードｉの重み付き／非重み付き連結度（ノード強度／次数）である）により算出することができる。したがって、このメトリックの２部バージョンは、ＨＯＰ近傍類似度メトリックとして使用することができ、すなわち式（１０）の右辺を置き換えることができる。これは、

（式中、ｂｗＴＯは、「２部重み付きトポロジー差」を意味し、ｉ、ｊは、上位ノードであり、ｘは、下位ノードであり、ｋ_ｉは、ｗＴＯ式中の連結度と均等な２部（下位近傍ノードの和）である）と表現することができる。分母がゼロである場合、ｂｗＴＯ値もゼロである。同様の「２部重み付きトポロジー差」（ｂｗＴＤ）メトリックを、式（１０ｂ）に代えて代替的に使用することができる。

ｂｗＴＯ及びｂｗＴＤの両方は、一部の状況で十分に機能することが見出されたが、式（１０）は、予測性能（ＰＣＣ及びＡＵＣ）に基づく全体的最良近傍類似度選択として浮上した。

類似度パラメータ
配列及び近傍類似度の両方並びに他の可能な類似度アプローチについて、式（９）及び（１０）において行われるとおり、チューニングパラメータαを適用して、非類似ＨＯＰと比較して類似のＨＯＰに適切な結合親和性寄与が与えられるように類似度スコアを調整することが有利であり得る。類似度値が１（同一）から０（非類似）の範囲である実施形態において、αを適用して類似度値間の比を調整する一方、それらのオーダリングを保存することができる。最小類似度スコアの形態又は固定最大数ｍの類似スコアの形態のいずれかで類似度カットオフを適用することも有利であり得る。ＭＨＣ配列類似度の場合、例えばＭＨＣＳｉｍ＝ＭＨＣＳｅｑＳｉｍであり、ＰｅｐＳｉｍが２元類似度メトリックのベーシックである場合、式（２）は、

（式中、ｊからｍの和は、単に、ＭＨＣ ＨＯＰのｉと最も類似するｍ個のＭＨＣ ＨＯＰのｊを合計することを意味する）と記述することができる。

パラメータ最適化
一般フレームワークにおいて、類似度メトリック特異的パラメータ、例えばチューニングパラメータ及びカットオフ値から、より一般的に適用可能なパラメータ、例えばアンカー位置重み及びアプローチ重要度重みｆ（ｎ，Ｓｉｍ）までの範囲のいくつかのフリーパラメータが存在する。種々の最適化戦略、例としてローカル及びグローバル法の両方をそれらのパラメータを見出すために使用することができる。

一部の実施形態において、以下に詳述される段階的パラメータ最適化アプローチを使用することができる。しかし、当業者に公知の種々の方法を使用して多くの他のパラメータ最適化プロセスを実行できることが認識される。

１．アンカー重みＡ（ｃ）は、それらが汎アレル設定において評価される限り、実験設定の変化により広く影響を受けないことが見出されている。したがって、これらは、本発明者らが見出す第１のパラメータクラスである。いくつかの最適化スキームが好適であるが、本発明者らは、差分進化（ＤＥ）を適用するように選択する。なぜなら、最良のＡＵＣ値について最適化することが可能であるためであり、それは、ＤＥのグローバル性質と一緒に、オーバーフィットする傾向が少ないパラメータを提供することが考えられる。１、２及び３量体についての完全基本ＨＯＰペアをこのステップのための予測子として選択することができる。ＤＥアルゴリズムは、一般化パラメータを確保するためにいくつかの訓練／テスト分割について数回ランされ、平均アンカー値が次のステップに移される。９単量体アンカー重みのみが変数とみなされることに留意すべきである。なぜなら、残りの高次アンカー重みは、それらの単量体寄与の平均として算出されるためである。

２．このステップは、ｎ値（アプローチにおけるポケットの数）及び類似度メトリック、すなわち式中の（ｎ，Ｓｉｍ）により定義されるそれぞれの類似度アプローチに特異的である。ここで、前のステップにおいて見出されたアンカーパラメータを有する１、２、３量体についての完全基本ＨＯＰペアを、最適化のための予測子としての（ｎ，Ｓｉｍ）により定義される特異的（近傍又は配列）類似度と組み合わせる。同様のＤＥ最適化アルゴリズムをステップ１と同様に使用すると、それぞれの特異的最適化について最適化するための２つの変数、すなわち和カットオフパラメータｍ及びべき乗パラメータαのみが存在する。ＤＥは、ローカル法（最小二乗法など）と異なり、ｍが整数であるため、このステップに良好に適合する。ここでも、最適化は、一般化パラメータを確保するためにいくつかの訓練／テスト分割について数回ランされ、平均ｍ及びα値（それぞれの特異的（ｎ，Ｓｉｍ）アプローチについて）が次のステップに移される。

３．ステップ１及び２後、アンカー重みＡ（ｃ）及び種々の類似度アプローチに必要とされる全てのｍ及びα値が生成された。残部は、全体的合計予測性能が最適になるように、それぞれの（ｎ，Ｓｉｍ）アプローチからの予測寄与パラメータｆをチューニングすることである。カーブフィッティングパラメータ（ｙ＝ａｘ＋ｂにおけるａ及びｂ）を最適化変数に加算して、訓練データにおける実測ＩＣ５０測定値と類似するＩＣ５０予測を得ることもできる。変数空間は、滑らかであり、完全に正常に作動するため、最小二乗法最適化を使用し、観測及び予測値間の全体的二乗距離を最小化することができる。これは、回帰法についての望ましい特質である大きいＰＣＣ値の最適化とほぼ均等である。ここでも、最適化は、パラメータセット（それぞれそれらの訓練／テストセット及び初期条件に最適であると見出されたもの）のリストを生成するために異なる初期条件を用いて、いくつかの訓練／テスト分割について数回ランされる。最終パラメータセットは、一部の統計法をこのリストに平均（平均値、中央値）、最大全体的相関又は他の方法を介して適用することにより見出される。最大全体的相関により、最大平均相関を有するパラメータセットを有する全ての他のパラメータセットに対して平均し、したがって、それは、「コンセンサスパラメータ」と呼ぶことができる。

一例において、ＩＥＤＢからのデータを２つの部分集合に分割することができ、第１の部分集合を訓練に使用し、第２の部分集合をテストに使用する。例えば、第１及び第２の部分集合は、（１）２００９年までにＩＥＤＢに追加された全ての結合親和性データ（本明細書においてＫｉｍ０９と称される）、及び（２）２０１０年から２０１３年に追加された全ての結合親和性データ（本明細書においてＫｉｍ１３と称される）であり得る。結合親和性測定値（ＩＣ５０／ＥＣ５０）は、対数変換：１－ｌｏｇ（ＩＣ５０）／ｌｏｇ（５００^２）を使用して変換することができ、対数の底は、ＭＨＣ－ペプチドペアが結合すると言われるデフォルト閾値を反映する（バインダーは、ＩＣ５０≦５００ｎＭを有する）。さらに、データの一部を省略して、例えば上記結合データの０．５％を再現可能に偽無作為に省略することにより、データブラインディングと称される手順においてオーバーフィッティングについてのテストを支援することができる。

本方法の評価は、いくつかの数値実験を介して実行した：（１）Ｋｉｍ０９データに対する訓練及びＫｉｍ１３データに対するテスト、（２）Ｋｉｍ０９データ中の所定の５分割を使用する５分割交差検証の実行（本明細書において使用される「分割」は、いかなる他の部分集合とも重複しないデータの部分集合を指す）、（３）０．５％ブラインド化データセットに含まれない全てのデータに対する訓練及びブラインドセットに対するテスト、及び（４）テストのために１つのアレルを抜く一方、全ての残りのアレルに対して訓練する、Ｋｉｍ０９及びＫｉｍ１３データセットの組み合わせ。４つの実験タイプを以下のとおり称する：（１）Ｋｉｍ０９－Ｋｉｍ１３、（２）Ｋｉｍ０９ ５分割、（３）ブラインド、及び（４）ＬＯＡＯ（リーブワンアレルアウト（leave-one-allele-out））。２つの評価メトリックをそれぞれの実験に使用した：結合についての閾値としてのＩＣ５０≦５００ｎＭの標準（すなわち、バインダー及び標的は、ＩＣ５０が閾値以下である場合に結合と分類され、そうでなければ非結合と分類される）を使用する観測及び予測結合値間のピアソン相関係数（ＰＣＣ）及び受信者動作特性（ＲＯＣ）曲線下面積（ＡＵＣ）。ＲＯＣ曲線は、当技術分野において公知の任意の方法により生成することができる。例えば、PythonパッケージNumPy及びSciPyにおいて利用可能な関数を使用してＲＯＣ曲線を生成することができる。

汎アレルアンカー位置重みは、無作為部分集合にわたり高度に安定的であることが見出され、それを選択して、簡易化のためのＫｉｍ０９の５分割交差検証についての最適な解決策として固定した。アレル特異的アンカーを配列類似度アレル特異的予測フレームワークについて実装したが、汎アレルフレームワークにおいて試行しなかった。類似度メトリック特異的パラメータは、５つのアレル及びデータの５％を訓練から抜き、テストに使用する２０分割偽無作為訓練スキームにおける差分進化を使用して見出された。より慣習的な５分割交差検証も試行し、妥当なＬＯＡＯ実験を除いて全てについて十分に機能するモデルをもたらした。なぜなら、それらのモデルは、次いで、訓練中に不明ＭＨＣアレルについて予測を「強制」されなかったためである。類似度パラメータは、十分数の反復後に種々の部分集合について安定的であることも見出され、したがってまた以下に考察される結果において全ての汎アプローチについて静的のままであった。アプローチ重要度重みを決定するため、本発明者らは、二重訓練フレームワークを選択し：（１）上記と同じ２０分割交差検証スキームを使用してＬＯＡＯ実験についてのモデルを訓練した一方、（２）それぞれの分割についての１０００個の無作為パラメータ初期化を用いる標準的な交差検証を使用して他の実験についてのモデルを訓練し、最終コンセンサスパラメータを全ての他の数千個のパラメータセットに対する最大平均相関を有するセットとして選択した。

結合親和性予測の計算
１つの実装において、式（２）、（４）及び（５）における結合親和性予測は、参照データに対する適切なＨＯＰ分解を実行し、１つ以上の辞書又はハッシュ表中にその結果を保存し、次いでそれぞれのクエリＨＯＰについて、保存された結果のルックアップを実行することにより決定することができる。重み付き和は、異なるＨＯＰ分解、類似度メトリックなどをループさせることにより計算することができる。

代わりに、一部の実装は、結合親和性を計算するためにスパース行列符号化を使用し得る。例えば、SciPyのスパース行列ライブラリーをNumPy機能と同時に使用して、より単純な反復辞書実装をはるかに凌ぐ記憶実効性及び速度の両方を達成することができる。

本発明者らは、（＃データ行×＃ＨＯＰ ＩＤ）行列である行列Ｈを定義することにより開始する。ＨＯＰ ＩＤは、任意のＭＨＣ－ペプチド（バインダー－標的）ＨＯＰを固有に特定する整数である。全てのデータ行について、ＭＨＣ配列（偽配列及びペプチドが存在し、それらは、Ｎ個のＨＯＰに分解することができる（単量体ＨＯＰのみが含まれる場合、Ｎ＝９）。データ行ｐについて、全てのＨＯＰは、関連するＨＯＰ ＩＤのｑを有する。ベーシックフレームワークから開始して、これらの全ての（ｐ，ｑ）ペアに行列中で１．０の値を与える。参照のため、このベーシック行列中のそれぞれの行の和は、Ｎである。

行列は、２つの特色「訓練」及び「テスト」の形式があり、Ｈ_{ｔｒａｉｎ}は、訓練（参照）データを使用して構築される一方、Ｈ_ｔｅｓｔは、テスト（クエリ）データを使用して構築される。この最も単純な形態（アンカーなし、２つ組ＨＯＰ平均化なし）において、次いで、ベーシック予測は、

（式中、ｙは、訓練データと関連する結合親和性値を含む形状の列ベクトル（＃訓練データ行×１）であり、ＩＩは、ｙと同じ形状を有する単位ベクトルであり、Ｐは、予測を含む形状の予測ベクトル（＃テストデータ行×１）である）により見出すことができる。

演算子は、要素毎の除算を示し、したがって、最も右側の括弧は、正規化を含むとみなすことができる。

２つ組のＨＯＰを平均するため、Ｈ_{ｔｒａｉｎ}の列の和を実行し、形状の行ベクトル（１×＃ＨＯＰ ＩＤ）を残す。この和ベクトルをＨ_{ｔｒａｉｎ}の形状まで列に沿って拡張して、Ｍにより示される行列の和を用いて要素毎の除算演算を実行することができる。

同様に、アンカー重みを適用することを望む場合、Ｈと同じ形状を有するアンカー重み行列Ａと、Ｈ_ｔｅｓｔ又はＨ_{ｔｒａｉｎ}のいずれかとの間の要素毎の乗算（注記：

）を単に実行する。参照のため、Ａは、最大Ｎ個の固有値を有し、全ての列は、等しい要素からなる（これは、同じＨＯＰであるため）。実装の点で、これは、見かけほど煩雑ではない。なぜなら、密Ｈ型行列の作製を回避するＡのこの予測可能な構造を利用することができるためである。同じことは、Ｍを用いる上記演算に当てはまる。アンカーを適用する。

これまでのところ、本発明者らは、類似度を考慮していない。フレームワークへの類似度の加算は、一般に、プロセス全体、例としてアンカー重み及び正規化に影響し、任意の他の演算前に適用しなければならない。近傍類似度又は配列類似度又はその両方を使用する場合、それぞれの行についてもはやＮ個のＨＯＰは存在しない。むしろ、１行当たりのＨＯＰの数は、ｎ、Ｓｉｍ、ｍ及びαにより影響を受け、一般にそれぞれの行について不等である。しかしながら、全ての行についての共通の特徴は、１．０に等しい行当たりＮ個の要素が常に存在することである（非ゼロαの場合）。他の要素に類似度値∈［０，１）を与える。これらの類似度要素を有する行列を追加するプロセスは、以下のとおりであり得る。
１．（データ行ｐから分解された）それぞれのＨＯＰについて、データ中に存在するｍ個の最も類似するＨＯＰを見出す。
２．それぞれのＨＯＰについて、１において見出されたｍ個のヒットに一致するＨＯＰ ＩＤのｑを見出す。
３．要素（ｐ，ｑ）を、Ｓｉｍ及びαにより与えられる原点ＨＯＰと類似ＨＯＰとの間の類似度スコアと等しいものとする。

上記において、ＨＯＰは、選択されるアプローチに応じてＭＨＣ－ペプチド（完全）ＨＯＰ、ＭＨＣ ＨＯＰ又はペプチドＨＯＰであり得る。これを、類似度間に重複する要素が存在しない限り（存在する場合、一部の規則を適用して要素が０から１であることを確保しなければならない）、
Ｈ＝Ｈ_{Ｂａｓｉｃ}＋Ｈ_ＳｉｍＡ＋Ｈ_ＳｉｍＢ＋．．．（１５）
になるように複数の類似度について行うことができる。

典型的には、配列類似度は、「テスト」行列にのみ適用される。なぜなら、クエリ配列は、予測を算出するために必要とする類似度を決定するためである。近傍類似度は、典型的には、「訓練」行列にのみ適用される。なぜなら、ＮｂｒＳｉｍは、訓練データ中に既に存在するＭＨＣ及びペプチドＨＯＰについての予測の作製に限定されるためである。

配列及び近傍類似度は、以下のとおり予測中に取り込むことができる（自己類似度は、ベーシック行列中に既に含まれるため、ＮｂｒＳｉｍ及びＳｅｑＳｉｍから除去される）。
Ｈ_{ｔｒａｉｎ}＝Ｈ_{ｔｒａｉｎ Ｂａｓｉｃ}＋Ｈ_{ｔｒａｉｎ ＮｂｒＳｉｍ}（１６）

Ｍは、上記考察の行列の和Ｍと類似の様式でＨ_{ｔｒａｉｎ}から見出される。この場合、

である。

さらに、アンカーを加算する。

クエリ行列は、
Ｈ_ｔｅｓｔ＝Ｈ_{ｔｅｓｔ Ｂａｓｉｃ}＋Ｈ_{ｔｅｓｔ ＳｅｑＳｉｍ}
であり、予測は、

により上記と同様に見出される。

上記のとおり、クエリペプチドが参照ペプチドと異なる長さｋである場合、単一ｋ量体についての結合親和性の予測は、これらのステップを使用して行うことができる：
－ 上記の分解法の１つ又は組み合わせを使用してｋ量体を仮想ペプチド－ＭＨＣペアに変換する。
－ 結合親和性値をそれぞれの仮想ペプチド－ＭＨＣペアについて予測する（以下では「仮想予測」と呼ぶ）。
－ ｋ量体の結合親和性を以下の１つにより見出す：
〇最良（最小ＩＣ５０値）仮想予測の値を選択すること。
〇全ての仮想予測の平均（平均値、中央値など）を算出すること。
〇仮想予測の部分集合、例えば上位１０％又は上位３％の最良の値を平均すること。
〇仮想ペプチド－ＭＨＣペア重要度重みの集合を取得することができる場合、全ての仮想予測の重み付き平均を実行すること。

評価結果
ベーシック汎アレル法
図２（ｈ）に概略的に示され、「完全１、２、３量体」と表示されたＨＯＰ分解を使用してベーシック汎アレル法（式（７）及び（８））を適用した。本発明者らは、式（４）及び（５）中のアンカー及びアプローチ重み値Ａ（ｃ）及びｆ（ｎ）にわたる最適化もそれぞれ可能とした。上記概説の検証実験を使用して、本発明者らは、１、２及び３量体ベーシック汎アレル法について表１に示される性能を得た。ここで、表のそれぞれは、記載の技術を実証するための９量体についてのものである。本方法は、Ｋｉｍ０９－Ｋｉｍ１３実験について０．９２０のＡＵＣ値及び０．７５２のＰＣＣ値を提供し、Ｋｉｍ０９ ５分割交差検証と同等の値である。これらの値は、方法論的に同等のツール、例えばPickPocket、Nebula及びsNebulaについての報告値を上回る。したがって、有利には、本方法のベーシック汎アレルバージョンは、アレル特異的アプローチと競合する予測を達成し得るが、大量の訓練データを要求せずに達成し得る。

ＬＯＡＯ予測は、ＡＵＣ＝０．８４９及びＰＣＣ＝０．６０８の全重み付き平均を有した。一部の場合、訓練セット中のＭＨＣアレルとＭＨＣ ＨＯＰをほとんど共有しない（ＨＬＡ－Ａ－０１－０１及びＨＬＡ－Ａ－２９－０２）又は全く共有しない（ＨＬＡ－Ｂ－４６－０１）アレルについての予測は、平均よりも劣った。

配列類似度推論を用いる汎アレル法
式（９）の使用による配列類似度推論の加算は、訓練データのサイズを有効に増加させ、クエリＨＯＰと十分に類似する配列を有するＭＨＣ－ペプチドペアから生じるデータ点も加算する。配列類似度アプローチは、上記概説のとおりＭＨＣ ＨＯＰ、ペプチドＨＯＰ又はその両方に関して同時に適用することができる。以下の結果を生成するため、本発明者らは、単一因子類似度メトリック、すなわちＭＨＣ及びペプチド配列類似度のみを考慮し、上記類似度因子の両方を組み合わせる高次配列類似度メトリックを考慮しなかった。

配列類似度法性能は、ベーシック法性能を全体的にわずかに上回り、例えばＫｉｍ０９－Ｋｉｍ１３実験についてＡＵＣ＝０．９２６及びＰＣＣ＝０．７６５であった。表２に示されるとおり、ＬＯＡＯ実験の結果は、訓練データ中の完全ＭＨＣ ＨＯＰ一致をほとんど又は全く有さないアレル、例えばＨＬＡ－Ａ－０１－０１、ＨＬＡ－Ａ－２９－０２及びＨＬＡ－Ｂ－４６－０１についてのかなりの改善を示す。有利には、本方法に、クエリアレル／ペプチドと類似する配列セグメントを有するＭＨＣアレル／ペプチドからのデータを利用させることにより、これらのアレルについての性能の大幅な増加を確認する。ＡＵＣは、ＨＬＡ－Ａ－０１－０１について０．５５１から０．７９５に、ＨＬＡ－Ｂ－４６－０１について０．５（すなわち無作為）から０．９３０に増加し、対応してＰＣＣ値が増加する。配列類似度ＬＯＡＯ性能の総重み付き平均は、ＡＵＣ＝０．９００及びＰＣＣ＝０．６８３をもたらし、それは、予測子の訓練データ中に含まれないアレルについて全ての予測が作製されたことを考慮すると優れている。これらの結果は、配列類似度法が訓練データ中の新規又は少数のみ存在するアレルについて十分に一般化し得ることを示す。

近傍類似度データインピュテーションを用いる汎アレル法
近傍類似度法は、配列類似度法と同様に、参照データにわたる結合特徴を共有するＭＨＣ及びペプチドＨＯＰからの寄与を上記のとおり含めるベーシック法への拡張である。

汎アレルネットワーク近傍類似度法は、配列類似度アプローチと同様にＭＨＣ及びペプチドＨＯＰ近傍類似度をベーシック汎アレル１、２及び３量体法に加算する。近傍類似度法の性能を表３に示す。ベーシック法と比べて、ＡＵＣ及びＰＣＣスコアの両方の中等度の増加が観察された。スコアは、配列類似度法のものとほぼ同一である。Ｋｉｍ０９－Ｋｉｍ１３テストは、ＡＵＣ＝０．９２８及びＰＣＣ＝０．７６６を生じさせた。これらの包括的アレル実験は、クエリＨＯＰ構成成分が一般に訓練データ中に十分にカバーされる状況における近傍アプローチの強度を見せる。

ＬＯＡＯ実験は、ベーシック法結果の全体的傾向に従い（表１）、一部の個々のアレルについてのかなりの変動にかかわらず、平均ＡＵＣ＝０．８５０及びＰＣＣ＝０．６１６であった。

組み合わせ類似度戦略を用いる汎アレル法
配列類似度及び近傍類似度アプローチを組み合わせることは、訓練データインピュテーションと配列類似度推論との組み合わせを活用することにより、配列及びネットワーク近傍類似度戦略の両方の利点を本方法が取り込むことを可能とする。組み合わせ戦略について、本発明者らは、３よりも長い長さのｎ量体ＨＯＰを許容し、それは、大部分、テストデータが訓練データに密接に類似した場合、わずかな性能増加をもたらし、そうでなければオーバーフィッティング傾向に起因して有意な減少を伴った。したがって、ＬＯＡＯ実験は、上記のとおり１、２及び３量体に制限された。組み合わせＬＯＡＯ結果は、配列類似度アプローチのものと密接に類似するが、ほぼ全てのアレルについてわずかからかなりの改善があり、平均ＡＵＣ＝０．９２１及びＰＣＣ＝０．７３１をもたらした。

表４に示されるとおり、組み合わせアプローチは、全ての実験について従来のアプローチを改善し、図５に示されるとおり、Ｋｉｍ０９－Ｋｉｍ１３テストについてＡＵＣ＝０．９３０及びＰＣＣ＝０．７７０であり、他の実験について同様に増加する。モデルは、ブラインドデータセットの開封後に変更も改造もされず、それは、良好な一般化可能性を明確に示唆する一方、他のアプローチと比べて優れた性能も提供する。

上記考察から、本方法の実施形態は、訓練データベース中でカバレッジをほとんど又は全く有さないアレルについてのＭＨＣ－ペプチド結合親和性の予測において、従来技術の単量体中心ポケットベースアプローチと比較して改善された性能を提供することが認識される。従来技術の方法の少なくとも一部の限定は、ｎ量体ＨＯＰ２部ネットワーク近傍及び／又は配列アラインメントからの類似度推論の統合を介して克服することができる。統合された一般的フレームワーク及びネットワーク推論の性能は、方法論的に同等の汎アレルアプローチのものを超過し、標準的ＩＥＤＢデータ性能テストについてクラス最高のニューラルネットワークアプローチに接近する全体的性能に到達する。０．９３から０．９５の平均ＡＵＣスコア及び０．７７から０．８１のＰＣＣスコアは、記載のアプローチの優れた分類及び回帰特性の両方を実証する。本方法の実施形態の強力な有用性を実証する最も説得力のある結果は、ＬＯＡＯ実験において確認することができ、それは、ＡＵＣ＝０．９２及びＰＣＣ＝０．７３の平均性能を実証する。したがって、本方法は、希少でほとんど研究されていないＭＨＣアレルについての有用な結合親和性予測を作製し得る。

本文献において、本発明者らは、ワクチンの設計における本方法の明確な使用を提供する。しかしながら、本明細書に記載の技術を、特定の標的を認識するテーラーメイドＴ細胞の設計に同等に適用できることが理解される。同様に、本技術は、腫瘍中のネオアンチゲン負荷を同定し、それをバイオマーカーとして使用する場合、すなわち治療法に対する応答を予測するために使用することもできる。

ここで、図１１に戻ると、本方法の実施形態の実装に好適なシステムの一例が示される。システム１１００は、参照データストア１１２０と通信する少なくとも１つのサーバ１１１０を含む。サーバは、例えば、通信ネットワーク１１４０上で自動ペプチド合成装置１１３０とも通信し得る。

ある実施形態において、サーバは、複数のペプチドのアミノ酸配列及びタンパク質のアミノ酸配列を得、それぞれのペプチドについて、上記ステップを使用してタンパク質に対する予測結合親和性を決定し得る。それぞれの予測結合親和性に基づいて、サーバは、複数のペプチドの１つ以上の候補ペプチドを選択し得る。

候補ペプチドは、自動ペプチド合成装置１１３０に送信してペプチドを合成することができる。自動ペプチド合成装置１１３０は、標的エピトープ、すなわちこの例において標的ペプチドを合成により生成する。自動ペプチド合成についての技術は、当技術分野において周知であり、任意の公知の技術を使用できることが理解される。典型的には、標的ペプチドは、標準的な固相合成ペプチド化学反応を使用して合成し、逆相高速液体クロマトグラフィーを使用して精製してから水溶液に配合する。ワクチン接種に使用される場合、投与前にペプチド溶液を通常アジュバントと混合してから患者に投与する。

ペプチド合成技術は、２０年超にわたり存在しているが、近年、急速な改善を受けている。簡潔性のため、そのような機器を詳細に記載しないが、それらの操作は、当業者に理解され、そのような慣用の機器は、サーバから候補タンパク質を受信するように適合させることができる。

サーバは、クエリ標的分子に対するクエリバインダー分子の結合親和性を予測するための上記の機能を含み得る。それぞれの結合親和性は、さらなる処理モジュールに送信してワクチンの作出に好適な結合親和性に基づいて標的エピトープを同定することができる。しかしながら、サーバは、ワクチン設計のための標的エピトープを同定するようにも操作可能である。当然のことながら、これらの機能は、コンピュータネットワークの異なる処理実体及び互いに通信する異なる処理モジュールにわたり下位分類できることが理解される。例えば、サーバは、コンピュータネットワーク上で１つ以上のクエリ分子を受信し、好適な結合親和性又は候補エピトープの集合を返し得る。クエリは、コンピュータネットワークから電子的に受信されるか、又はグラフィカルユーザインタフェースに入力され得る。

結合親和性を予測し、その結合親和性に基づいて候補ペプチドを同定するための技術は、カスタマイズされたワクチン開発のためのより広いエコシステム中に統合し得る。ワクチン開発エコシステムの例は、当技術分野において周知であり、コンテキストについて高いレベルで記載されているが、簡潔性のためにエコシステムを詳細に記載しない。

エコシステムの一例において、第１のサンプルステップは、腫瘍生検物及び適合健常組織対照からＤＮＡを単離することであり得る。第２の配列ステップにおいて、データをシーケンシングし、バリアント、すなわち突然変異を同定する。免疫プロファイラーステップにおいて、（インシリコで）関連する突然変異ペプチドを生成することができる。

関連する突然変異ペプチド及び本明細書に記載の技術を使用して、ネオアンチゲンを予測及び選択し、ワクチン設計のために標的エピトープを同定することができる。すなわち、予測結合親和性に基づいて選択された候補ペプチド配列を、本明細書に記載の技術を使用して決定する。

次いで、上記の慣用の技術を使用して標的エピトープを合成により生成する。投与前、ペプチド溶液を通常アジュバントと混合してから患者に投与する（ワクチン接種）。

本明細書に記載の方法により予測される好適な標的エピトープは、ペプチドベースワクチン以外の他のタイプのワクチンを作出するために使用することもできる。例えば、ペプチド標的を対応するＤＮＡ又はＲＮＡ配列にコードし、それを使用して患者にワクチン接種することができる。ＤＮＡは、通常、プラスミド構築物中に挿入されることに留意されたい。代わりに、ＤＮＡは、細菌のゲノム又はウイルス送達系（ウイルス送達系に応じてＲＮＡでもあり得る）中に取り込むことができ、それを使用して患者にワクチン接種することができ、すなわち患者における免疫後、すなわちインビボで標的を製造する遺伝子操作ウイルス又は細菌中で製造されるワクチンである。

好適なサーバ１１１０の一例を図１２に示す。この例において、サーバは、少なくとも１つのマイクロプロセッサ１２００、メモリ１２０１、任意選択の入力／出力装置１２０２、例えばキーボード及び／又はディスプレイ並びにバス１２０４を介して相互接続された外部インターフェース１２０３を示されるとおり含む。この例において、外部インターフェース１２０３は、サーバ１１１０を周辺装置、例えば通信ネットワーク１１４０、参照データストア１１２０、他のストレージ装置などに接続するために利用することができる。単一外部インターフェース１２０３を示すが、これは、例の目的にすぎず、実際、種々の方法（例えば、イーサネット、シリアル、ＵＳＢ、ワイヤレスなど）を使用する複数のインターフェースを提供することができる。

使用において、マイクロプロセッサ１２００は、メモリ１２０１に保存されたアプリケーションソフトウェアの形態の命令を実行して要求される処理、例として参照データストア１１２０との通信を実行させて入力データを受信し、処理し、及び／又はクライアント装置を用いてクエリバインダー分子及びクエリ標的分子についての配列データを受信し、上記方法に従って結合親和性予測を生成する。アプリケーションソフトウェアは、１つ以上のソフトウェアモジュールを含み得、好適な実行環境、例えばオペレーティングシステム環境などにおいて実行させることができる。

したがって、サーバ１２００は、任意の好適な処理システム、例えば好適にプログラムされたクライアント装置、ＰＣ、ウェブサーバ、ネットワークサーバなどから形成できることが認識される。１つの特定の例において、サーバ１２００は、標準的な処理システム、例えばIntel Architectureベース処理システムであり、それは、不揮発性（例えば、ハードディスク）ストレージ上に保存されたソフトウェアアプリケーションを実行するが、これは、必須でない。しかしながら、処理システムは、任意の電子処理装置、例えばマイクロプロセッサ、マイクロチッププロセッサ、論理ゲート構成、場合により論理実装と関連するファームウェア、例えばＦＰＧＡ（フィールドプログラマブルゲートアレイ）又は任意の他の電子装置、システム若しくは構成であり得ることも理解される。したがって、サーバという用語が使用される一方、これは、例の目的のためにすぎず、限定を意図するものではない。

サーバ１２００を単一実体として示す一方、サーバ１２００は、例えば、クラウドベース環境の一部として提供される処理システム及び／又はデータベース１２０１を使用することにより、多数の地理的に離隔した位置に分散させ得ることが認識される。したがって、上記構成は、必須でなく、他の好適な構成を使用することができる。

Claims (17)

1. クエリ標的分子に対するクエリバインダー分子の結合親和性を予測するコンピュータ実装方法であって、前記クエリバインダー分子は、第１のアミノ酸配列を有し、及び前記クエリ標的分子は、第２のアミノ酸配列を有し、前記方法は、
   少なくとも１つのプロセッサを用いて、それぞれのペアになった参照バインダー配列及び参照標的配列を含む参照バインダー－標的ペアの参照データストアにアクセスすることであって、それぞれの参照バインダー－標的ペアは、関連する既知の結合値を有する、アクセスすること；
   前記少なくとも１つのプロセッサを用いて、前記第１のアミノ酸配列にわたって集合的にスパンする１つ以上のクエリバインダー部分配列の集合としての前記第１のアミノ酸配列の表示を生成することであって、それぞれのクエリバインダー部分配列は、前記第１のアミノ酸配列に沿ったそれぞれの位置における１つ以上のアミノ酸残基を含む、生成すること；
   前記クエリバインダー部分配列の集合のそれぞれのクエリバインダー部分配列について、前記第２のアミノ酸配列中の接触アミノ酸残基の接触位置を決定し、且つ前記接触アミノ酸残基から対応するクエリ標的部分配列をアセンブルして、それによりクエリバインダー－標的部分配列ペアを生成すること；
   前記少なくとも１つのプロセッサを用いて、前記参照バインダー－標的ペアから、複数の参照バインダー－標的部分配列ペアを含む参照データセットを生成することであって、それぞれの参照バインダー－標的部分配列ペアは、それぞれのクエリバインダー部分配列のものに対応する位置における前記それぞれの参照バインダー配列のアミノ酸残基を含む参照バインダー部分配列、及び前記接触位置におけるそれぞれの参照標的配列のアミノ酸残基を含む参照標的部分配列を含み；それぞれの参照バインダー－標的部分配列ペアは、それが生成された前記参照バインダー－標的ペアの前記既知の結合値に基づいて参照結合値を割り当てられる、生成すること；
   前記少なくとも１つのプロセッサを用いて、前記それぞれのクエリバインダー－標的部分配列ペア及び前記参照バインダー－標的部分配列ペアに対して少なくとも１回の類似度演算を実行することであって、それぞれのクエリバインダー－標的部分配列ペアについて複数の類似度スコアを生成する、こと；及び
   前記少なくとも１つのプロセッサを用いて、前記クエリ標的分子に対する前記クエリバインダー分子の前記結合親和性を前記参照バインダー－標的部分配列ペアの前記参照結合値の重み付き組み合わせとして計算することであって、前記重み付き組み合わせの重みは、前記類似度スコアに基づく、計算すること
   を含む、コンピュータ実装方法。
2. 少なくとも１つのクエリバインダー部分配列は、少なくとも２つのアミノ酸残基を含む、請求項１に記載のコンピュータ実装方法。
3. 前記類似度演算は、クエリバインダー部分配列と参照バインダー部分配列との間の比較のための第１の類似度スコアと、クエリ標的部分配列と参照標的部分配列との間の比較のための第２の類似度スコアとを生成することにより、それぞれの類似度スコアを生成し、且つ前記第１の類似度スコア及び第２の類似度スコアを組み合わせる、請求項１又は２に記載のコンピュータ実装方法。
4. 前記第１の類似度スコアは、完全一致の場合に非ゼロ値を与えられ、且つそうでなければゼロ値を与えられ、及び／又は前記第２の類似度スコアは、完全一致の場合に非ゼロ値を与えられ、且つそうでなければゼロ値を与えられる、請求項３に記載のコンピュータ実装方法。
5. 前記類似度演算は、クエリバインダー部分配列と参照バインダー部分配列との間の配列アラインメント及び／又はクエリ標的部分配列と参照標的部分配列との間の配列アラインメントを含む、請求項１から３のいずれか一項に記載のコンピュータ実装方法。
6. 前記類似度演算は、第１のノードの集合及び第２のノードの集合を含む２部グラフを生成することであって、前記第１のノードの集合は、バインダー部分配列のみを含み、及び前記第２のノードの集合は、標的部分配列のみを含み、前記２部グラフのエッジ重みは、前記関連する既知の結合値に等しい、生成すること；及び前記第１のノードの集合及び／又は前記第２のノードの集合について前記２部グラフの１部射影を決定することであって、前記類似度スコアは、前記１部射影のエッジ重みである、決定することを含む、請求項１から３のいずれか一項又は請求項５に記載のコンピュータ実装方法。
7. 前記第１の集合のノードのペアについての類似度スコアは、前記第１の集合のノードの前記ペアの両方のノードが連結されている前記第２の集合の共通ノードの集合を決定すること；及び前記２部グラフの前記対応するエッジ重み間の線形相関を計算すること、によって計算される、請求項６に記載のコンピュータ実装方法。
8. 前記第２の集合のノードのペアについての類似度スコアは、前記第２の集合のノードの前記ペアの両方のノードが連結されている前記第１の集合の共通ノードの集合を決定すること；及び前記２部グラフの前記対応するエッジ重み間の線形相関を計算すること、によって計算される、請求項６又は７に記載のコンピュータ実装方法。
9. 接触アミノ酸残基の前記位置は、接触点マップに従って決定される、請求項１から８のいずれか一項に記載のコンピュータ実装方法。
10. 接触位置を決定する前記ステップは、前記クエリバインダー部分配列に基づいて、前記接触点マップにおける使用のための仮想クエリバインダー部分配列をシミュレートすることであって、前記仮想クエリバインダー部分配列は、前記クエリバインダー部分配列と異なる長さを有する、シミュレートすること及び／又は前記接触点マップにおける使用のための接触点の集合をシミュレートすることをさらに含む、請求項９に記載のコンピュータ実装方法。
11. クエリバインダー部分配列の最大長さは、Ｌであり、Ｌ＞１であり、及び前記１つ以上のクエリバインダー部分配列の集合は、１からＬの間の長さの前記第１のアミノ酸配列の全ての可能な部分配列を含む、請求項２から１０のいずれか一項に記載のコンピュータ実装方法。
12. 前記類似度演算は、それぞれの参照バインダー－標的部分配列ペアを、前記それぞれの参照バインダー部分配列の前記アミノ酸位置に従って重み付けすることを含む、請求項１から１１のいずれか一項に記載のコンピュータ実装方法。
13. 前記第２のアミノ酸配列は、ＭＨＣタンパク質配列又はＨＬＡタンパク質配列である、請求項１から１２のいずれか一項に記載のコンピュータ実装方法。
14. 前記結合親和性を計算することは、参照データ行列、クエリデータ転置行列及び前記参照結合値のベクトルの積を計算することを含み、前記参照データ行列の成分は、それぞれの参照バインダー配列及び／又は参照標的配列中の参照部分配列の存在又は不存在を示し、及び前記クエリデータ転置行列の成分は、それぞれのクエリバインダー配列及び／又はクエリ標的配列中の参照部分配列の存在又は不存在を示し；前記参照データ行列の前記成分及び前記クエリデータ行列の前記成分は、前記類似度スコアに従って重み付けされる、請求項１から１３のいずれか一項に記載のコンピュータ実装方法。
15. 少なくとも１つの候補タンパク質結合ペプチドを生成する方法であって、
    複数のペプチドのアミノ酸配列及びタンパク質のアミノ酸配列を得ること；
    それぞれのペプチドについて、請求項１から１４のいずれか一項に記載の方法により、前記タンパク質に対する予測結合親和性を決定すること；及び
    前記それぞれの予測結合親和性に基づいて前記複数のペプチドの１つ以上の候補ペプチドを選択すること
    を含む方法。
16. 前記１つ以上の候補ペプチドを合成することか、又は前記候補ペプチドを対応するＤＮＡ若しくはＲＮＡ配列にコードすること、及び／又は前記配列を細菌のゲノム若しくはウイルス送達系中に取り込むことであって、ワクチンを作出する、ことをさらに含む、請求項１５に記載の方法。
17. クエリ標的分子に対するクエリバインダー分子の結合親和性を予測するための結合親和性予測システムであって、前記クエリバインダー分子は、第１のアミノ酸配列を有し、及び前記クエリ標的分子は、第２のアミノ酸配列を有し、前記システムは、少なくとも１つの記憶装置と通信する少なくとも１つのプロセッサを含み、前記少なくとも１つの記憶装置は、それに保存された命令であって、前記少なくとも１つのプロセッサに、請求項１から１４のいずれか一項に記載の方法を実行させるための命令を有する、結合親和性予測システム。
    

Images