JP2024514757A - Ｔ細胞選択を再構成するための方法およびその使用 - Google Patents

Ｔ細胞選択を再構成するための方法およびその使用 Download PDF

Info

Publication number
JP2024514757A
JP2024514757A JP2023555495A JP2023555495A JP2024514757A JP 2024514757 A JP2024514757 A JP 2024514757A JP 2023555495 A JP2023555495 A JP 2023555495A JP 2023555495 A JP2023555495 A JP 2023555495A JP 2024514757 A JP2024514757 A JP 2024514757A
Authority
JP
Japan
Prior art keywords
gene
tcrβ
productive
recipient
genes
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2023555495A
Other languages
English (en)
Inventor
クリストリー，スコット
グリーンバーグ，ベンジャミン
コーウェル，リンゼイ
オストメイヤー，ジャレッド
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Texas System
Original Assignee
University of Texas System
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Texas System filed Critical University of Texas System
Publication of JP2024514757A publication Critical patent/JP2024514757A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/20—Supervised data analysis
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K14/00—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof
    • C07K14/435—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof from animals; from humans
    • C07K14/705—Receptors; Cell surface antigens; Cell surface determinants
    • C07K14/70503—Immunoglobulin superfamily
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K14/00—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof
    • C07K14/435—Peptides having more than 20 amino acids; Gastrins; Somatostatins; Melanotropins; Derivatives thereof from animals; from humans
    • C07K14/705—Receptors; Cell surface antigens; Cell surface determinants
    • C07K14/70503—Immunoglobulin superfamily
    • C07K14/7051—T-cell receptor (TcR)-CD3 complex
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07K—PEPTIDES
    • C07K2319/00—Fusion polypeptide
    • C07K2319/01—Fusion polypeptide containing a localisation/targetting motif
    • C07K2319/03—Fusion polypeptide containing a localisation/targetting motif containing a transmembrane segment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Immunology (AREA)
  • Public Health (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Organic Chemistry (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Molecular Biology (AREA)
  • Genetics & Genomics (AREA)
  • Bioethics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Medicinal Chemistry (AREA)
  • Cell Biology (AREA)
  • Toxicology (AREA)
  • Zoology (AREA)
  • Gastroenterology & Hepatology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Medicines Containing Material From Animals Or Micro-Organisms (AREA)

Abstract

本明細書では、Ｔ細胞選択およびＢ細胞選択を再構成する機械学習モデル、およびその使用法が提示される。本明細書で提示される方法は、自己免疫疾患または自己免疫障害を発症する危険性、臓器移植または細胞移植に由来する同種免疫を発症する危険性、臓器移植または細胞移植に由来する移植片対宿主病（ＧｖＨＤ）を発症する危険性、養子Ｔ細胞療法に由来する同種免疫を発症する危険性、キメラ抗原受容体（ＣＡＲ）－Ｔ細胞療法に由来する同種免疫を発症する危険性を予測する方法および、対象における抗体薬の安全性を予測する方法を含む。本明細書ではまた、Ｔ細胞受容体ｐ（ＴＣＲｐ）遺伝子を分類する方法、およびその使用法も提示される。提示される方法は、臓器ドナー／臓器レシピエント間の適合性を決定する方法、レシピエントにおける移植片対宿主病（ＧｖＨＤ）、急性ＧｖＨＤ（ａＧｖＨＤ）、慢性ＧｖＨＤ（ｃＧｖＨＤ）、および対象におけるがんの再発を予測する方法を含む。【選択図】 図１Ａ

Description

関連出願の相互参照
本出願は、３５Ｕ．Ｓ．Ｃ．§１１９（ｅ）の下における、２０２１年３月１２日に出願された、米国仮出願第６３／１６０，２９９号、および２０２１年１１月１日に出願された、同第６３／２７４，２６３号の優先権の利益を主張する。先行出願の開示は、本出願の開示の一部であると考えられ、本出願の開示における参照によりそれらの全体において本明細書に組み込まれる。
配列表の組込み
付属の配列表中の素材は、本出願における参照により本明細書に組み込まれる。ファイル名を、４２６８７１－０００２５２＿ＳＬ＿ＳＴ２５．ｔｘｔとする、付属の配列表のテキストファイルは、２０２２年３月９日に作成され、１７ｋｂである。ファイルは、Ｗｉｎｄｏｗｓ ＯＳを使用するコンピュータ上で、Ｍｉｃｒｏｓｏｆｔ Ｗｏｒｄを使用して評価されうる。
Ｔ細胞は、ヒト免疫系のうちで、最も重要な細胞の１つであり、体内の適応免疫応答において、中心的な役割を果たす。Ｔ細胞受容体（ＴＣＲ）は、Ｔ細胞が、どの抗原に結合し、それと相互作用しうるのかを定める、Ｔ細胞の表面上に見出されるタンパク質配列である。ＴＣＲ遺伝子は、ＴＣＲが、どの抗原に結合しうるのかにかかわらずに創出され、したがって、発生期Ｔ細胞が、免疫寛容を構築するために、Ｔ細胞選択を経ることが不可欠である。例えば、Ｔ細胞選択時に、健常組織を攻撃しうるＴ細胞の発生を防止するように、一部のＴＣＲが間引かれることは、重要である。ヒトは、天然で、Ｔ細胞の発生時における、ＴＣＲ遺伝子の突然変異を介して、多種多様なＴＣＲをもたらす。ＴＣＲ遺伝子内の、この多様性は、体内の免疫系が、様々な異なる抗原に応答しうることを確実にする、健常免疫系にとって重要な因子である。しかし、Ｔ細胞発生時に産生される、大量のＴＣＲ遺伝子は、従来のツールを使用して、Ｔ細胞選択をシミュレートすることを困難とする。Ｔ細胞選択についての、より正確で、個体化されたモデルを作出するために、ＴＣＲが、Ｔ細胞選択後に存続するのか、存続しないのかを予測しうる機械学習システムを開発することが所望される。機械学習システムを使用して、他の細胞選択過程（例えば、Ｂ細胞選択）を予測し、予測を、様々な臨床適用において使用することもまた所望される。
免疫細胞受容体の配列は、免疫細胞が、免疫細胞選択（例えば、Ｔ細胞選択、Ｂ細胞選択など）に合格するのか、失格するのかを定める。免疫細胞が、免疫細胞選択に合格するのか、失格するのかを予測する方法に対する必要が満たされていない。例えば、機械学習システムにより実施される、このような方法には、免疫学の分野一般において、特に、自己免疫、同種免疫、および腫瘍免疫学の分野において、かなりの応用があるであろう。
ある実施形態は、免疫受容体鎖遺伝子を分類する方法であって、ａ）複数の遺伝子セグメントおよび体細胞変異を含む免疫受容体鎖遺伝子配列を得るステップ、ｂ）複数の遺伝子セグメントまたは体細胞変異のうちの少なくとも１つを、アミノ酸配列へと翻訳するステップ、ｃ）抗原認識が可能であるアミノ酸配列をコードする免疫受容体鎖遺伝子を、生産的免疫受容体鎖として同定するステップ、ｄ）抗原認識が可能であるアミノ酸配列を伴わない免疫受容体鎖遺伝子を、非生産的免疫受容体鎖遺伝子として同定するステップ、ｅ）非生産的として同定された免疫受容体鎖遺伝子を修復して、抗原認識が可能であるアミノ酸配列を有する修復免疫受容体鎖遺伝子を作出するステップ、およびｆ）免疫受容体鎖遺伝子を、生産的免疫受容体鎖遺伝子、または修復免疫受容体鎖遺伝子として分類し、これにより、免疫受容体鎖遺伝子を分類するステップを含む方法を提供する。
遺伝子セグメントは、バリアブル（ｖａｒｉａｂｌｅ）（Ｖ）遺伝子セグメント、ダイバーシティ（ｄｉｖｅｒｓｉｔｙ）（Ｄ）遺伝子セグメント、ジョイニング（ｊｏｉｎｉｎｇ）（Ｊ）遺伝子セグメント、およびこれらの組合せからなる群から選択されうる。免疫受容体鎖遺伝子は、Ｔ細胞受容体（ＴＣＲ）、ＴＣＲアルファ鎖（ＴＣＲα）、ＴＣＲベータ鎖（ＴＣＲβ）、ＴＣＲデルタ鎖（ＴＣＲδ）、ＴＣＲガンマ鎖（ＴＣＲγ）、Ｂ細胞受容体（ＢＣＲ）、ＢＣＲ軽鎖（ＢＣＲＬ）、ＢＣＲ重鎖（ＢＣＲＨ）、免疫グロブリン軽鎖（ＩｇＬ）、免疫グロブリン重鎖（ＩｇＨ）、免疫グロブリンカッパ鎖（Ｉｇκ）、および免疫グロブリンラムダ鎖（Ｉｇλ）からなる群から選択されうる。例えば、免疫受容体鎖遺伝子は、ＴＣＲβ遺伝子でありうる。非生産的ＴＣＲβ遺伝子は、アウトオブフレームの遺伝子セグメントを伴うＴＣＲβ遺伝子、または遺伝子セグメント間の体細胞接合部内の終止コドンを伴うＴＣＲβ遺伝子でありうる。非生産的ＴＣＲβ遺伝子を修復するステップは、遺伝子セグメント間の体細胞接合部において、１つもしくは複数のヌクレオチドを付加もしくは除去して、遺伝子セグメントを、同じリーディングフレーム内に組み込み、かつ／または遺伝子セグメント間の体細胞領域内のヌクレオチドを突然変異させて、終止コドンを、アミノ酸へと転換することを含みうる。ＴＣＲβ遺伝子配列は、ＴＣＲβ遺伝子の相補性決定領域１（ＣＤＲ１）配列、ＴＣＲβ遺伝子のＣＤＲ２配列、ＴＣＲβ遺伝子のＣＤＲ３配列、これらの組合せ、または完全ＴＣＲβ遺伝子の配列を含みうる。例えば、ＴＣＲβ遺伝子配列は、ＴＣＲβ遺伝子のＣＤＲ３配列でありうる。さらに、ＣＤＲ３配列の、最初の３つのアミノ酸および最後の３つのアミノ酸は、ＴＣＲβ遺伝子配列から除去されうる。ＴＣＲβ遺伝子配列を得るステップは、対象に由来する血液試料中のＴＣＲβ遺伝子をシーケンシングすることを含みうる。血液試料は、末梢血単核細胞試料でありうる。ＴＣＲβ遺伝子配列を得るステップは、試料から、Ｔ細胞を単離することをさらに含みうる。Ｔ細胞を単離することは、細胞分取および／またはＲＮＡ発現を介しうる。Ｔ細胞は、非制御性Ｔ細胞でありうる。対象は、ヒトでありうる。
別の実施形態は、臓器ドナー／臓器レシピエント間の適合性を決定する方法であって、ａ）本明細書で記載される方法を使用して、臓器ドナーのＴ細胞受容体β（ＴＣＲβ）遺伝子、および臓器レシピエントのＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類するステップ、ｂ）ドナーにおける、生産的ＴＣＲβ遺伝子および修復ＴＣＲβ遺伝子の数を、レシピエントにおける、生産的ＴＣＲβ遺伝子の数と比較するステップ、およびｃ）臓器ドナーと適合性である、臓器レシピエントに由来するＴＣＲβの割合を定量し、これにより、臓器ドナー／臓器レシピエント間の適合性を決定するステップを含む方法を提供する。
定量するステップは、ポスト・セレクション・フラクション（ｐｏｓｔ ｓｅｌｅｃｔｉｏｎ ｆｒａｃｔｉｏｎ）ＰＳＦスコアの計算を含みうる。ＰＳＦスコアは、臓器レシピエントに由来する、適合性ＴＣＲβ遺伝子の数と、ＴＣＲβ遺伝子の総数との比でありうる。ＰＳＦスコアは、０～１の範囲でありうる。ＰＳＦスコアは、ＰＳＦレシピエントスコアである場合があり、この場合、ＰＳＦレシピエントスコアは、Ｆ生産的と、Ｆ総数との比であり、Ｆ総数は、Ｆ修復＋Ｆ生産的であり、Ｆ生産的は、臓器レシピエントおよび臓器ドナーのいずれにおいても、生産的ＴＣＲβ遺伝子として同定されたＴＣＲβ遺伝子の数であり、Ｆ修復は、臓器ドナーにおいて、修復ＴＣＲβ遺伝子として同定され、臓器レシピエントにおいて、生産的ＴＣＲβ遺伝子として同定された、ＴＣＲβ遺伝子の数である。ＰＳＦレシピエントが、ゼロであることは、臓器レシピエントにおいてシーケンシングされた、いかなるＴＣＲβ遺伝子も、臓器ドナーと適合性でないことを指し示しうる。ＰＳＦレシピエントスコアが、１であることは、臓器レシピエントにおいてシーケンシングされた、全てのＴＣＲβ遺伝子が、臓器ドナーと適合性であることを指し示しうる。ＰＳＦレシピエントスコアが、好適でない場合、臓器移植は、進むことができない。ＰＳＦレシピエントスコアが、好適である場合、臓器ドナーの臓器は、レシピエントへと移植されうる。ＴＣＲβ遺伝子配列は、ＴＣＲβ遺伝子のＣＤＲ３配列を含みうる。ＴＣＲβ遺伝子配列に由来する、ＣＤＲ３配列の、最初の３つのアミノ酸および最後の３つのアミノ酸は、除去されうる。
さらなる実施形態は、レシピエントにおける移植片対宿主病（ＧｖＨＤ）を予測する方法であって、ａ）本明細書で記載される方法を使用して、ドナーのＴ細胞受容体β（ＴＣＲβ）遺伝子、およびレシピエントのＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類するステップ、ｂ）レシピエントにおける、生産的ＴＣＲβ遺伝子および修復ＴＣＲβ遺伝子の数を、ドナーにおける、生産的ＴＣＲβ遺伝子の数と比較するステップ、およびｃ）レシピエントと適合性であるドナーに由来するＴＣＲβの割合を定量し、これにより、レシピエントにおけるＧｖＨＤを予測するステップを含む方法を提供する。
ＧｖＨＤは、急性ＧｖＨＤ（ａＧｖＨＤ）でありうる。臓器または細胞は、骨髄または造血幹細胞移植細胞でありうる。ａＧｖＨＤを予測するステップは、レシピエントと適合性であるドナーに由来する生産的ＴＣＲβ遺伝子の数を定量することを含みうる。定量するステップは、ポスト・セレクション・フラクションＰＳＦドナー－生産的スコアを計算することを含む場合があり、この場合、ＰＳＦドナー－生産的スコアは、Ｆ生産的と、Ｆ総数との比であり、Ｆ総数は、Ｆ修復＋Ｆ生産的であり、Ｆ生産的は、ドナーおよびレシピエントのいずれにおいても、生産的ＴＣＲβ遺伝子として同定されたＴＣＲβ遺伝子の数であり、Ｆ修復は、レシピエントにおいて、修復ＴＣＲβ遺伝子として同定され、ドナーにおいて、生産的ＴＣＲβ遺伝子として同定された、ＴＣＲβ遺伝子の数である。ＰＳＦドナー－生産的は、０～１の範囲でありうる。ＰＳＦドナー－生産的が、ゼロであることは、ドナーにおいてシーケンシングされた、いかなるＴＣＲβ遺伝子も、レシピエントと適合性でないことを指し示しうる。ＰＳＦドナー－生産的スコアが、１であることは、ドナーにおいてシーケンシングされた、全てのＴＣＲβ遺伝子が、レシピエントと適合性であることを指し示しうる。ＰＳＦドナー－生産的スコアが、好適でない場合、臓器移植または細胞移植は、進むことができない。ＰＳＦドナー－生産的スコアが、好適である場合、ドナーの臓器または細胞は、レシピエントへと移植されうる。ＴＣＲβ遺伝子配列は、ＴＣＲβ遺伝子のＣＤＲ３配列を含みうる。ＴＣＲβ遺伝子配列に由来する、ＣＤＲ３配列の、最初の３つのアミノ酸および最後の３つのアミノ酸は、除去されうる。
ＧｖＨＤは、慢性ＧｖＨＤ（ｃＧｖＨＤ）でありうる。臓器または細胞は、骨髄または造血幹細胞移植細胞でありうる。ｃＧｖＨＤを予測するステップは、レシピエントと適合性であるドナーに由来する修復ＴＣＲβ遺伝子の数を定量することを含みうる。定量するステップは、ポスト・セレクション・フラクションＰＳＦドナー－修復スコアを計算することを含む場合があり、この場合、ＰＳＦドナー－修復スコアは、Ｆ生産的と、Ｆ総数との比であり、Ｆ総数は、Ｆ修復＋Ｆ生産的であり、Ｆ生産的は、レシピエントにおいて、生産的ＴＣＲβ遺伝子として同定され、ドナーにおいて、修復として同定されたＴＣＲβ遺伝子の数であり、Ｆ修復は、レシピエントおよびドナーのいずれにおいても、修復ＴＣＲβ遺伝子として同定されたＴＣＲβ遺伝子の数である。ＰＳＦドナー－修復は、０～１の範囲でありうる。ＰＳＦドナー－修復が、ゼロであることは、ドナーにおいてシーケンシングされた、いかなるＴＣＲβ遺伝子も、レシピエントと適合性でないことを指し示しうる。ＰＳＦドナー－修復スコアが、１であることは、ドナーにおいてシーケンシングされた、全てのＴＣＲβ遺伝子が、レシピエントと適合性であることを指し示しうる。ＰＳＦドナー－修復スコアが、好適でない場合、臓器移植または細胞移植は、進むことができない。ＰＳＦドナー－修復スコアが、好適である場合、ドナーの臓器または細胞は、レシピエントへと移植されうる。ＴＣＲβ遺伝子配列は、ＴＣＲβ遺伝子のＣＤＲ３配列を含みうる。ＴＣＲβ遺伝子配列に由来する、ＣＤＲ３配列の、最初の３つのアミノ酸および最後の３つのアミノ酸は、除去されうる。
ある実施形態は、造血幹細胞レシピエントにおけるがんの再発を予測する方法であって、ａ）本明細書で記載される方法を使用して、造血幹細胞ドナーのＴ細胞受容体β（ＴＣＲβ）遺伝子、および造血幹細胞レシピエントのＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類するステップ、ｂ）造血幹細胞ドナー、および造血幹細胞レシピエントの両方における、修復ＴＣＲβ遺伝子の数を比較するステップ、およびｃ）造血幹細胞ドナーにおいて、造血幹細胞レシピエントにおいて見出されない、修復ＴＣＲβ遺伝子の数を定量し、これにより、造血幹細胞レシピエントにおけるがんの再発を予測するステップを含む方法を提供する。
造血幹細胞レシピエントは、がんを有する対象でありうる。造血幹細胞ドナーに由来し、造血幹細胞レシピエントにおいて存在しない修復ＴＣＲβ遺伝子は、造血幹細胞レシピエントにおけるがん細胞を認識するＴ細胞受容体（ＴＣＲ）をもたらす可能性が高い場合がある。定量するステップは、造血幹細胞レシピエントと、造血幹細胞ドナーとの間で共通である修復ＴＣＲβ遺伝子の数を除外して、造血幹細胞ドナーにおいて、修復ＴＣＲβ遺伝子として同定されるＴＣＲβ遺伝子の総数の割合であるｆ新規スコアを計算することを含みうる。造血幹細胞レシピエントと、造血幹細胞ドナーとの間のｆ新規スコアが小さいほど、がん再発の危険性は大きくなりうる。造血幹細胞レシピエントと、造血幹細胞ドナーとの間のｆ新規スコアが大きいほど、がん再発が生じない可能性は大きくなりうる。ｆ新規スコアが、好適でない場合、臓器移植または細胞移植は、進むことができない。ｆ新規スコアが、好適である場合、ドナーの臓器または細胞は、レシピエントへと移植されうる。ＴＣＲβ遺伝子配列は、ＴＣＲβ遺伝子のＣＤＲ３配列を含みうる。ＴＣＲβ遺伝子配列に由来する、ＣＤＲ３配列の、最初の３つのアミノ酸および最後の３つのアミノ酸は、除去されうる。がんは、白血病、リンパ腫、および血液悪性腫瘍からなる群から選択されうる。
ある実施形態は、免疫細胞が、免疫細胞受容体鎖（ＴＣＲ）についての免疫細胞選択に合格するのか、失格するのかを予測する方法であって、複数の遺伝子セグメントを含む被験免疫細胞受容体鎖遺伝子を得るステップ；複数の遺伝子セグメントの各々について、被験免疫細胞受容体鎖遺伝子を、免疫細胞受容体のタンパク質配列へと翻訳するステップ；１つの遺伝子セグメントを数値的に表す遺伝子特徴を決定するステップ；免疫細胞受容体のタンパク質配列内に含まれる各アミノ酸について、１つのアミノ酸を数値的に表す特徴ベクトルを決定するステップ；ならびに複数の遺伝子セグメントの各々についての遺伝子特徴、免疫細胞受容体鎖のタンパク質配列内の、アミノ酸の各々についての特徴ベクトル、および機械学習システムの、１つまたは複数のモデルに含まれるトレーニング重みの数に基づき、免疫細胞受容体鎖についての選択予測を、機械学習システムにより決定するステップを含む方法を提供する。
免疫受容体鎖遺伝子は、Ｔ細胞受容体（ＴＣＲ）、ＴＣＲアルファ鎖（ＴＣＲα）、ＴＣＲベータ鎖（ＴＣＲβ）、ＴＣＲデルタ鎖（ＴＣＲδ）、ＴＣＲガンマ鎖（ＴＣＲγ）、Ｂ細胞受容体（ＢＣＲ）、ＢＣＲ軽鎖（ＢＣＲＬ）、ＢＣＲ重鎖（ＢＣＲＨ）、免疫グロブリン軽鎖（ＩｇＬ）、免疫グロブリン重鎖（ＩｇＨ）、免疫グロブリンカッパ鎖（Ｉｇκ）、および免疫グロブリンラムダ鎖（Ｉｇλ）からなる群から選択されうる。例えば、免疫受容体鎖遺伝子は、ＴＣＲβ遺伝子でありうる。遺伝子セグメントは、バリアブル（Ｖ）遺伝子セグメント、ダイバーシティ（Ｄ）遺伝子セグメント、ジョイニング（Ｊ）遺伝子セグメント、およびこれらの組合せからなる群から選択されうる。選択予測は、生産的ＴＣＲβ遺伝子のＴＣＲβタンパク質配列を、修復ＴＣＲβ遺伝子のＴＣＲβタンパク質配列から識別しうる。機械学習システムは、複数のモデルのアンサンブルを含む場合があり、複数のモデルのアンサンブルに含まれる各モデルは、アウトプットを生成することが可能であり、各モデルからのアウトプットは、選択予測を決定するように組み合わされうる。複数のモデルのアンサンブルに含まれるモデルは、２つを超える連続決定の階層的配置を含む、ニューラル決定木（ｎｅｕｒａｌ ｄｅｃｉｓｉｏｎ ｔｒｅｅ）アーキテクチャーに配置されうる。２つを超える連続決定の階層的配置は、階層的配置内の、最初の位置における基点決定、および階層的配置内の、最後の位置における終端決定を含むことが可能であり；ニューラル決定木アーキテクチャーは、算術平均値を使用して、単一の決定へと一体に統合された決定のコミッティーから構成される決定を含む場合があり、この場合、各コミッティー内の決定の数が、ニューラル決定木内の終端決定から、ニューラル決定木上の基点決定へと増大し、本明細書ではまた、ニューラル・コミッティー・ツリー（ｎｅｕｒａｌ ｃｏｍｍｉｔｔｅｅ ｔｒｅｅ）とも称される。方法は、ＴＣＲβ遺伝子、およびＴＣＲβ遺伝子のＴＣＲβタンパク質配列のライブラリーを含むトレーニングデータセットを得るステップ；ならびに最適化過程を使用して、各モデルに含まれるトレーニング重みを当てはめることにより、トレーニングデータセットを使用して、機械学習システムに含まれる１つまたは複数のモデルをトレーニングするステップをさらに含みうる。ＴＣＲβ遺伝子のライブラリーは、複数の生産的遺伝子、および複数の非生産的遺伝子を含みうる。非生産的ＴＣＲβ遺伝子は、アウトオブフレームの遺伝子セグメントを伴うＴＣＲβ遺伝子、または遺伝子セグメント間の体細胞接合部内の終止コドンを伴うＴＣＲβ遺伝子でありうる。抗原認識が可能であるアミノ酸配列をコードするＴＣＲβ遺伝子は、生産的ＴＣＲβ遺伝子として同定される場合があり、抗原認識が可能であるアミノ酸配列を伴わないＴＣＲβ遺伝子は、非生産的ＴＣＲβ遺伝子として同定されうる。方法は、複数の非生産的遺伝子の各々を修復するステップ；および修復された非生産的遺伝子の各々を、ＴＣＲβタンパク質配列へと翻訳するステップをさらに含みうる。非生産的ＴＣＲβ遺伝子を修復するステップは、遺伝子セグメント間の体細胞接合部において、１つもしくは複数のヌクレオチドを付加もしくは除去して、遺伝子セグメントを、同じリーディングフレーム内に組み込み、かつ／または遺伝子セグメント間の体細胞領域内のヌクレオチドを突然変異させて、終止コドンを、アミノ酸へと転換することを含みうる。非生産的として同定されたＴＣＲβ遺伝子を修復するステップは、修復ＴＣＲβ遺伝子を作出することを含みうる。ＴＣＲβ遺伝子配列、およびＴＣＲβタンパク質配列のライブラリーは、ＨＬＡマッチ健常ドナーにより提供される試料から得られうる。試料は、末梢血試料の場合もあり、組織試料の場合もある。特徴ベクトルは、アミノ酸の特性と関連するデータの断片を含むことが可能であり、特性は、極性、１つもしくは複数の二次構造の会合、分子体積、コドン多様性、または帯電のうちの少なくとも１つでありうる。特定のＴ細胞サブセットから単離されたＴ細胞が使用されうる。Ｔ細胞は、細胞分取により単離されうる。Ｔ細胞は、ＲＮＡ発現により単離されうる。対象は、ヒトでありうる。特定の修復された非生産的遺伝子を作出するのに使用された修復が、対象の非生産的遺伝子において、天然で現れる確率に従い、修復された非生産的遺伝子の各々は、重み付けされうる。ＴＣＲβ遺伝子は、非制御性Ｔ細胞に由来しうる。
別の実施形態は、対象における、自己免疫疾患または自己免疫障害を発症する危険性を予測する方法であって、ａ）本明細書で記載される機械学習システムを使用して、各Ｔ細胞受容体（ＴＣＲβ）遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβとして分類することにより、マッチ健常ドナーにおけるＴ細胞選択を再構成するステップ、ｂ）健常ドナーから再構成されたＴ細胞選択を、対象に由来するＴ細胞へと適用するステップ、およびｃ）健常ドナーにおけるＴ細胞選択に失格する、対象における逃避Ｔ細胞の数を査定するステップであって、閾値を超える逃避Ｔ細胞の数が、自己免疫疾患または自己免疫障害を有するか、または発症する危険性を指し示す、ステップを含む方法を提供する。
健常ドナーにおけるＴ細胞選択を再構成するステップは、マッチ健常ドナーに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、本明細書で記載される機械学習システムを使用して、各Ｔ細胞受容体（ＴＣＲβ）遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβとして分類することを含みうる。健常ドナーから再構成されたＴ細胞選択を、対象に由来するＴ細胞へと適用するステップは、対象に由来する試料中のＴＣＲβ遺伝子をシーケンシングし、対象の各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。健常ドナーは、ＨＬＡマッチ健常ドナーでありうる。ＨＬＡマッチ健常ドナーは、対象の遺伝学的血縁者でありうる。マッチ健常ドナーに由来する試料は、疾患の任意の症状の発生の前に回収された、対象に由来する生物学的検体でありうる。生物学的検体は、保存血でありうる。生物学的検体は、免疫チェックポイント阻害剤療法の前に回収されうる。
さらなる実施形態は、対象における、自己免疫疾患または自己免疫障害を発症する危険性を予測する方法であって、ａ）本明細書で記載される機械学習システムを使用して、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβとして分類することにより、複数の健常ドナーにおけるＴ細胞選択を再構成するステップ、ｂ）健常ドナーから再構成されたＴ細胞選択を、対象に由来するＴ細胞へと適用するステップ、およびｃ）健常ドナーにおけるＴ細胞選択に失格する、対象における逃避Ｔ細胞の数を査定するステップであって、閾値を超える逃避Ｔ細胞の数が、自己免疫疾患または自己免疫障害を有するか、または発症する危険性を指し示す、ステップを含む方法を提供する。
複数の健常ドナーにおけるＴ細胞選択を再構成するステップは、ａ）各ドナーに由来する試料中のＴＣＲβ遺伝子をシーケンシングすること、ｂ）各ドナーのＨＬＡ型を決定すること、または各ドナーについて、ＭＨＣ遺伝子をシーケンシングすること、ｃ）ドナーのＨＬＡ型により、各ＴＣＲβ遺伝子にタグ付けすること、およびｄ）ＨＬＡタグを、各ＴＣＲβ遺伝子についての、さらなる特徴として使用して、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。健常ドナーから再構成されたＴ細胞選択を、対象へと適用するステップは、ａ）対象に由来する試料中のＴＣＲβ遺伝子をシーケンシングすること、ｂ）対象のＨＬＡ型を決定すること、または対象のＭＨＣ遺伝子をシーケンシングすること、ｃ）対象のＨＬＡ型により、各ＴＣＲβ遺伝子にタグ付けすること、およびｄ）対象の各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。逃避Ｔ細胞は、生産的ＴＣＲβ遺伝子が、修復ＴＣＲβ遺伝子として誤分類されたＴ細胞でありうる。試料は、末梢血試料の場合もあり、組織試料の場合もある。
ある実施形態は、臓器レシピエントにおける、臓器移植に由来する同種免疫を発症する危険性を予測する方法であって、ａ）本明細書で記載される機械学習システムを使用して、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することにより、臓器ドナーにおけるＴ細胞選択を再構成するステップ、ｂ）ドナーから再構成されたＴ細胞選択を、臓器レシピエントへと適用するステップ、およびｃ）臓器ドナー組織に対して非寛容である臓器レシピエントに由来するＴ細胞の数を決定するステップであって、臓器レシピエントにおける、閾値を超える、非寛容Ｔ細胞の数が、臓器移植に由来する同種免疫を有するか、または発症する危険性を指し示す、ステップを含む方法を提供する。
臓器ドナーにおけるＴ細胞選択を再構成するステップは、本明細書で記載される機械学習システムを使用して、臓器ドナーに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。臓器ドナーから再構成されたＴ細胞選択を、臓器レシピエントへと適用するステップは、臓器レシピエントに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。非寛容Ｔ細胞は、生産的ＴＣＲβ遺伝子が、修復ＴＣＲβ遺伝子として誤分類されたＴ細胞でありうる。非寛容Ｔ細胞は、臓器ドナーにおけるＴ細胞選択に失格することが予測される、臓器レシピエントに由来するＴ細胞でありうる。非寛容Ｔ細胞は、臓器移植拒絶を駆動する可能性が高い、臓器レシピエントに由来するＴ細胞でありうる。
別の実施形態は、レシピエントにおける、移植片または細胞に由来する移植片対宿主病（ＧｖＨＤ）を発症する危険性を予測する方法であって、ａ）本明細書で記載される機械学習システムを使用して、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することにより、レシピエントにおけるＴ細胞選択を再構成するステップ、ｂ）レシピエントから再構成されたＴ細胞選択を、ドナーへと適用するステップ、およびｃ）レシピエントに対して非寛容であるドナーに由来するＴ細胞の数を決定するステップであって、ドナーにおける、閾値を超える、非寛容Ｔ細胞の数が、臓器移植または細胞移植に由来するＧｖＨＤを有するか、または発症する危険性を指し示す、ステップを含む方法を提供する。
レシピエントにおけるＴ細胞選択を再構成するステップは、本明細書で記載される機械学習システムを使用することにより、レシピエントに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。レシピエントから再構成されたＴ細胞選択を、ドナーへと適用するステップは、ドナーに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。非寛容Ｔ細胞は、生産的ＴＣＲβ遺伝子が、修復ＴＣＲ遺伝子として誤分類されたＴ細胞でありうる。非寛容Ｔ細胞は、レシピエントにおけるＴ細胞選択に失格することが予測される、ドナーに由来するＴ細胞でありうる。非寛容Ｔ細胞は、ＧｖＨＤを駆動する可能性が高い、ドナーに由来するＴ細胞でありうる。ドナーに由来する試料は、移植に由来する試料でありうる。レシピエントに由来する試料は、末梢血試料の場合もあり、組織試料の場合もある。
さらなる実施形態は、レシピエントにおける、養子Ｔ細胞療法に由来する同種免疫を発症する危険性を予測する方法であって、ａ）本明細書で記載される機械学習システムを使用して、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することにより、レシピエントにおけるＴ細胞選択を再構成するステップ、ｂ）レシピエントから再構成されたＴ細胞選択を、ドナーＴ細胞へと適用するステップ、およびｃ）レシピエントに対して非寛容であるドナーから提供されるＴ細胞の数を決定するステップであって、ドナーにおける、閾値を超える、非寛容Ｔ細胞の数が、養子Ｔ細胞療法に由来する同種免疫を有するか、または発症する危険性を指し示す、ステップを含む方法を提供する。
レシピエントにおけるＴ細胞選択を再構成するステップは、本明細書で記載される機械学習システムを使用して、ドナーに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。レシピエントから再構成されたＴ細胞選択を、ドナーＴ細胞へと適用するステップは、ドナーから提供されたＴ細胞試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。非寛容Ｔ細胞は、生産的ＴＣＲβ遺伝子が、修復ＴＣＲβ遺伝子として誤分類されたＴ細胞でありうる。非寛容Ｔ細胞は、レシピエントにおけるＴ細胞選択に失格することが予測される、ドナーに由来するＴ細胞でありうる。非寛容Ｔ細胞は、レシピエントにおける同種免疫を駆動する可能性が高い、ドナーに由来するＴ細胞でありうる。養子Ｔ細胞療法に由来する同種免疫は、レシピエントの細胞および組織に対する、ドナーＴ細胞からの、所望されない免疫攻撃を含みうる。試料は、末梢血試料の場合もあり、組織試料の場合もある。養子Ｔ細胞療法における養子Ｔ細胞は、同種ＣＡＲ Ｔ細胞でありうる。養子Ｔ細胞療法における養子Ｔ細胞は、操作ＴＣＲを伴う、同種Ｔ細胞でありうる。
別の実施形態は、レシピエントにおける、操作Ｔ細胞受容体（ＴＣＲβ）療法の適合性を予測する方法であって、ａ）本明細書で記載される機械学習システムを使用して、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することにより、レシピエントにおけるＴ細胞選択を再構成するステップ、ｂ）レシピエントから再構成されたＴ細胞選択を、操作ＴＣＲβへと適用するステップ、およびｃ）操作ＴＣＲβが、レシピエントに対して非寛容であるのかどうかを決定し、これにより、操作ＴＣＲβ療法との適合性を予測するステップを含む方法を提供する。
レシピエントにおけるＴ細胞選択を再構成するステップは、レシピエントに由来する試料中のＴ細胞受容体（ＴＣＲβ）遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。レシピエントに由来するＴ細胞選択を、操作ＴＣＲへと適用するステップは、操作ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。非寛容操作ＴＣＲβ遺伝子は、修復ＴＣＲβ遺伝子として誤分類された生産的ＴＣＲβ遺伝子でありうる。非寛容操作ＴＣＲβは、レシピエントにおけるＴ細胞選択に失格することが予測される。非寛容操作ＴＣＲβは、レシピエントにおいて、同種免疫を駆動する可能性が高い。操作ＴＣＲβ治療に由来する同種免疫は、レシピエントの細胞および組織に対する、操作ＴＣＲβを伴うＴ細胞からの、所望されない免疫攻撃を含みうる。試料は、末梢血試料の場合もあり、組織試料の場合もある。
ある実施形態は、対象における、自己免疫疾患または自己免疫障害を発症する危険性を予測する方法であって、ａ）本明細書で記載される機械学習システムを使用して、各Ｂ細胞受容体（ＢＣＲ）遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することにより、健常対象におけるＢ細胞選択を再構成するステップであって、免疫受容体鎖遺伝子が、ＢＣＲ遺伝子である、ステップ、ｂ）健常ドナーから再構成されたＢ細胞選択を、対象に由来するＢ細胞へと適用するステップ、およびｃ）健常ドナーにおけるＢ細胞選択に失格する、対象における逃避Ｂ細胞の数を査定するステップであって、閾値を超える逃避Ｂ細胞の数が、自己免疫疾患または自己免疫障害を有するか、または発症する危険性を指し示す、ステップを含む方法を提供する。
遺伝子セグメントは、バリアブル（Ｖ）遺伝子セグメント、ダイバーシティ（Ｄ）遺伝子セグメント、ジョイニング（Ｊ）遺伝子セグメント、およびこれらの組合せからなる群から選択されうる。選択予測は、ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として同定しうる。機械学習システムは、複数の予測モデルのアンサンブルを含む場合があり、複数の予測モデルのアンサンブルに含まれる各予測モデルは、モデル予測を生成することが可能であり、各予測モデルに由来するモデル予測は、選択予測を決定するように組み合わされうる。２つを超える連続決定の階層的配置を含む改変型ニューラル決定木アーキテクチャーは、モデル予測を、選択予測へと統合するのに使用されうる。ニューラル決定木アーキテクチャーは、算術平均値を使用して、単一の決定へと一体に統合された決定のコミッティーから構成される決定を含む場合があり、この場合、各コミッティー内の決定の数が、ニューラル決定木内の終端決定から、ニューラル決定木上の基点決定へと増大し、本明細書ではまた、ニューラル・コミッティー・ツリーとも称される。方法は、ＢＣＲ遺伝子、およびＢＣＲ遺伝子のＢＣＲタンパク質配列のライブラリーを含むトレーニングデータセットを得るステップ；ならびに最適化過程を使用して、各予測モデルに含まれる重み値を決定することにより、トレーニングデータセットを使用して、機械学習システムに含まれる１つまたは複数の予測モデルをトレーニングするステップをさらに含みうる。ＢＣＲ遺伝子のライブラリーは、複数の生産的遺伝子、および複数の非生産的遺伝子を含みうる。非生産的ＢＣＲ遺伝子は、アウトオブフレームの遺伝子セグメントを伴うＢＣＲ遺伝子、または遺伝子セグメント間の体細胞接合部内の終止コドンを伴うＢＣＲ遺伝子でありうる。方法は、複数の非生産的遺伝子の各々を修復するステップ；および修復された非生産的遺伝子の各々を、ＢＣＲタンパク質配列へと翻訳するステップをさらに含みうる。非生産的ＢＣＲ遺伝子を修復するステップは、遺伝子セグメント間の体細胞接合部において、１つもしくは複数のヌクレオチドを付加もしくは除去して、遺伝子セグメントを、同じリーディングフレーム内に組み込み、かつ／または遺伝子セグメント間の体細胞領域内のヌクレオチドを突然変異させて、終止コドンを、アミノ酸へと転換することを含みうる。非生産的遺伝子として同定されたＢＣＲ遺伝子を修復するステップは、修復ＢＣＲ遺伝子を作出することを含みうる。ＢＣＲ遺伝子配列、およびＢＣＲタンパク質配列のライブラリーは、ＨＬＡマッチ健常ドナーにより提供される試料から得られうる。タンパク質特徴は、アミノ酸の特性と関連するデータの断片を含むことが可能であり、特性は、極性、１つもしくは複数の二次構造の会合、分子体積、コドン多様性、または帯電のうちの少なくとも１つでありうる。特定の修復された非生産的遺伝子を作出するのに使用された修復が、対象の非生産的遺伝子において、天然で現れる確率に従い、修復された非生産的遺伝子の各々は、重み付けされうる。健常対象におけるＢ細胞選択を再構成するステップは、健常対象に由来する試料中のＢ細胞受容体（ＢＣＲ）遺伝子をシーケンシングし、健常対象の各ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することを含みうる。健常ドナーから再構成されたＢ細胞選択を、対象に由来するＢ細胞へと適用するステップは、対象に由来する試料中のＢＣＲ遺伝子をシーケンシングし、各ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することを含みうる。逃避Ｂ細胞は、生産的ＢＣＲ遺伝子が、修復ＢＣＲ遺伝子として誤分類されたＢ細胞でありうる。試料は、末梢血試料の場合もあり、組織試料の場合もある。
ある実施形態は、対象における抗体薬の安全性を予測する方法であって、ａ）本明細書で記載される機械学習システムを使用して、対象の各ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することにより、対象におけるＢ細胞選択を再構成するステップであって、免疫受容体鎖遺伝子が、ＢＣＲ遺伝子である、ステップ、およびｂ）抗体薬をコードするＢＣＲ遺伝子が、対象の自己抗原に対して寛容であるのかどうかを決定するステップであって、抗体薬をコードする寛容ＢＣＲ遺伝子が、生産的ＢＣＲ遺伝子として、適正に分類されたＢＣＲ遺伝子である、ステップを含む方法を提供する。
遺伝子セグメントは、バリアブル（Ｖ）遺伝子セグメント、ダイバーシティ（Ｄ）遺伝子セグメント、ジョイニング（Ｊ）遺伝子セグメント、およびこれらの組合せからなる群から選択されうる。選択予測は、ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として同定しうる。対象におけるＢ細胞選択を再構成するステップは、本明細書で記載される機械学習システムを使用して、対象に由来する試料中のＢＣＲ遺伝子をシーケンシングし、対象の各ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することを含みうる。抗体薬をコードする非寛容ＢＣＲ遺伝子は、修復ＢＣＲ遺伝子として誤分類されたＢＣＲ遺伝子でありうる。抗体薬をコードする非寛容ＢＣＲ遺伝子は、対象におけるＢ細胞選択に失格することが予測されるＢＣＲ遺伝子でありうる。抗体薬をコードする非寛容ＢＣＲ遺伝子は、対象における自己抗原に結合する可能性が高い抗体薬をコードしうる。自己抗原に結合する可能性が高い抗体薬として分類される抗体薬は、対象における抗体薬の使用の安全性の欠如を指し示しうる。試料は、末梢血試料の場合もあり、組織試料の場合もある。
別の実施形態は、対象におけるキメラ抗原受容体（ＣＡＲ）－Ｔ細胞療法から、同種免疫を発症する危険性を予測する方法であって、ＣＡＲの抗原結合性ドメインが、対象の自己抗原に対して寛容であるのかどうかを決定するステップを含み、ＣＡＲの抗原結合性ドメインが、対象の自己抗原に対して寛容であるのかどうかを決定するステップが、ａ）本明細書で記載される機械学習システムを使用して、対象の各ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することにより、対象におけるＢ細胞選択を再構成することであって、免疫受容体鎖遺伝子が、ＢＣＲ遺伝子であること、およびｂ）ＣＡＲの抗原結合性ドメインをコードするＢＣＲ遺伝子が、対象の自己抗原に対して寛容であるのかどうかを決定することであって、ＣＡＲの抗原結合性ドメインをコードする寛容ＢＣＲ遺伝子が、生産的ＢＣＲ遺伝子として、適正に分類されたＢＣＲ遺伝子であることを含む方法を提供する。
対象におけるＢ細胞選択を再構成するステップは、対象に由来する試料中のＢＣＲ遺伝子をシーケンシングし、対象の各ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することを含みうる。ＣＡＲの抗原結合性ドメインをコードする非寛容ＢＣＲ遺伝子は、修復ＢＣＲ遺伝子として誤分類されたＢＣＲ遺伝子でありうる。ＣＡＲの抗原結合性ドメインをコードする非寛容ＢＣＲ遺伝子は、対象におけるＢ細胞選択に失格することが予測されるＢＣＲ遺伝子でありうる。抗体薬をコードする非寛容ＢＣＲ遺伝子は、対象における自己抗原に結合する可能性が高い抗体薬をコードしうる。自己抗原に結合する可能性が高いＢＣＲ遺伝子として分類されるＢＣＲ遺伝子は、対象におけるＣＡＲ－Ｔ細胞療法の使用の安全性の欠如を指し示しうる。試料は、末梢血試料の場合もあり、組織試料の場合もある。
したがって、本明細書では、臓器ドナー／臓器レシピエント間の適合性、細胞ドナー／細胞レシピエント間の適合性を決定する、非従来型の方法、および、とりわけ、非生産的免疫受容体鎖遺伝子へと、１つまたは複数の修復を施すことに依拠する、免疫受容体鎖遺伝子を分類する、非従来型のステップを使用する、他の予測法が提示される。固有の方法は、例えば、臓器ドナー／臓器レシピエント間の適合性、細胞ドナー／細胞レシピエント間の適合性を決定する方法、自己免疫疾患を発症する危険性を予測する方法、レシピエントにおける、臓器移植または細胞移植に由来する同種免疫を発症する危険性を予測する方法、レシピエントにおける、臓器移植または細胞移植に由来する移植片対宿主病（ＧｖＨＤ）を発症する危険性を予測する方法、造血幹細胞レシピエントにおけるがんの再発を予測する方法、レシピエントにおける、養子Ｔ細胞療法に由来する同種免疫を発症する危険性を予測する方法、レシピエントにおける、操作Ｔ細胞受容体（ＴＣＲ）療法の適合性を予測する方法、対象における抗体薬の安全性を予測する方法、およびＴ細胞選択の再構成に依拠する機械学習システムを使用して、対象におけるキメラ抗原受容体（ＣＡＲ）－Ｔ細胞療法から、同種免疫を発症する危険性を予測する方法において使用されうる。これらの方法の使用は、臓器／細胞ドナーとレシピエントとの間の適合性の決定、および、とりわけ、天然に存在しない修復免疫受容体鎖遺伝子の、非生産的免疫受容体鎖遺伝子、または非機能的免疫受容体鎖遺伝子からの作出を含む、固有の技術的ステップを使用する、他の予測における、精度の増大をもたらす。これらの種類の方法における使用のための、天然に存在しない修復免疫受容体鎖遺伝子の作出は、現在のところ、常套的でも、当技術分野で公知でもない。
付属の図面は、本開示の方法および組成物についての、さらなる理解をもたらすために含めたものであり、本明細書に組み込まれ、本明細書の一部を構成する。図面は、本開示の、１つまたは複数の実施形態を例示し、記載と併せて、本開示の概念および運用を説明するのに用いられる。
ＴＣＲの組換え過程、およびＴＣＲの選択過程を例示する図である。図１Ａは、複数の、ゲノムＶ遺伝子セグメント、ゲノムＤ遺伝子セグメント、およびゲノムＪ遺伝子セグメントを例示する。Ｖ（Ｄ）Ｊ組換え時に、ゲノムは、個別のＶ遺伝子セグメント、Ｄ（β鎖だけ）遺伝子セグメント、およびＪ遺伝子セグメントを対合させるように、切断され、ライゲーションされる。欠失および挿入は、遺伝子セグメント間の接合部に、ランダムヌクレオチドを導入する。ＴＣＲ遺伝子は、Ｔ細胞の表面上で、タンパク質として発現する。図１Ｂは、免疫寛容を確立するＴＣＲの発現に基づく、陽性選択および陰性選択により、どのようにして、Ｔ細胞が間引かれるのかを例示する。図１Ｃは、Ｖセグメントと、Ｊセグメントとが、異なるオープンリーディングフレーム内にあるために（上）、または終止コドン（中）のために、非生産的ＴＣＲ遺伝子が、どのようにして発現しないのかを例示する。代替的染色体上の、Ｖ（Ｄ）Ｊ組換えは、受容体を発現しうる、第２のＴＣＲ遺伝子を結果としてもたらし、これにより、Ｔ細胞が、Ｔ細胞選択後に存続することを可能としうる。 ＴＣＲの組換え過程、およびＴＣＲの選択過程を例示する図である。図１Ａは、複数の、ゲノムＶ遺伝子セグメント、ゲノムＤ遺伝子セグメント、およびゲノムＪ遺伝子セグメントを例示する。Ｖ（Ｄ）Ｊ組換え時に、ゲノムは、個別のＶ遺伝子セグメント、Ｄ（β鎖だけ）遺伝子セグメント、およびＪ遺伝子セグメントを対合させるように、切断され、ライゲーションされる。欠失および挿入は、遺伝子セグメント間の接合部に、ランダムヌクレオチドを導入する。ＴＣＲ遺伝子は、Ｔ細胞の表面上で、タンパク質として発現する。図１Ｂは、免疫寛容を確立するＴＣＲの発現に基づく、陽性選択および陰性選択により、どのようにして、Ｔ細胞が間引かれるのかを例示する。図１Ｃは、Ｖセグメントと、Ｊセグメントとが、異なるオープンリーディングフレーム内にあるために（上）、または終止コドン（中）のために、非生産的ＴＣＲ遺伝子が、どのようにして発現しないのかを例示する。代替的染色体上の、Ｖ（Ｄ）Ｊ組換えは、受容体を発現しうる、第２のＴＣＲ遺伝子を結果としてもたらし、これにより、Ｔ細胞が、Ｔ細胞選択後に存続することを可能としうる。 ＴＣＲの組換え過程、およびＴＣＲの選択過程を例示する図である。図１Ａは、複数の、ゲノムＶ遺伝子セグメント、ゲノムＤ遺伝子セグメント、およびゲノムＪ遺伝子セグメントを例示する。Ｖ（Ｄ）Ｊ組換え時に、ゲノムは、個別のＶ遺伝子セグメント、Ｄ（β鎖だけ）遺伝子セグメント、およびＪ遺伝子セグメントを対合させるように、切断され、ライゲーションされる。欠失および挿入は、遺伝子セグメント間の接合部に、ランダムヌクレオチドを導入する。ＴＣＲ遺伝子は、Ｔ細胞の表面上で、タンパク質として発現する。図１Ｂは、免疫寛容を確立するＴＣＲの発現に基づく、陽性選択および陰性選択により、どのようにして、Ｔ細胞が間引かれるのかを例示する。図１Ｃは、Ｖセグメントと、Ｊセグメントとが、異なるオープンリーディングフレーム内にあるために（上）、または終止コドン（中）のために、非生産的ＴＣＲ遺伝子が、どのようにして発現しないのかを例示する。代替的染色体上の、Ｖ（Ｄ）Ｊ組換えは、受容体を発現しうる、第２のＴＣＲ遺伝子を結果としてもたらし、これにより、Ｔ細胞が、Ｔ細胞選択後に存続することを可能としうる。 Ｔ細胞選択の転帰を予測する、例示的方法を例示する図である。 非生産的ＴＣＲ遺伝子を修復するのに施された、例示的変更を例示する図である。 非生産的ＴＣＲ遺伝子を修復するのに施された、例示的変更を例示する図である。 Ｔ細胞選択の転帰を予測するための、例示的機械学習システムを例示する図である。 例示的なニューラル・コミッティー・ツリーアーキテクチャーを例示する図である。 例示的なニューラル・コミッティー・ツリーアーキテクチャーを例示する図である。 図４の機械学習システムに含まれる予測モデルについての、さらなる詳細を例示する図である。 単一のマウス対象に由来するＴＣＲ遺伝子を使用して実施された、例示的なＴ細胞選択のシミュレーション解析による結果を例示する図である。 単一のマウス対象に由来するＴＣＲ遺伝子を使用して実施された、例示的なＴ細胞選択のシミュレーション解析による結果を例示する図である。 単一のマウス対象に由来するＴＣＲ遺伝子を使用して実施された、例示的なＴ細胞選択のシミュレーション解析による結果を例示する図である。 成熟Ｔ細胞に由来するＴＣＲ遺伝子を使用して実施された、例示的なＴ細胞選択のシミュレーションによる結果を例示する図である。 ナイーブＢ細胞に由来するＢＣＲ遺伝子を使用して実施された、例示的なＢ細胞選択のシミュレーションによる結果を例示する図である。 ナイーブＢ細胞に由来するＢＣＲ遺伝子を使用して実施された、例示的なＢ細胞選択のシミュレーションによる結果を例示する図である。 ナイーブＢ細胞に由来するＢＣＲ遺伝子を使用して実施された、例示的なＢ細胞選択のシミュレーションによる結果を例示する図である。 ドナー－レシピエント間の適合性を決定するのに使用されるＴ細胞選択の前におけるＴ細胞と、Ｔ細胞選択の後におけるＴ細胞との比較を例示する図である。 Ｔ細胞選択の前におけるＴＣＲβ、およびＴ細胞選択の後におけるＴＣＲβを模倣するのに、シーケンシングされたＴＣＲβ遺伝子が、どのようにして使用されるのかを例示する図である。 ＰＳＦドナー－生産的が、どのようにして計算されるのかを例示するベン図である。 ａＧｖＨＤ症例および対照についての、ＰＳＦドナー－生産的を例示するグラフである。各欄は、異なる移植である。 カットオフを、図１２Ｂから移動させることが、真陽性率および偽陽性率を変化させることを例示するＲＯＣ曲線である。 ＰＳＦドナー－修復が、どのようにして計算されるのかを例示するベン図である。 ｃＧｖＨＤ症例および対照についての、ＰＳＦドナー－修復を例示するグラフである。各欄は、異なる移植である。 カットオフを、図１３Ｂから移動させることが、真陽性率および偽陽性率を変化させることを例示するＲＯＣ曲線である。 ドナーとレシピエントとの間で共有される、ＴＣＲβの数を明らかにするベン図である。ヌクレオチド配列の、タンパク質配列への翻訳は、同一のＴＣＲβをコードする、異なるＴＣＲβ遺伝子を明らかにする。各ＣＤＲ３タンパク質配列に由来する、最初の３つのアミノ酸残基、および最後の３つのアミノ酸残基は、抗原に接触しないため、トリミングされる。トリミングされたＣＤＲ３タンパク質配列が、同一である場合、ＴＣＲβは、同等であると考えられる。 ＴＣＲβ遺伝子配列が、生殖細胞系列によりコードされる、Ｖ遺伝子セグメント、Ｄ遺伝子セグメント、Ｊ遺伝子セグメントのほか、Ｖ（Ｄ）Ｊ組換え時に生じる体細胞変異を明らかにすることを例示する図である。図１５Ａは、末梢血中に見出される生産的ＴＣＲβ遺伝子が、アミノ酸配列へと翻訳されうることを示す。図１５Ｂは、アウトオブフレームのＶ遺伝子セグメントおよびＪ遺伝子セグメントを伴う末梢血中に見出されるＴＣＲβ遺伝子が、Ｔ細胞選択のための、機能的受容体を発現しないことを示す。非生産的ＴＣＲβ遺伝子についての、この例は、体細胞ヌクレオチドを欠失させることにより修復されうる。図１５Ｃは、体細胞接合部内の終止コドンをコードする、末梢血中に見出されるＴＣＲβ遺伝子がまた、Ｔ細胞選択のための、機能的受容体も発現しないことを示す。非生産的ＴＣＲβ遺伝子についての、この例は、体細胞ヌクレオチドを修飾することにより修復されうる。 ＴＣＲβ遺伝子配列が、生殖細胞系列によりコードされる、Ｖ遺伝子セグメント、Ｄ遺伝子セグメント、Ｊ遺伝子セグメントのほか、Ｖ（Ｄ）Ｊ組換え時に生じる体細胞変異を明らかにすることを例示する図である。図１５Ａは、末梢血中に見出される生産的ＴＣＲβ遺伝子が、アミノ酸配列へと翻訳されうることを示す。図１５Ｂは、アウトオブフレームのＶ遺伝子セグメントおよびＪ遺伝子セグメントを伴う末梢血中に見出されるＴＣＲβ遺伝子が、Ｔ細胞選択のための、機能的受容体を発現しないことを示す。非生産的ＴＣＲβ遺伝子についての、この例は、体細胞ヌクレオチドを欠失させることにより修復されうる。図１５Ｃは、体細胞接合部内の終止コドンをコードする、末梢血中に見出されるＴＣＲβ遺伝子がまた、Ｔ細胞選択のための、機能的受容体も発現しないことを示す。非生産的ＴＣＲβ遺伝子についての、この例は、体細胞ヌクレオチドを修飾することにより修復されうる。 ＴＣＲβ遺伝子配列が、生殖細胞系列によりコードされる、Ｖ遺伝子セグメント、Ｄ遺伝子セグメント、Ｊ遺伝子セグメントのほか、Ｖ（Ｄ）Ｊ組換え時に生じる体細胞変異を明らかにすることを例示する図である。図１５Ａは、末梢血中に見出される生産的ＴＣＲβ遺伝子が、アミノ酸配列へと翻訳されうることを示す。図１５Ｂは、アウトオブフレームのＶ遺伝子セグメントおよびＪ遺伝子セグメントを伴う末梢血中に見出されるＴＣＲβ遺伝子が、Ｔ細胞選択のための、機能的受容体を発現しないことを示す。非生産的ＴＣＲβ遺伝子についての、この例は、体細胞ヌクレオチドを欠失させることにより修復されうる。図１５Ｃは、体細胞接合部内の終止コドンをコードする、末梢血中に見出されるＴＣＲβ遺伝子がまた、Ｔ細胞選択のための、機能的受容体も発現しないことを示す。非生産的ＴＣＲβ遺伝子についての、この例は、体細胞ヌクレオチドを修飾することにより修復されうる。 ＰＳＦ自家が、どのようにして計算されるのかを例示するベン図である。 自家皮膚試料（四角、三角）、自家ＰＢＭＣ試料（丸）、および自家胸腺試料（菱形）についての、ＰＳＦ自家を例示するグラフである。各欄は、異なる患者である。Ｔ細胞選択前における、発生期Ｔ細胞を含有する胸腺についてのＰＳＦ自家値は、Ｔ細胞選択後の成熟Ｔ細胞を含有する、皮膚およびＰＢＭＣより低値である。カットオフ（破線）は、Ｔ細胞選択の前におけるＴＣＲβ集団と、Ｔ細胞選択の後におけるＴＣＲβ集団とを識別し、ａＧｖＨＤ症例と、対照とを識別するのに使用されるカットオフとほぼ同一である。 ｆ新規として表示される、レシピエントにおいて欠けている、ドナーＴＣＲβを例示するベン図である。 がんの再発例および対照についての、ｆ新規を例示するグラフである。各欄は、異なるレシピエントを表す。 カットオフを、図１７Ｂから移動させることが、真陽性率および偽陽性率を変化させることを例示するＲＯＣ曲線である。 再発についての予測に対してプロットされた、ａＧｖＨＤについての予測を例示するグラフである。カットオフは、ａＧｖＨＤおよび再発のいずれも回避する、７例中３例≒４３％のレシピエントを適正に同定する。カットオフを伴わない場合、１７例中６例≒３５％のレシピエントが、ａＧｖＨＤおよび再発のいずれも回避する。 がんの再発についての予測に対してプロットされた、ｃＧｖＨＤについての予測を例示するグラフである。カットオフは、ｃＧｖＨＤおよび再発のいずれも回避する、５／５＝１００％のレシピエントを適正に同定する。カットオフを伴わない場合、１７例中８例≒４７％のレシピエントが、ｃＧｖＨＤおよび再発のいずれも回避する。 最良のドナーのための候補者をスクリーニングするのに、ａＧｖＨＤ、ｃＧｖＨＤ、およびがんの再発についての予測が、どのようにして使用されうるのかを例示する概略図である。
本開示は、Ｔ細胞が、機械学習システムにおいて実施される、Ｔ細胞受容体（ＴＣＲ）についてのＴ細胞選択に合格するのか、失格するのかを予測する方法、およびその使用法をもたらす。使用法は、対象における、自己免疫疾患または自己免疫障害を発症する危険性を予測する方法、臓器レシピエントにおける、臓器移植に由来する同種免疫を発症する危険性を予測する方法、レシピエントにおける、臓器移植または細胞移植に由来する移植片対宿主病（ＧｖＨＤ）を発症する危険性を予測する方法、レシピエントにおける、養子Ｔ細胞療法に由来する同種免疫を発症する危険性を予測する方法、対象における抗体薬の安全性を予測する方法、および対象におけるキメラ抗原受容体（ＣＡＲ）－Ｔ細胞療法から、同種免疫を発症する危険性を予測する方法を含む。
概観
Ｖ（Ｄ）Ｊ組換えとして公知の過程により、発生期Ｔ細胞は、デノボのＴＣＲ遺伝子をアセンブルするように、それらのＤＮＡを編集する。ＴＣＲ遺伝子は、数十に及ぶ、バリアブル（Ｖ）遺伝子セグメント、ダイバーシティ（Ｄ）遺伝子セグメント、およびジョイニング（Ｊ）遺伝子セグメントから、個別のＶセグメント、Ｄセグメント、およびＪセグメントを完全遺伝子へとカップリングするように、ゲノムを直接編集することにより形成される（図１Ａ）。セグメントが、一体にライゲーションされる場合、連続欠失および連続挿入は、セグメント間の接合部に、ランダムヌクレオチドを導入し、ＴＣＲ遺伝子内の、さらなる変更を創出する。こうして、各ＴＣＲ遺伝子は、連続体細胞変異が、これらのセグメント間の接合部を形成する、体細胞内で再配列された生殖細胞系列セグメントを含有する。潜在的に固有のＴＣＲ遺伝子をもたらすことにより、各Ｔ細胞は、潜在的に、顕著に異なるＴＣＲを発現しうる。新たな抗原と対面した場合、Ｔ細胞の大規模集団は、偶然により、この抗原に結合しうるＴＣＲを含有するであろう。
ＴＣＲ遺伝子は、ＴＣＲが、どの抗原に結合しうるのかにかかわらずに創出され、したがって、発生期Ｔ細胞が、Ｔ細胞選択を経ることは不可欠である。Ｔ細胞選択の、２つの主要な段階は、陽性選択および陰性選択であり、これらは、胸腺内で、この順に生じる（図１Ｂ）。陽性選択時に、ＭＨＣに結合する発生期Ｔ細胞は、生存シグナルを受け取り、これは、存続するＴ細胞が、ＭＨＣにより提示される抗原との機能的な相互作用が可能であることを確実にする。陽性選択は、Ｔ細胞が抗原を監視する指定帯域としてのＭＨＣを確立する。陰性選択時に、自己抗原に強く結合するＴＣＲを発現する発生期Ｔ細胞は、細胞死をもたらすアポトーシスシグナルを受け取り、これは、存続するＴ細胞が自己抗原を認識しないことを確実にする。陰性選択は、健常細胞および健常組織に対する、自己免疫攻撃を駆動する、発生期Ｔ細胞を間引く。各Ｔ細胞受容体（ＴＣＲ）遺伝子は、受容体が、どの物質（抗原）を認識しうるのかにかかわらずに創出される。Ｔ細胞選択は、それらのＴＣＲが、（ｉ）抗原提示プラットフォームとして作用する主要組織適合性複合体（ＭＨＣ）を認識できないか、または（ｉｉ）健常細胞および健常組織に由来する自己抗原を高アフィニティーで認識する場合に、発生期Ｔ細胞を間引く。陽性選択および陰性選択のいずれも、転帰の保証を伴わない、確率論的過程であり、ＴＣＲが同一である発生期Ｔ細胞は、Ｔ細胞選択時に、反対の転帰をたどる場合がある。選択過程を完了したＴ細胞は、成熟Ｔ細胞として、胸腺から、脾臓など、他の臓器部位へと遊走する。
ＴＣＲ遺伝子をシーケンシングしようとする初期の試みは、非生産的ＴＣＲ遺伝子を伴う成熟Ｔ細胞が、（ｉ）Ｖセグメントと、Ｊセグメントとが、異なるオープンリーディングフレーム内にあるか、または（ｉｉ）終止コドンが、遺伝子セグメント間の接合部内に見出される（図１Ｃ）ために、機能的ＴＣＲを発現することができないことを明らかにした。機能的ＴＣＲを伴わなければ、これらのＴ細胞は、成熟に到達せずに、Ｔ細胞選択により間引かれるので、成熟Ｔ細胞内における、非生産的ＴＣＲ遺伝子の出現は、なぞのように見えるであろう。しかし、代替的染色体上で生じるＶ（Ｄ）Ｊ組換えは、Ｔ細胞が、Ｔ細胞選択後に存続することを可能とする機能的ＴＣＲを発現するパートナーＴＣＲ遺伝子を結果としてもたらしうる。選択過程におけるＴ細胞の運命は、パートナーＴＣＲ遺伝子だけに依存するため、非生産的ＴＣＲ遺伝子は、依然として、Ｔ細胞選択に依存せず、Ｔ細胞選択の非存在下で出現するＴＣＲの種類を表す。したがって、生産的ＴＣＲ遺伝子の、非生産的ＴＣＲ遺伝子との比較は、Ｔ細胞選択により間引かれるＴＣＲ遺伝子についての情報を明らかにする。既往の研究は、Ｔ細胞選択が、ＴＣＲ遺伝子を、配列の長さおよびＶ（Ｄ）Ｊ再配列により限定することを見出している。
本明細書では、ハイスループットＴＣＲシーケンシングと、ＴＣＲ遺伝子を使用して、どのＴ細胞が間引かれるのかを予測する、機械学習システムとに基づく方法が記載される。このシステムを使用して、Ｔ細胞選択は、コンピュータにより、任意の個体について再構成されうる。コンピュータ法は、Ｔ細胞が間引かれるのかどうかに影響を与える、ＴＣＲタンパク質配列内のパターンを明らかにするのに使用されうる。
同種造血幹細胞移植（ａｌｌｏ－ＨＳＣＴ）は、多様な種類の白血病、リンパ腫、および他の血液悪性腫瘍のための、重要な処置選択肢である。しかし、その使用は、著明な罹患率および死亡率と関連し、ａｌｌｏ－ＨＳＣＴレシピエントの９～１５％が移植片対宿主病（ＧｖＨＤ）で死亡し、さらに２３％が、がんの再発で死亡する。ａｌｌｏ－ＨＳＣＴにおける罹患率および死亡率の低減は、（ｉ）新たながん免疫療法は、ａｌｌｏ－ＨＳＣＴに対する必要を低減し、遅延させつつあるが、これを消失させることはなく、（ｉｉ）シクロホスファミドの広範な使用は、ＧｖＨＤを低減しているが、これを消失させてはいないため、重要である。ａｌｌｏ－ＨＳＣＴの難題、および代替処置の出現にもかかわらず、年間のａｌｌｏ－ＨＳＣＴ件数が、過去２０年間にわたり増大していることは、ａｌｌｏ－ＨＳＣＴが、将来も、しばらくにわたり、依然として、血液悪性腫瘍のために、不可欠の処置であることを示唆する。
ａｌｌｏ－ＨＳＣＴの目標ではないが、造血幹細胞（ＨＳＣ）と共に常在するＴ細胞もまた、レシピエントへと移植され、その後、レシピエントにおいて、ドナーＨＳＣから発生する。ドナーＴ細胞は、場合によって、レシピエントのがんを認識し、これにより、がんの再発に対して防御するため、Ｔ細胞は移植の重要な部分である。しかし、不適合性のドナーＴ細胞は、レシピエントに対する免疫攻撃を引き起こし、これにより、移植片対宿主病（ＧｖＨＤ）をもたらすため、ドナーと、レシピエントとをマッチさせることが極めて重要である。
ａｌｌｏ－ＨＳＣＴについて、ドナー－レシピエント間のマッチを同定する、現行の手法は、Ｔ細胞の適合性を部分的に決定するにとどまる。例えば、ＨＬＡタイピングは、Ｔ細胞選択の第１段階において、ドナーと、レシピエントとが、同じ主要組織適合性複合体（ＭＨＣ）を共有するのかどうかを決定するが、これでは、Ｔ細胞選択の第２の段階を、タイピングされないままであり、完全にマッチングされた近縁ドナーのうちの４０％が、なぜＧｖＨＤを発症させるのかを、潜在的に説明する。副次的組織適合性抗原（ｍＨＡ）についてのタイピングは、ドナーと、レシピエントとが、同じ自己抗原を発現するのかどうかを決定することにより、このギャップを近づけようと試みるが、ｍＨＡタイピングが、ＧｖＨＤを引き起こしうる数百万種類もある自己抗原のうちの数百種類だけをマッチさせることは、ｍＨＡタイピングが、なぜＧｖＨＤを予測できないのかを、潜在的に説明する。最後に、混合リンパ球反応（ＭＬＲ）は、ドナーＴ細胞が、レシピエントリンパ球と、有害な形で相互作用するのかどうかを決定するが、有害反応が、被験組織以外の組織内で生じる場合があることは、ＭＬＲがＧｖＨＤを予測できない失敗の背後の理由を、潜在的に説明する。
ドナー－レシピエント間の適合性を決定するために、ドナーＴ細胞およびレシピエントＴ細胞は、Ｔ細胞選択（また、胸腺選択としても公知である）が、Ｔ細胞の適合性を決定する免疫学的過程であるため、この前後に比較されうる。図１０に例示される通り、骨髄中の造血幹細胞（ＨＳＣ）は、胸腺内のＴ細胞選択を経る発生期Ｔ細胞をもたらす。Ｔ細胞選択は、ＭＨＣ拘束性ではないか、または自己抗原を強く認識する発生期Ｔ細胞を除去する。存続するＴ細胞は、宿主と適合性である、成熟Ｔ細胞として、末梢血へと遊走する。
適合性ドナーは、Ｔ細胞選択時に、レシピエントと同じ種類のＴ細胞を欠失させ、ドナーＴ細胞が、既に、レシピエントと適合性であることを確実にする。Ｔ細胞選択時に、不適合性Ｔ細胞は、それらのＴＣＲの発現に基づき、除去される。したがって、ＴＣＲは、適合性について点検するのに使用されうる。本明細書では、それらのＴＣＲにより予測される、適合性ドナーＴ細胞の定量が、ＧｖＨＤを予測するためのマーカーとして利用されうることの裏付けが記載される。この情報は、ドナー、または具体的なＧｖＨＤ予防戦略を選択するのに使用されうる。
免疫細胞受容体の分類、および非生産的受容体の修復
図１Ａは、免疫細胞の表面における、多様な可能な免疫受容体の発現をもたらす（ランダムヌクレオチドの組換えおよび付加／欠失に起因して）ＶＤＪ組換え過程を例示する。作出される、大量の、可能な免疫受容体のうち、一部は、それらのタンパク質配列内に、受容体の発現を妨げるアウトオブフレーム事象（例えば、ヌクレオチド数が、３の倍数ではない）を含む場合もあり、一部は、これもまた、受容体の発現を妨げる、未成熟終止コドンを提示する場合もある。このような事象が存在しなければ、受容体は、免疫細胞の表面において発現されうる（図１Ｃを参照されたい）。図１０は、Ｔ細胞選択を例として使用して、免疫細胞選択過程を例示する。骨髄中では、発生期Ｔ細胞は存在するが、選択は生じていない。成熟Ｔ細胞（Ｔ細胞選択の後で残存するＴ細胞）を得、ＭＨＣ拘束性でないＴ細胞は除去され（それらの表面において、免疫受容体を発現しない細胞など）、および自己抗原反応性Ｔ細胞は、除去される。
本開示は、免疫受容体の遺伝子配列は、試料から得られる場合があり、遺伝子配列は、タンパク質配列へと翻訳される場合もあり、その試みがなされる場合もあり、タンパク質配列についての解析は、生産的免疫受容体遺伝子、または生産的免疫受容体鎖遺伝子に対応する、抗原認識が可能であるアミノ酸配列をコードする免疫受容体鎖遺伝子を同定し、非生産的免疫受容体遺伝子、または非生産的免疫受容体鎖遺伝子に対応する、抗原認識が可能でないアミノ酸配列を伴わない免疫受容体遺伝子、または免疫受容体鎖遺伝子を同定するのに使用されうることの発見に依拠する（図１０および１１を参照されたい）。次いで、方法は、非生産的免疫受容体鎖遺伝子として同定された免疫受容体鎖遺伝子の配列を修復して、修復免疫受容体鎖遺伝子を作出することに依拠する。
機能的ＴＣＲなど、機能的免疫受容体は、ＴＣＲを、抗原認識可能とするアミノ酸を有するＴＣＲである。本明細書で使用される抗原認識とは、例えば、ＭＨＣなどの抗原提示複合体により提示された場合に、抗原と機能的に相互作用する、免疫受容体の能力を指す。本明細書で使用される、生産的ＴＣＲとは、意味の差違を伴わずに、機能的ＴＣＲ（すなわち、ＴＣＲを、抗原認識可能とするアミノ酸配列を有するＴＣＲ）、またはアウトオブフレームのＶＤＪ組換えも、終止コドンも提示しないアミノ酸配列を有するＴＣＲを指す場合がある。
免疫受容体鎖遺伝子配列は、複数の遺伝子セグメント、例えば、バリアブル（Ｖ）遺伝子セグメント、ダイバーシティ（Ｄ）遺伝子セグメント、ジョイニング（Ｊ）遺伝子セグメント、およびこれらの組合せを含みうる。
全ての免疫受容体遺伝子が、Ｄ遺伝子セグメントを含有するわけではない。例えば、ＴＣＲアルファ、ＴＣＲデルタ、ＢＣＲＬ、ＩｇＬ、およびＩｇκは、Ｄ遺伝子を含有しない。場合によって、体細胞変異もまた、Ｄ遺伝子を、ＴＣＲベータ遺伝子、ＴＣＲガンマ遺伝子、ＢＣＲＨ遺伝子、およびＩｇＨ遺伝子から、完全に除去しうる。したがって、本明細書で記載される免疫受容体鎖は、組換えおよび体細胞変異に応じて、Ｖ遺伝子セグメント、Ｄ遺伝子セグメント、およびＪ遺伝子セグメント、またはこれらの組合せを含む、複数の遺伝子セグメントを含みうる。
免疫受容体は、２つの免疫受容体遺伝子鎖によりコードされる。本明細書で記載される方法は、一般に、一度に１つの免疫受容体遺伝子鎖を指し、任意の免疫受容体遺伝子鎖に適用されうる。本明細書で提示される方法のいずれも限定することを望まずに述べると、本明細書で記載される方法を、各単鎖に使用して、完全な免疫受容体を反映するために、本明細書で記載される方法が、免疫受容体の各鎖へと適用されうることが理解されるものとする。本明細書で使用される、免疫受容体鎖遺伝子の修復は、完全免疫受容体の修復を含みうる。免疫受容体鎖遺伝子は、Ｔ細胞受容体（ＴＣＲ）、ＴＣＲアルファ鎖（ＴＣＲα）、ＴＣＲベータ鎖（ＴＣＲβ）、ＴＣＲデルタ鎖（ＴＣＲδ）、ＴＣＲガンマ鎖（ＴＣＲγ）、Ｂ細胞受容体（ＢＣＲ）、ＢＣＲ軽鎖（ＢＣＲＬ）、ＢＣＲ重鎖（ＢＣＲＨ）、免疫グロブリン軽鎖（ＩｇＬ）、免疫グロブリン重鎖（ＩｇＨ）、免疫グロブリンカッパ鎖（Ｉｇκ）、および免疫グロブリンラムダ鎖（Ｉｇλ）からなる群から選択される、免疫細胞受容体を含むがこれらに限定されない、任意の免疫細胞受容体でありうる。例えば、免疫受容体鎖遺伝子は、ＴＣＲβでありうる。
本明細書で記載される方法は、非生産的免疫受容体遺伝子の修復をもたらす。すなわち、方法は、免疫細胞選択過程において選択されないため、対象の免疫細胞の表面において発現されない、免疫受容体遺伝子の同定をもたらす。非生産的免疫受容体遺伝子の修復は、本明細書で記載される、複数の適用がなされ、例えば、マッチング対象において、免疫細胞受容体選択過程を比較する、例えば、免疫細胞と関連する有害事象（例えば、臓器拒絶、移植片対宿主病、がんの再発など）を予測するのに使用されうる。非生産的免疫細胞受容体鎖遺伝子、例えば、ＴＣＲβ遺伝子の修復は、前記ＴＣＲβ遺伝子のヌクレオチド配列を修飾して、他の点では、生産的配列として分類される配列を得ることを含みうる。非生産的ＴＣＲβ遺伝子は、アウトオブフレームの遺伝子セグメントを伴うＴＣＲβ遺伝子、または遺伝子セグメント間の体細胞接合部内の終止コドンおよび体細胞変異を伴うＴＣＲβ遺伝子でありうる。したがって、非生産的ＴＣＲβ遺伝子を修復するステップは、遺伝子セグメント間の体細胞接合部において、１つまたは複数のヌクレオチドを付加または除去して、遺伝子セグメントを、同じリーディングフレーム内に組み込むか、または遺伝子セグメント間の体細胞領域内のヌクレオチドを突然変異させて、終止コドンを、アミノ酸へと転換することを含みうる。
非生産的ＴＣＲβ遺伝子は、抗原認識が可能なＴＣＲβを発現しないＴＣＲβ遺伝子を含みうる。本明細書で記載されるＴＣＲβ遺伝子の修復（例えば、免疫受容体配列の修飾）は、抗原認識が可能であるアミノ酸配列を有する免疫受容体の作出を結果としてもたらしうる。非生産的ＴＣＲβ遺伝子を修復するステップは、Ｄセグメントのリーディングフレームを、同じリーディングフレーム内に組み込まずに、ＶセグメントおよびＪセグメントを、同じリーディングフレーム内に組み込むことを含みうる。本明細書で使用される、「遺伝子断片を、同じリーディングフレーム内に組み込む」は、遺伝子セグメント間の体細胞接合部において、１つまたは複数のヌクレオチドを付加または除去して、遺伝子セグメントを、同じリーディングフレーム内に組み込むことを含みうる。１つまたは複数のヌクレオチドは、リーディングフレームが回復されるように、付加される場合もあり、除去される場合もある、１つまたは２つのヌクレオチドを含みうる。
本明細書で記載される方法は、一般に、免疫受容体鎖遺伝子を修復するのに、最小数の配列修飾の使用に依拠することが理解されるものとする。すなわち、方法は、一般に、遺伝子断片を、同じリーディングフレーム内に組み込む、１つもしくは２つのヌクレオチドの付加もしくは欠失、またはアミノ酸配列から、終止コドンを除去する、１つのアミノ酸の突然変異に依拠する。しかし、一部の場合に、初期修飾は、抗原認識が可能な受容体鎖をコードするアミノ酸配列を得るのに、第２の（または第３の、または第４の）修飾を要求しうる、二次事象（または三次事象、または四次事象）を誘導する場合がある。例えば、２つの遺伝子断片を、同じリーディングフレーム内に組み込むための、１つまたは２つのヌクレオチドの付加または欠失は、アミノ酸配列内における、終止コドンの作出をもたらし、アミノ酸認識が可能な免疫受容体の作出を妨げる場合がある。第２の修復では、終止コドンが除去されるであろう。１つを超える修復を使用して、免疫受容体遺伝子を修復することも可能であるが、配列へと導入される修飾が多くなるほど、受容体は初期配列に対して、より人工的、かつ、外来的となることが理解されるものとする。これは、本明細書で記載される方法を使用してなされうる予測の品質の劣化と関連する場合がある。
通例、複数の体細胞変異が存在するため、非生産的免疫受容体遺伝子を修復する方式も、複数存在する（図３を参照されたい）。遺伝子を修復する、全ての異なる方式が妥当である。各修復は、単一の是正（すなわち、１つのヌクレオチドの除去、２つのヌクレオチドの除去、ヌクレオチドの付加、第１のヌクレオチドおよび第２のヌクレオチドの付加、またはヌクレオチドの突然変異）だけを要求する場合がある。ある実施形態では、１つの修復は、遺伝子セグメントを、同じリーディングフレーム内に組み込むか、または終止コドンを、アミノ酸のためのコドンへと変化させるように、１つのヌクレオチドの除去、２つのヌクレオチドの除去、ヌクレオチドの付加、またはヌクレオチドの突然変異を含む。本明細書で記載される方法では、１つを超える修飾が、修復されることを要求する受容体は、免疫受容体についての解析において検討されない。ある実施形態では、２つを超えるか、または３つを超えるか、または４つを超える修飾が、修復されることを要求する受容体は、免疫受容体についての解析において検討されない。本明細書で記載される方法では、免疫受容体の修復は、ＶＤＪ組換え事象の後における、免疫受容体鎖遺伝子配列（例えば、核酸配列またはアミノ酸配列）の修復を含む場合があるので、修復遺伝子または生殖細胞系列遺伝子では、免疫受容体鎖遺伝子配列の修復は指向されない。
ＴＣＲβ遺伝子配列は、ＴＣＲβ遺伝子の相補性決定領域１（ＣＤＲ１）配列、ＴＣＲβ遺伝子のＣＤＲ２配列、ＴＣＲβ遺伝子のＣＤＲ３配列、これらの組合せ、または完全ＴＣＲβ遺伝子の配列を含みうる。例えば、ＴＣＲβ遺伝子配列は、ＴＣＲβ遺伝子のＣＤＲ３配列でありうる。
本明細書で記載される分類法のための、ＴＣＲβ遺伝子配列の使用は、ＴＣＲβ遺伝子配列の全体の使用の場合もあり、この任意の断片の使用の場合もある。例えば、ＴＣＲβ遺伝子配列は、ＴＣＲβ遺伝子配列から除去されうる、ＣＤＲ３配列の、最初の３つのアミノ酸および最後の３つのアミノ酸を除いた、ＴＣＲβ遺伝子配列の全体を含みうる。
ＴＣＲβ遺伝子配列を得るステップは、対象に由来する、任意の試料中のＴＣＲβ遺伝子をシーケンシングすることを含みうる。例えば、試料は、免疫細胞、例えば、Ｔ細胞を含有する生物学的試料でありうる。試料は、対象に由来する血液試料でありうる。血液試料は、末梢血単核細胞試料でありうる。
免疫細胞は、免疫細胞受容体遺伝子をシーケンシングする前に、試料から分離されうる。例えば、Ｔ細胞は、試料から単離されうる。Ｔ細胞を単離することは、細胞分取および／またはＲＮＡ発現を介しうる。
Ｔ細胞は、従来型の適応Ｔ細胞（ヘルパーＣＤ４＋Ｔ細胞、細胞傷害性ＣＤ８＋Ｔ細胞、メモリーＴ細胞、および制御性ＣＤ４＋Ｔ細胞を含む）または自然様Ｔ細胞（ナチュラルキラーＴ細胞および粘膜会合不変Ｔ細胞を含む）を含むがこれらに限定されない、任意のＴ細胞でありうる。例えば、Ｔ細胞は、非制御性Ｔ細胞でありうる。
対象は、ヒトなどの哺乳動物でありうる。
使用法
本明細書で記載される免疫細胞受容体の分類は、臓器ドナー／臓器レシピエント間の適合性を決定する適用、レシピエントにおける移植片対宿主病（ＧｖＨＤ）を予測する適応、および対象におけるがんの再発を予測する適応（図２０を参照されたい）を含むがこれらに限定されない、様々な適用において使用されうる。
臓器ドナー／臓器レシピエント間の適合性を決定する方法が提供される。
方法は、本明細書で記載される方法を使用して、臓器ドナーのＴＣＲβ遺伝子、および臓器レシピエントのＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類するステップ；ドナーにおける、生産的ＴＣＲβ遺伝子および修復ＴＣＲβ遺伝子の数を、レシピエントにおける、生産的ＴＣＲβ遺伝子の数と比較するステップ；ならびに臓器ドナーと適合性である、臓器レシピエントに由来するＴＣＲβ遺伝子の割合を定量し、これにより、臓器ドナー／臓器レシピエント間の適合性を決定するステップを含みうる。
比較するステップは、ＰＳＦレシピエントと表記される、ポスト・セレクション・フラクションスコアを計算することを含む場合があり、この場合、ＰＳＦレシピエントスコアは、Ｆ生産的と、Ｆ総数との比であり、Ｆ総数は、Ｆ修復＋Ｆ生産的であり、Ｆ生産的は、臓器レシピエントおよび臓器ドナーのいずれにおいても、生産的ＴＣＲβ遺伝子として同定されたＴＣＲβ遺伝子の数であり、Ｆ修復は、臓器ドナーにおいて、修復ＴＣＲβ遺伝子として同定され、臓器レシピエントにおいて、生産的ＴＣＲβ遺伝子として同定された、ＴＣＲβ遺伝子の数である。ＰＳＦレシピエントは、０～１の範囲でありうる。ＰＳＦレシピエントが、ゼロであることは、臓器レシピエントにおいてシーケンシングされた、いかなるＴＣＲβ遺伝子も、臓器ドナーと適合性でないことを指し示しうる。ＰＳＦレシピエントスコアが、１であることは、臓器ドナーにおいてシーケンシングされた、全てのＴＣＲβ遺伝子が、臓器レシピエントと適合性であることを指し示しうる。ＴＣＲβ遺伝子配列は、ＴＣＲβ遺伝子のＣＤＲ３配列を含みうる。ＴＣＲβ遺伝子配列に由来する、ＣＤＲ３配列の、最初の３つのアミノ酸および最後の３つのアミノ酸は、除去されうる。
０．８１以上のＰＳＦレシピエントスコアは、臓器ドナーと、臓器レシピエントとの間の適合性を指し示しうる。代替的に、０．８１未満のＰＳＦレシピエントスコアは、臓器ドナーと、臓器レシピエントとの間の不適合性を指し示しうる。
好適なスコアは、臓器レシピエントと、臓器ドナーとの適合性について評価することに責任を負う、医師、または別の医療従事者により、ドナーから、レシピエントへの臓器の移植に好適であると解釈されるスコアとして規定されうる。不適なスコアは、ドナーから、レシピエントへの臓器の移植に好適でないと解釈されるスコアとして規定されうる。本明細書で記載される方法は、臓器ドナーから、臓器レシピエントへの臓器の移植を一般に含む、臓器レシピエントの処置をさらに含みうる。本明細書で記載される通り、処置は、本明細書で記載される方法により決定されるスコアが、好適である場合に、臓器レシピエントへと投与されるものとする。
レシピエントにおける移植片対宿主病（ＧｖＨＤ）を予測する方法
レシピエントにおける移植片対宿主病（ＧｖＨＤ）を予測する方法が提供される。
方法は、本明細書で記載される方法を使用して、ドナーのＴ細胞受容体β（ＴＣＲβ）遺伝子、およびレシピエントのＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類するステップ；レシピエントにおける、生産的ＴＣＲβ遺伝子および修復ＴＣＲβ遺伝子の数を、ドナーにおける、生産的ＴＣＲβ遺伝子の数と比較するステップ；ならびにレシピエントと適合性であるドナーに由来するＴＣＲβの割合を定量し、これにより、レシピエントにおけるＧｖＨＤを予測するステップを含みうる。
ＧｖＨＤは、急性ＧｖＨＤ（ａＧｖＨＤ）、または慢性ＧｖＨＤ（ｃＧｖＨＤ）でありうる。
臓器または細胞は、骨髄または造血幹細胞移植細胞でありうる。
ＴＣＲβ遺伝子配列は、ＴＣＲβ遺伝子のＣＤＲ３配列を含みうる。ＴＣＲβ遺伝子配列に由来する、ＣＤＲ３配列の、最初の３つのアミノ酸および最後の３つのアミノ酸は、除去されうる。
ａＧｖＨＤを予測するステップは、レシピエントと適合性であるドナーに由来する生産的ＴＣＲβ遺伝子の数を定量することを含みうる。レシピエントと適合性であるドナーに由来する生産的ＴＣＲβ遺伝子の数を定量するステップは、ＰＳＦドナー－生産的と表記される、ポスト・セレクション・フラクションスコアを計算することを含む場合があり、この場合、ＰＳＦドナー－生産的スコアは、Ｆ生産的と、Ｆ総数との比であり、Ｆ総数は、Ｆ修復＋Ｆ生産的であり、Ｆ生産的は、ドナーおよびレシピエントのいずれにおいても、生産的ＴＣＲβ遺伝子として同定されたＴＣＲβ遺伝子の数であり、Ｆ修復は、レシピエントにおいて、修復ＴＣＲβ遺伝子として同定され、ドナーにおいて、生産的ＴＣＲβ遺伝子として同定された、ＴＣＲβ遺伝子の数である。（図１２Ａを参照されたい）
０．８１以上のＰＳＦドナー－生産的スコアは、ドナーと、レシピエントとの間の適合性を指し示しうる。代替的に、０．８１未満のＰＳＦドナー－生産的スコアは、ドナーと、レシピエントとの間の不適合性、およびレシピエントが、ａＧｖＨＤを発症する可能性を指し示しうる。例えば、約０．８～０．８３の範囲未満のＰＳＦドナー－生産的スコアは、ａＧｖＨＤを予測するのに使用されうる。
ｃＧｖＨＤを予測するステップは、レシピエントと適合性であるドナーに由来する修復ＴＣＲβ遺伝子の数を定量することを含みうる。レシピエントと適合性であるドナーに由来する修復ＴＣＲβ遺伝子の数を定量するステップは、ＰＳＦドナー－修復と表記される、ポスト・セレクション・フラクションスコアを計算することを含む場合があり、この場合、ＰＳＦドナー－修復スコアは、Ｆ生産的と、Ｆ総数との比であり、Ｆ総数は、Ｆ修復＋Ｆ生産的であり、Ｆ生産的は、レシピエントにおいて、生産的ＴＣＲβ遺伝子として同定され、ドナーにおいて、修復として同定されたＴＣＲβ遺伝子の数であり、Ｆ修復は、レシピエントおよびドナーのいずれにおいても、修復ＴＣＲβ遺伝子として同定されたＴＣＲβ遺伝子の数である。
０．６９以上のＰＳＦドナー－修復スコアは、ドナーと、レシピエントとの間の適合性を指し示しうる。代替的に、０．６９未満のＰＳＦドナー－修復スコアは、ドナーと、レシピエントとの間の不適合性、およびレシピエントが、ｃＧｖＨＤを発症する可能性を指し示しうる。例えば、約０．６９～０．３の範囲未満のＰＳＦドナー－修復スコアは、ｃＧｖＨＤを予測するのに使用されうる。（図１３Ａを参照されたい）
好適なスコアは、レシピエントにおけるＧｖＨＤを発症する危険性について評価することに責任を負う、医師、または別の医療従事者により、ドナーから、レシピエントへの、骨髄または造血幹細胞移植細胞の移植に好適であると解釈されるスコアとして規定されうる。不適なスコアは、ドナーから、レシピエントへの、骨髄または造血幹細胞移植細胞の移植に好適でないと解釈されるスコアとして規定されうる。本明細書で記載される方法は、ドナーから、レシピエントへの、骨髄または造血幹細胞移植細胞の移植を一般に含む、レシピエントの処置をさらに含みうる。本明細書で記載される通り、処置は、本明細書で記載される方法により決定されるスコアが、好適である場合に、レシピエントへと投与されるものとする。
対象におけるがんの再発を予測する方法
ＧｖＨＤは、抗がん応答と関連するため、ＧｖＨＤの危険性を低減するための、いかなる新たなスクリーニング法も、がん再発の危険性を不用意に増大させうるであろう。しかし、ＧｖＨＤおよびがん再発のいずれもが回避されうることは、がん再発についてのスクリーニングを伴う、ＧｖＨＤについてのスクリーニングが、いずれの転帰についての危険性を最小化するのにも使用されうることを示唆する。あらゆる抗原に対して特異性を有するＴＣＲレパートリーは存在しないため、レシピエントのがんは、レシピエントのＴＣＲ特異性における、任意のギャップを利用することが仮定される。この仮定に従えば、レシピエントと異なる、多数のＴＣＲを伴うドナーは、レシピエントと同じＴＣＲを伴うドナーより、これらのギャップを埋める可能性が高いであろう。本明細書では、レシピエントに存在しないドナーＴＣＲの定量が、ＧｖＨＤを予測するための、本発明者らのマーカーとは別である、がんの再発を予測するためのマーカーとして利用されうることが裏付けられた。
対象におけるがんの再発を予測する方法が提供される。
方法は、本明細書で記載される方法を使用して、造血幹細胞ドナーのＴＣＲβ遺伝子、および造血幹細胞レシピエントのＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類するステップ；造血幹細胞ドナー、および造血幹細胞レシピエントの両方における、修復ＴＣＲβ遺伝子の数を比較するステップ；ならびに造血幹細胞ドナーにおいて、造血幹細胞レシピエントにおいて見出されない、修復ＴＣＲβ遺伝子の数を定量し、これにより、がんの再発を予測するステップを含みうる。
造血幹細胞レシピエントは、がんを有する対象でありうる。造血幹細胞ドナーに由来し、造血幹細胞レシピエントにおいて存在しない修復ＴＣＲβ遺伝子は、造血幹細胞レシピエントにおけるがん細胞を認識するＴ細胞受容体（ＴＣＲ）をもたらす可能性が高い場合がある。
定量するステップは、造血幹細胞レシピエントと、造血幹細胞ドナーとの間で共通である、修復ＴＣＲβ遺伝子の数を除外して、造血幹細胞ドナーにおいて、修復ＴＣＲβ遺伝子として同定されるＴＣＲβ遺伝子の総数の割合であるｆ新規スコアを計算することを含みうる。
造血幹細胞レシピエントと、造血幹細胞ドナーとの間のｆ新規スコアが小さいほど、がん再発の危険性は大きくなりうる。
造血幹細胞レシピエントと、造血幹細胞ドナーとの間のｆ新規スコアが大きいほど、がん再発が生じない可能性は大きくなりうる。ＴＣＲβ遺伝子配列は、ＴＣＲβ遺伝子のＣＤＲ３配列を含みうる。ＴＣＲβ遺伝子配列に由来する、ＣＤＲ３配列の、最初の３つのアミノ酸および最後の３つのアミノ酸は、除去されうる。
０．９９４以上のｆ新規スコアは、ドナーに由来するＴＣＲβ遺伝子が、がん細胞を認識するＴＣＲβをもたらす可能性、およびレシピエントが、がんの再発を発症しない可能性を指し示す。代替的に、０．９９４未満のｆ新規スコアは、ドナーに由来するＴＣＲβ遺伝子が、がん細胞を認識するＴＣＲβをもたらす可能性の非存在、およびレシピエントが、がんの再発を発症する可能性を指し示す。
がんは、白血病、リンパ腫、および血液悪性腫瘍からなる群から選択されうる。
好適なスコアは、造血幹細胞レシピエントにおける、がん再発の危険性について評価することに責任を負う、医師、または別の医療従事者により、ドナーから、レシピエントへの、骨髄または造血幹細胞移植細胞の移植に好適であると解釈されるスコアとして規定されうる。不適なスコアは、ドナーから、レシピエントへの、骨髄または造血幹細胞移植細胞の移植に好適でないと解釈されるスコアとして規定されうる。本明細書で記載される方法は、ドナーから、がんを有するレシピエントへの、骨髄または造血幹細胞移植細胞の移植を一般に含む、レシピエントの処置をさらに含みうる。本明細書で記載される通り、処置は、本明細書で記載される方法により決定されるスコアが、好適である場合に、レシピエントへと投与されるものとする。
機械学習システム
本明細書で記載される機械学習システムは、任意の免疫細胞受容体へと適用されうる。例えば、免疫受容体鎖遺伝子は、Ｔ細胞受容体（ＴＣＲ）、ＴＣＲアルファ鎖（ＴＣＲα）、ＴＣＲベータ鎖（ＴＣＲβ）、ＴＣＲデルタ鎖（ＴＣＲδ）、ＴＣＲガンマ鎖（ＴＣＲγ）、Ｂ細胞受容体（ＢＣＲ）、ＢＣＲ軽鎖（ＢＣＲＬ）、ＢＣＲ重鎖（ＢＣＲＨ）、免疫グロブリン軽鎖（ＩｇＬ）、免疫グロブリン重鎖（ＩｇＨ）、免疫グロブリンカッパ鎖（Ｉｇκ）、および免疫グロブリンラムダ鎖（Ｉｇλ）からなる群から選択されうる。本明細書では、ＴＣＲβ遺伝子を、免疫受容体鎖遺伝子として使用する、機械学習システムが例示される。遺伝子セグメントは、バリアブル（Ｖ）遺伝子セグメント、ダイバーシティ（Ｄ）遺伝子セグメント、ジョイニング（Ｊ）遺伝子セグメント、およびこれらの組合せからなる群から選択されうる。
図２は、Ｔ細胞選択を予測するための例示的過程１００を例示する。ステップ１０２では、被験ＴＣＲβ遺伝子のセットが、組織試料から得られる。例えば、Ｔ細胞選択を経ていないＴＣＲβ遺伝子を得るように、被験ＴＣＲβ遺伝子のセットは、胸腺に由来する組織内に含まれる発生期Ｔ細胞からシーケンシングされうる。被験ＴＣＲβ遺伝子のセットはまた、他の末梢組織（例えば、脾臓、結腸、皮膚などに由来する）内に含まれる、成熟Ｔ細胞からも得られうる。被験ＴＣＲβ遺伝子のセットは、成熟Ｔ細胞内に含まれる、機能的ＴＣＲβを発現する生産的ＴＣＲβ遺伝子を含みうる。被験ＴＣＲβ遺伝子のセットはまた、機能的ＴＣＲを発現することができない非生産的ＴＣＲβ遺伝子も含みうる。ステップ１０４では、被験ＴＣＲβ遺伝子のセットは、ＴＣＲβタンパク質配列へと翻訳される。非生産的ＴＣＲβ遺伝子の配列を、タンパク質配列へと翻訳するために、非生産的ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子へと転換する、１つまたは複数のアルゴリズムを使用して、非生産的ＴＣＲβ遺伝子が修復されうる。
天然ＴＣＲβ遺伝子組換えの、入り組んだ、複雑なバイアスを含有する、元の生物学的配列を最大限に保存するために、コンピュータアルゴリズムは、生産的コピーを得るのに要求される、最少の変更を使用して、各非生産的ＴＣＲβ遺伝子を修復する。修復ＴＣＲβ遺伝子は、天然で生じる遺伝子変更を、より緊密に模倣する。したがって、切り貼りにより修復されたＴＣＲβ遺伝子の解析は、Ｔ細胞選択を再構成するための方法の確度および精度を、組換え遺伝子セグメント（例えば、Ｖセグメント、Ｄセグメント、およびＪセグメント）をシミュレートして、ＴＣＲβ遺伝子のシミュレーションの創出に依拠する方法を含む、他の技法を超えて改善する。
各修復は、対象の非生産的遺伝子において、天然で出現する修復の確率に従い重み付けされうる。各修復について、重み（すなわち、修復が天然で生じる確率）を決定するために、ＴＣＲβ遺伝子の部分配列を、修復の近傍において単離し、対象の非生産的ＴＣＲβ遺伝子内で、この部分配列を観察する確率を、修復の重みを決定するのに使用することができる。対象の非生産的ＴＣＲβ遺伝子内の修復の近傍における、部分配列の発生に基づき、修復に重み付けするために、修復の近傍半径（すなわち、２ヌクレオチド）を規定し、部分配列内の、この半径以内にある、あらゆるヌクレオチドを含むことにより、修復の近傍において、部分配列を単離することができる。ヌクレオチドについての、遺伝子セグメント（すなわち、Ｖ（Ｄ）Ｊ）によるアノテーションを指し示す、各ヌクレオチドと対にされた、さらなる記号もまた、含めうる。例えば、ヌクレオチドが、Ｖセグメントに由来することを指し示すように、ヌクレオチドは、Ｖと対にされる場合もあり、ヌクレオチドが、Ｄセグメントに由来することを指し示すように、Ｄと対にされる場合もあり、ヌクレオチドが、Ｊセグメントに由来することを指し示すように、Ｊと対にされる場合もあり、ヌクレオチドが、体細胞変異に由来することを指し示すように、Ｓと対にされる場合もあるであろう。次いで、あらゆる部分配列を、対象の、あらゆる非生産的ＴＣＲβ遺伝子から単離することができる。前出と同じ半径を使用して、体細胞接合部内の、あらゆる位置の近傍半径を規定し、この半径以内にある、あらゆるヌクレオチドを、部分配列内に含めることができる。この運用は、あらゆる非生産的ＴＣＲβ遺伝子について、対象の、全ての関連する部分配列を単離するように、体細胞接合部内の、あらゆる位置について実施することができる。次いで、非生産的ＴＣＲβ遺伝子の中で、部分配列が単離される回数を、対象の非生産的ＴＣＲβ遺伝子の全ての中で、単離される部分配列の数で除することにより、修復の近傍において、部分配列を観察する確率を計算することができる。次いで、この値を、修復の重みを決定するための確率として使用することができる。
図３は、非生産的ＴＣＲβ遺伝子を修復するのになされる、例示的変更を例示する。Ｖ遺伝子セグメントと、Ｊ遺伝子セグメントとが、異なるオープンリーディングフレーム内にある例についての、図３の上方のセクション「ａ」において示される通り、アルゴリズムは、遺伝子セグメントを、同じオープンリーディングフレーム内に組み込むように、最小数のヌクレオチドを、体細胞接合部から除去するための、あらゆる順列をウォークスルーする。リーディングフレームに応じて、アルゴリズムは、１つまたは２つのヌクレオチドだけを除去する。終止コドンがある例についての、図３の下方のセクション「ｂ」において示される通り、アルゴリズムは、終止コドンを、アミノ酸残基へと転換する、体細胞接合部内の、あらゆる可能なヌクレオチド突然変異をウォークスルーする。終止コドンを除去するために、アルゴリズムは、１つのヌクレオチドだけを突然変異させる。非生産的ＴＣＲβ遺伝子を修復するための、多くの方式が存在するので、単一の非生産的コピーから、複数の修復ＴＣＲβ遺伝子が作出される。非生産的ＴＣＲβ遺伝子を修復するステップは、遺伝子セグメント間の体細胞接合部において、ヌクレオチドを除去して、遺伝子セグメントを、同じリーディングフレーム内に組み込むか、または遺伝子セグメント間の体細胞領域内のヌクレオチドを突然変異させて、終止コドンを、アミノ酸へと転換することを含みうる。非生産的として同定されたＴＣＲβ遺伝子を修復するステップは、修復ＴＣＲβ遺伝子を作出することを含みうる。
Ｔ細胞選択後に存続したＴＣＲβのタンパク質配列は、生産的ＴＣＲβ遺伝子を翻訳することにより得られうる。ＴＣＲβについての全選択前ライブラリーを近似するために、修復ＴＣＲ遺伝子を翻訳することにより、Ｔ細胞選択にかけられなかった、ＴＣＲβのタンパク質配列を得ることができる。いずれの種類のＴＣＲβ遺伝子も、単一の試行から、１０５を超える、顕著に異なるＴＣＲβ遺伝子をもたらしうる、バルクＴＣＲβシーケンシングにより、同時に捕捉することができ、ＴＣＲ遺伝子のうちの、少なくとも８０％は、典型的に、生産的である（β鎖であるとする）。
ステップ１０６では、ＴＣＲβ遺伝子について、遺伝子特徴が決定される。遺伝子特徴は、機械学習システムにより解釈されうる、コンピュータで読取り可能なフォーマットにおいて、ＴＣＲβ遺伝子を表す。遺伝子特徴を生成するために、各ＴＣＲβ遺伝子内に含まれる遺伝子セグメントを、各遺伝子セグメントの遺伝子コード内に含まれた意味を、定量的フォーマット（例えば、多次元ベクトル空間内の位置について記載する数）へと変換する、１つまたは複数の遺伝子特徴をアウトプットする、コードレイヤーへとインプットすることができる。ステップ１０８では、ＴＣＲβタンパク質配列について、特徴ベクトルが決定される。特徴ベクトルは、機械学習システムにより解釈されうる、コンピュータで読取り可能なフォーマットにおいて、ＴＣＲβタンパク質配列を表す。特徴ベクトルを生成するために、各ＴＣＲβタンパク質のアミノ酸配列内に含まれた意味を、定量的フォーマット（例えば、多次元ベクトル空間内の位置について記載する数）へと変換する、１つまたは複数のタンパク質特徴をアウトプットするコードレイヤーへと、ＴＣＲβタンパク質配列をインプットすることができる。
ステップ１１０では、機械学習システムは、遺伝子特徴およびタンパク質特徴に基づき、ＴＣＲβ遺伝子のセット内に含まれる各ＴＣＲについて、選択予測を決定する。機械学習システムは、ＴＣＲβが、生産的ＴＣＲβ遺伝子、または非生産的修復ＴＣＲβ遺伝子に由来する確率を決定することにより、選択予測を生成しうる。非生産的ＴＣＲβ遺伝子は、アウトオブフレームの遺伝子セグメントを伴うＴＣＲβ遺伝子、または遺伝子セグメント間の体細胞接合部内の終止コドンを伴うＴＣＲβ遺伝子でありうる。抗原認識に関与するアミノ酸配列をコードするＴＣＲβ遺伝子は、生産的ＴＣＲβ遺伝子として同定することができ、抗原認識に関与しないアミノ酸配列を伴うＴＣＲβ遺伝子は、非生産的ＴＣＲβ遺伝子として同定することができる。生産的ＴＣＲβ遺伝子に由来する確率が、非生産的修復ＴＣＲβ遺伝子に由来する確率を超えるＴＣＲβは、Ｔ細胞選択後に存続することが予測されうる。生産的ＴＣＲβ遺伝子に由来する確率が、非生産的修復ＴＣＲβ遺伝子に由来する確率未満であるＴＣＲβは、Ｔ細胞選択時に間引かれることが予測されうる。ステップ１１２では、ＴＣＲβについてのＴ細胞選択予測を、下記で記載される、１つまたは複数の適用において使用することができる。
図４は、例示的機械学習システム２２０を例示する。機械学習システム２２０は、免疫細胞選択過程（例えば、Ｔ細胞選択、Ｂ細胞選択など）をシミュレートすることができる。機械学習システムは、インプットされた免疫細胞選択データ２０２を受信し、免疫細胞選択予測２８０を、アウトプットとして生成することにより、免疫細胞選択をシミュレートすることができる。免疫細胞選択データ２０２は、細胞についての、１つまたは複数の表示を含みうる。例えば、Ｔ細胞選択をシミュレートするために、免疫細胞選択データ２０２は、Ｔ細胞受容体ベータ鎖（ＴＣＲβ）を表すＴＣＲデータを含みうる。ＴＣＲβについての表示は、ＴＣＲβ鎖の、遺伝子セグメント、および他の遺伝子情報（例えば、遺伝子セグメントＡ ２０４Ａ、・・・、遺伝子セグメントＮ ２０４Ｎ）、ならびに他の側面（例えば、相補性決定領域）を表しうる、タンパク質配列２０６を含みうる。例えば、遺伝子セグメントＡ ２０４Ａは、ＴＣＲβのＶ遺伝子セグメントの場合があり、遺伝子セグメントＮ ２０４Ｎは、ＴＣＲβのＪ遺伝子セグメントの場合があり、タンパク質配列２０６は、ＴＣＲβをコードするＴＣＲ遺伝子の、相補性決定領域３（ＣＤＲ３）（すなわち、体細胞接合部およびＤ遺伝子セグメントを捕捉する、ＴＣＲβ遺伝子の領域）を表すアミノ酸配列でありうる。これらの３つの構成要素は、併せて、完全なＴＣＲβ鎖を表す。
機械学習システム２２０に含まれる１つまたは複数のコードレイヤー２３０は、免疫細胞選択データ２０２中に含まれる、遺伝子情報およびタンパク質配列を、機械学習システム２２０により理解されうる、コンピュータで読取り可能なフォーマットへと転換するのに使用されうる。例えば、コードレイヤー２３０は、遺伝子セグメント２０４Ａ、・・・、２０４Ｎを、遺伝子特徴２３２へと転換し、タンパク質配列２０６を、タンパク質特徴２３４へと転換しうる。コードレイヤー２３０は、Ｏｎｅ－Ｈｏｔエンコーディング、またはカテゴリー変数を、機械学習モデルへと提示されうるベクトル表示へとマッピングする、他の技法を使用して、遺伝子特徴２３２を決定しうる。例えば、コードレイヤー２３０は、ＴＣＲβをコードするＴＣＲ遺伝子のＶ遺伝子セグメント、２８の二値ベクトル、または他の遺伝子特徴２３２へと転換しうる。コードレイヤー２３０は、ＴＣＲβ遺伝子をコードするＴＣＲ遺伝子のＪ遺伝子セグメントを、１４の二値ベクトル、または他の遺伝子特徴２３２へと転換しうる。
タンパク質配列２０６についての、タンパク質特徴２３４を決定するために、コードレイヤー２３０は、アチュレー数（すなわち、各アミノ酸の特性と関連する１つのデータ）を使用して、タンパク質配列２０６内に含まれる各アミノ酸を表しうる。例えば、アチュレー数は、各アミノ酸の化学的特性および／または物理的特性に、緩やかに対応する値を含みうる。アチュレー数により表されるアミノ酸特性は、極性、１つまたは複数の二次構造の会合、分子の体積、コドンの多様性、および／または電荷を含みうる。例えば、コードレイヤー２３０は、タンパク質配列２０６内に含まれる各アミノ酸について、５つのアチュレー数を含有するベクトルを決定することが可能であり、アミノ酸を、適切なアチュレーベクトルで置きかえうる。したがって、コードレイヤー２３０により提示される、タンパク質特徴２３４は、タンパク質配列２０６の各々の中に含まれる各アミノ酸についてのアチュレーベクトルに対応する数値ベクトルの配列でありうる。タンパク質配列２０６内に含まれるアミノ酸の数は、可変的であるので、各タンパク質配列２０６についてのタンパク質特徴２３４は、８つ～２０の間のベクトルを含みうる。
Ｂ細胞選択の予測のために、機械学習システム２２０は、ナイーブＢ細胞からシーケンシングされるＢＣＲ重鎖（ＢＣＲＨ）をコードするＢＣＲ遺伝子についてのＢ細胞受容体（ＢＣＲ）データを含む、Ｂ細胞選択データ２０２を受信しうる。発生期Ｂ細胞は、デノボのＢ細胞受容体（ＢＣＲ）遺伝子をアセンブルするように、Ｖ遺伝子セグメントＣＤＲ３遺伝子セグメントおよびＪ遺伝子セグメントの組換えにより、それらのＤＮＡを編集する。したがって、ＢＣＲ遺伝子についての、遺伝子セグメント２０４Ａ、・・・、２０４Ｎ、およびタンパク質配列２０６の長さは、ＴＣＲβについての表示と同じでありうる。したがって、コードレイヤー２３０は、Ｂ細胞選択を予測する場合にも、Ｔ細胞選択を予測する場合に生成される、同じ数および種類の遺伝子特徴２３２およびタンパク質特徴２３４を生成しうる。
免疫細胞区画をシミュレートするために、コードレイヤー２３０により決定される、遺伝子特徴２３２およびタンパク質特徴２３４を、１つまたは複数の予測モデル２４０へとインプットする。予測モデル２４０は、１つまたは複数のトレーニングレイヤー（例えば、トレーニングレイヤーセットＡ ２４２Ａ、・・・、トレーニングレイヤーセットＮ ２４２Ｎ）を含む。遺伝子特徴２３２およびタンパク質特徴２３４に、トレーニングレイヤーセット２４２Ａ、・・・２４２Ｎ内に含まれる重み値を乗じて、セット予測２４４Ａ、・・・、２４４Ｎを生成する。各特徴へと割り当てられる重み値は、選択転帰が既知である、予測特異的遺伝子についてのトレーニングデータセットに基づき導出することができる。例えば、ＴＣＲ選択予測は、ＴＣＲ遺伝子を含むトレーニングデータセットから導出された重み値を使用して決定されうる。ＢＣＲ選択予測は、ＢＣＲ遺伝子を含むトレーニングデータセットから導出された重み値を使用して決定されうる。各特徴に固有の重み値は、各トレーニングレイヤーについて、方形２４６Ａ、・・・、２４６Ｎ内に含まれる異なる網掛けにより表される。トレーニングレイヤーセット２４２Ａ、・・・２４２Ｎ内に含まれる方形２４６Ａ、・・・、２４６Ｎの各々は、免疫細胞選択データ２０２のトレーニングセット内に含まれる遺伝子特徴２３２および／またはタンパク質特徴２３４のうちの１つまたは複数に対応する。各特徴へと割り当てるための、最適の重み値は、下記の図５に記載される、トレーニング過程を使用して決定される。
遺伝子特徴２３２に乗じるのに使用される、トレーニングレイヤーセット２４２Ａ、・・・２４２Ｎ内に含まれる重み値の数が、一定となりうるように、遺伝子セグメント２０４Ａ、・・・、２０４Ｎの各々についての遺伝子特徴２３２の数を、固定することができる。例えば、ＴＣＲβをコードするＴＣＲ遺伝子のＶ遺伝子セグメント、またはＢＣＲＨをコードするＢＣＲ遺伝子について、２８の遺伝子特徴２３２を決定することができ、ＴＣＲβのＪ遺伝子セグメント、またはＢＣＲＨ遺伝子について、１４の遺伝子特徴２３２を決定することができる。したがって、遺伝子特徴２３２を操作するのに使用される、トレーニングレイヤーセット２４２Ａ、・・・、２４２Ｎは、重み値の数が固定された、デンスレイヤーでありうる。短いタンパク質配列ほど、各アミノ酸についてのアチュレー数を表す、少数のベクトルにより表しうるため、タンパク質配列２０６の各々について、タンパク質特徴２３４の数は、可変的でありうる。各タンパク質配列についての、可変数のアチュレー数ベクトルを操作するのに、ダイナミック・カーネル・マッチング（ｄｙｎａｍｉｃ ｋｅｒｎｅｌ ｍａｔｃｈｉｎｇ）（また、（ダイナミック・タイム－アライメント・カーネル（ｄｙｎａｍｉｃ ｔｉｍｅ－ａｌｉｇｎｍｅｎｔ ｋｅｒｎｅｌ）とも称される）、または可変数の特徴を、あらかじめ固定された数の重み値へと割り当てるための他の技法を使用することができる。例えば、ダイナミック・カーネル・マッチング過程は、特徴（すなわち、タンパク質特徴２３４、または可変数を有する、他の特徴）と、類似性スコアとしての重みとの内積の計算を要求する場合がある。次いで、アライメントアルゴリズムは、特徴と、重みとをマッチさせて、アライメントスコア（すなわち、特徴と、重みとの間の、類似性スコアの合計についての最大値）を決定することができる。次いで、アライメントスコアを使用して、可変数のタンパク質特徴２３４を、トレーニングレイヤー内の、固定数の重みとマッチさせることができる。次いで、各タンパク質特徴２３４に、そのマッチング重みを乗じて、予測を生成する。
次いで、セット予測２４４Ａ、・・・、２４４Ｎに含まれる値の各々について期待される大きさが同じであることを確保するように、正規化レイヤー２５０を使用して、各トレーニングレイヤーセット２４２Ａ、・・・、２４２Ｎにより生成されたセット予測２４４Ａ、・・・、２４４Ｎをスケーリングする。例えば、正規化レイヤー２５０は、Ｖ遺伝子セグメント、Ｊ遺伝子セグメント、およびＣＤＲ３についての、セット予測２４４Ａ、・・・、２４４Ｎに期待される大きさが、同じとなるように、トレーニングレイヤーセット２４２Ａ、・・・、２４２Ｎにより生成された値（すなわち、各遺伝子特徴２３２および／またはタンパク質特徴２３４と、その対応する重み値との積の合計）をスケーリングしうる。セット予測２４４Ａ、・・・、２４４Ｎに含まれる値のスケーリングは、遺伝子セグメント２０４Ａ、・・・、２０４Ｎの各々、およびタンパク質配列２０６について生成された値が組み合わされて、完全なＴＣＲβまたはＢＣＲＨについてのモデル予測２６０を生成することを可能とする。モデル予測２６０は、予測モデルの各々により生成されたモデル予測２６０に含まれる値が、同じ大きさであり、組み合わされうるように、正規化レイヤー２５０によりリスケーリングすることができる。
予測モデル２４０のアンサンブルは、免疫細胞選択予測２８０を生成するのに使用されうる。例えば、３２の、異なる、個別トレーニングモデル２４０は、免疫細胞選択予測２８０を生成するのに使用されうる。ニューラル・コミッティー・ツリー２７０は、機械学習モデル２４０の各々に由来するモデル予測２６０を統合して、各ＴＣＲβをコードする、各ＴＣＲ遺伝子についての、１つのＴＣＲ選択予測、および／または各ＢＣＲＨをコードする、各ＢＣＲ遺伝子についての、１つのＢＣＲ選択予測を生成するのに使用されうる。ニューラル・コミッティー・ツリー２７０は、改変型ニューラル決定木アーキテクチャーを含みうる。改変型ニューラル決定木アーキテクチャーは、モデル予測２６０を統合して、免疫細胞選択予測２８０を生成するのに使用される、２つを超える連続決定の階層的配置を含みうる。例えば、改変型ニューラル決定木アーキテクチャーは、決定が、各ブランチと関連する、ブランチの階層的配置を含みうる。階層的配置の上位に位置するブランチでなされる決定は、決定木を通るパス、および決定木の終端に到達した終端決定を決定する。図５の下図は、ニューラル・コミッティー・ツリー内に含まれる簡略改変型ニューラル・コミッティー・ツリーアーキテクチャーを例示する。
免疫細胞選択予測２８０を生成するために、モデル予測２６０は、ニューラル・コミッティー・ツリー２７０内に含まれるニューラル決定木において決定を下すのに使用されうる。ニューラル決定木において決定を下すために、モデル予測２６０に含まれる値の各々は、二分決定を表す確率を生成するように、シグモイド関数または他の数学的関数へと渡されうる。確率に対応する二分決定は、ニューラル決定木内のブランチ上で、軟判定を下すのに使用されうる。この過程は、ニューラル決定木における、全ての決定がなされ、インプットされたモデル予測２６０についての予測が決定されるまで繰り返される。次いで、全ての予測モデル２４０により生成される、モデル予測２６０の各々から決定された選択予測を統合して、ＴＣＲβおよび／またはＢＣＲＨについての、免疫細胞選択予測２８０を生成する。例えば、３２の予測モデル２４０により生成される、３２のモデル予測２６０の各々について、ニューラル・コミッティー・ツリー２７０により決定された選択予測を平均して、免疫細胞選択予測２８０を生成することができる。
免疫細胞選択予測２８０の精度を増強するために、ニューラル・コミッティー・ツリー２７０は、改変型ニューラル決定木アーキテクチャーを含むことができる。ニューラル・コミッティー・ツリー２７０構造は、ニューラル決定木の基部における重みの寄与の除外を希釈して、ニューラル決定木上の終端ブランチにおける重みの寄与の除外をマッチさせるように、ニューラル決定木の基部に、より多くの重みを含むことができる。ニューラル決定木の基部に、より多くの重みを付加するために、ニューラル決定木の基部の近傍における各シグモイドを、コミッティー内の各シグモイド関数が、顕著に異なるアウトプットを受信する、シグモイド関数のコミッティーで置きかえることができる。より多くのシグモイド関数の付加は、各シグモイド関数により要求される、さらなるアウトプットを生成するのに要求される、重みの数を増大させる。決定には、シグモイド関数のコミッティーを介して、コミッティー内に含まれる各シグモイド関数のアウトプットを平均することにより到達することができる。
例えば、図５は、例示的なニューラル・コミッティー・ツリーアーキテクチャーを、従来型のニューラル決定木と比較して例示する。図の左側におけるセクション「ａ」は、ニューラル決定木を例示する。ニューラル決定木では、各決定ｄは、シグモイド関数σにより下される。ニューラル決定木は、各ブランチと関連する重みに基づき、可能な転帰の範囲を包含した、軟判定を下す。ニューラル決定木の右側のブランチは、重みをσとして使用され、左側のブランチは、重みを１－σとして使用される。ブランチが走査される場合、このブランチと関連する重みに、先行するブランチに由来する重みが乗じられる。終端決定に由来するアウトプットは、確率に対応する。右側のブランチ上の確率の合計は、転帰が、１となる確率を表す。左側のブランチ上の確率の合計は、転帰が、０となる確率を表す。上位ブランチと関連する重みは、各終端決定に対応する確率を決定するのに繰り返し使用されるため、この構造は、ニューラル決定木の上位ブランチ上の重みにバイアスをかける。例えば、例示された木の左側における上方ブランチと関連する重み（１－σ）は、木の左側の終端決定の４つ全てについての確率（すなわち、π１、π２、π３、およびπ４）を計算するのに使用される。逆に、木の左端における終端決定と関連する重み（すなわち、π１）は、π１に対応する確率を計算するのに、１回だけ使用される。機械学習システム２２０により生成される予測の精度を増大させるために、改変型ニューラル・コミッティー・ツリー２７０アーキテクチャーは、木の基部における決定が、終端決定を超えて寄与しないように、各決定の寄与を秤量する。例えば、図５右側のセクション「ｂ」に示されるニューラル・コミッティー・ツリー２７０は、４つの終端決定を有する。ニューラル・コミッティー・ツリー２７０の基部（すなわち、上部）は、この決定の数が、木の深さにわたり、同一を維持することを確保するように、４つの決定を併せて平均する。この改変は、学習速度を、木のレベルにわたり平滑化することにより、２つを超える連続決定を有する木について観察される、予測性能の増大を停止させる勾配消失問題を解消する。木の基部における学習速度の緩徐化は、木の基部における決定が、終端部における決定より速く学習されないことを確保する。これは、終端決定における学習が、木の基部における決定に影響を与えることを可能とし、この逆も成り立つ。
コミッティーサイズの、ニューラル決定木内の、各レベルにおけるシグモイド関数の数とのマッチングは、モデルの性能をさらに増大させうる。例えば、木が、３２のシグモイド関数を伴う、３２の終端ブランチ（各終端ブランチについて、１つのシグモイド関数）を有する場合、ニューラル決定木の基部におけるコミッティーサイズは、３２となるように選び取られる。ニューラル決定木内の各レベルにおける、同じ数のシグモイド関数の使用は、各重みが、最終的な予測に、同等に寄与しうることを確保する。上記で記載されたニューラル・コミッティー・ツリー２７０アーキテクチャーの使用は、モデルの性能の、従来型のニューラル決定木と比べた、５％の増大をもたらした。加えて、ニューラル・コミッティー・ツリーアーキテクチャーは、モデルの性能が、連続決定の数を増大させながら、持続的に増大することを可能とした。したがって、ニューラル・コミッティー・ツリー２７０内において使用される、ニューラル決定木のサイズは、モデル内の重みの数が、ラベル付けされたデータ点の数と、ほぼ等しくなるまで増大させられた。これは、従来型の決定木を上回る、性能の著明な増大をもたらし、これは、わずか５回の連続決定の後に、最大の性能を達成することが観察された。
図６は、トレーニングレイヤーセット２４２Ａ、・・・、２４２Ｎ内に含まれる重み値を決定するのに使用された、例示的トレーニング過程を例示する。重み値を決定するために、トレーニングデータ３０２は、最適化関数を使用して、トレーニングされていないレイヤーセット３１０Ａ、・・・、３１０Ｎをフィッティングするのに使用されうる。トレーニングデータ３０２は、機械学習システム２２０により生成された、免疫細胞選択予測２８０の種類に特異的でありうる。例えば、Ｔ細胞選択予測のためのトレーニングデータ３０２は、選択転帰が既知であるＴＣＲβをコードするＴＣＲ遺伝子についてのＴＣＲデータを含みうる。Ｂ細胞選択予測のためのトレーニングデータ３０２は、選択転帰が既知であるＢＣＲＨをコードするＢＣＲ遺伝子についてのＢＣＲデータを含みうる。トレーニングされていないレイヤーセット３１０Ａ、・・・、３１０Ｎをフィッティングするために、トレーニングされていないレイヤー内に含まれる重み値を、ランダムに初期化する。次いで、勾配最適化関数または他の最適化関数３２０を使用して、トレーニングデータ３０２内に含まれる各特徴についての重み値の最適のセットを決定する。例えば、勾配最適化関数は、損失関数に照らした、終端間勾配の最適化をもたらしうる。最適の重み値を決定するように、最適化関数３２０に、トレーニングデータ３０２中を、何回かにわたり（例えば、１２８回にわたり）ランスルーさせることができる。トレーニングデータ３０２中をランスルーするたびに、重み値を微調整することができ、検証データ３０４（例えば、Ｔ細胞予測のためのＴＣＲデータおよび既知のＴＣＲ選択転帰、Ｂ細胞予測のためのＢＣＲデータおよび既知のＢＣＲ選択転帰などを含むトレーニングデータ３０２と別個であるデータ標本）を使用して、モデルの性能を調べることができる。
モデルの性能について調べるために、検証データ３０４内に含まれるＴＣＲβおよびＢＣＲＨについての免疫細胞選択予測２８０（すなわち、生産的遺伝子に由来するＴＣＲβ鎖またはＢＣＲＨ鎖について、１であり、非生産的遺伝子および／または修復遺伝子に由来するＴＣＲβ鎖またはＢＣＲＨ鎖について、０である）を、既知の選択転帰と比較することができる。損失関数３４０（例えば、交差エントロピー損失関数）は、検証セット内に含まれるＴＣＲβ遺伝子およびＢＣＲＨ遺伝子（すなわち、それぞれ、ＴＣＲβをコードするＴＣＲ遺伝子、およびＢＣＲＨをコードするＢＣＲ遺伝子）についての、モデルにより生成される選択予測と、既知の選択転帰との間の誤差を測定しうる。次いで、モデルの性能に基づき、予測モデル２４０についての、１つまたは複数の態様を変更することができる。例えば、モデルが、それについての選択を正確に予測できなかった、ＴＣＲβ遺伝子内またはＢＣＲＨ遺伝子内に含まれる遺伝子特徴および／またはタンパク質特徴についての重み値を、微調整することができる。トレーニング時間、学習速度、使用される予測モデルの数、遺伝子特徴の数、および他のハイパーパラメータもまた、モデルの性能を増大させるように変化させることができる。重み値および／またはハイパーパラメータは、検証データ３０４について、損失関数３４０により決定される、最少の誤差が達成されるまで、微調整され、調べられる。
次いで、テストデータ３０６（すなわち、トレーニングデータ３０２および検証データ３４０と別個であるデータ標本）を使用して、トレーニングされた予測モデル２４０の性能を査定する。テストデータ３０６は、実行時に、機械学習システム２２０へとインプットされているが、予測モデル２４０により未見である、免疫細胞選択データ（すなわち、トレーニングおよび／または検証のために使用されていない）を含みうる。予測モデル２４０は、トレーニングレイヤーセット２４２Ａ、・・・２４２Ｎ内に含まれるトレーニング重み値を使用して、テストデータ３０６内に含まれるＴＣＲβ遺伝子および／またはＢＣＲＨ遺伝子についての、免疫細胞選択予測２８０を生成しうる。次いで、テストデータ３０６内に含まれるＴＣＲβ遺伝子および／またはＢＣＲＨ遺伝子についての、免疫細胞選択予測２８０を、ＴＣＲβ遺伝子またはＢＣＲＨ遺伝子についての、既知の選択予測と比較して、モデルの性能を決定することができる。
使用法
本明細書で記載される機械学習システムは、自己免疫疾患または自己免疫障害を発症する危険性、臓器移植に由来する同種免疫を発症する危険性、臓器移植または細胞移植に由来する移植片対宿主病（ＧｖＨＤ）を発症する危険性、養子Ｔ細胞療法に由来する同種免疫を発症する危険性、キメラ抗原受容体（ＣＡＲ）－Ｔ細胞療法に由来する同種免疫を発症する危険性を予測し、対象における抗体薬の安全性を予測するのに使用されうる。
本明細書で使用される、「対象」は、対象の方法が実施される、任意の個体または患者でありうる。一般に、対象は、当業者により理解される通り、ヒトであるが、対象は、動物でありうる。したがって、齧歯動物（マウス、ラット、ハムスター、およびモルモットを含む）、ネコ、イヌ、ウサギ、ウシ、ウマ、ヤギ、ヒツジ、ブタ、ニワトリなどを含む農場動物、および霊長動物（サル、チンパンジー、オランウータン、およびゴリラを含む）などの脊椎動物を含む、他の動物も、対象の定義の中に含まれる。
本明細書で使用される、疾患または状態「を発症する危険性を予測すること」という用語は、本明細書で記載される方法が、閾値に基づき、過誤についての危険性を最小限として、対象が、健常対象と比較して、例えば、疾患または状態を有するか、またはこれらを発症する可能性が高いのかどうかを指し示す能力を指す。
自己免疫疾患または自己免疫障害を発症する危険性を予測する方法
対象における、自己免疫疾患または自己免疫障害を発症する危険性を予測する方法が提供される。
方法は、本明細書で記載される機械学習システムを使用して、Ｔ細胞受容体（ＴＣＲβ）遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することにより、マッチ健常ドナーまたは複数の健常ドナーにおけるＴ細胞選択を再構成するステップ；ドナーから再構成されたＴ細胞選択を、対象へと適用するステップ；および健常ドナーにおけるＴ細胞選択に失格する、対象における逃避Ｔ細胞の数を査定するステップであって、閾値を超える逃避Ｔ細胞の数が、自己免疫疾患または自己免疫障害を有するか、または発症する危険性を指し示す、ステップを含みうる。
対象における、自己免疫疾患を発症する危険性を予測するステップは、対象から回収された試料、および健常ドナーから回収された試料を使用して、対象において再構成されたＴ細胞を、健常ドナーにおいて再構成されたＴ細胞と比較することを含みうる。
本明細書で使用される、「試料」または「生体試料」は、対象からの回収が可能であり、試料の供給源の含有物または組成を表し、その全体において検討され、対象におけるＴ細胞選択を再構成するのに使用されうる、任意の「生物学的検体」を指すことが意図される。試料は、回収され、解析のために、直接加工される場合もあり、または解析が完了するまで、試料の品質を維持するのに、適正である、保管条件下で保管される場合もある。保管試料は、新規回収検体と同等を維持することが理想的である。試料の供給源は、内臓の場合もあり、静脈の場合もあり、動脈の場合もあり、なおまたは体液の場合もある。試料の非限定例は、血液、血漿、尿、唾液、汗、臓器生検、および脳脊髄液（ＣＳＦ）を含む。ある特定の実施形態では、試料は、末梢血試料または組織試料である。
本明細書で使用される、「健常ドナー」という用語は、対象の遺伝学的血縁者などのＨＬＡマッチ健常ドナー；対象本人、または複数の非ＨＬＡマッチ健常ドナーを含みうる。同じ個体は、対象であり、かつ健常であるドナー、例えば、個体が、自己免疫疾患であることが疑われる疾患または状態の、任意の症状を経る前の時点において、個体から回収された試料であることが可能であり、試料は、健常ＨＬＡマッチドナーに由来する試料として使用され、回収された試料が、対象に由来する試料として使用されうる時点である、個体が、症状を経験し始めた後の時点において、個体において回収された試料と比較されうる。例えば、試料は、保存血など、疾患の任意の症状の発生の前に回収された、対象に由来する生物学的検体でありうる。生物学的検体はまた、免疫チェックポイント阻害剤療法の前に回収される場合もある。
ＨＬＡマッチ健常ドナーの非存在下では、試料は、ＨＬＡがマッチしない、複数の健常ドナーから回収される場合があり、Ｔ細胞選択についての解析は、各健常ドナーのＨＬＡ状態を考慮に入れることによりなされうる。
単一の健常ドナーから再構成されたＴ細胞選択を、対象へと適用する場合、健常ドナーは、ＨＬＡマッチ健常ドナーでありうる。このような場合に、健常ドナーから再構成されたＴ細胞選択を、対象へと適用するステップは、健常ドナーに由来する試料中のＴ細胞受容体（ＴＣＲβ）遺伝子をシーケンシングすること、対象に由来する試料中のＴＣＲβ遺伝子をシーケンシングすること、および各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。
代替的に、利用可能なＨＬＡマッチドナーの非存在下で、対象におけるＴ細胞選択を再構成する場合、複数の健常ドナーが使用される場合があり、複数の健常ドナーは、非ＨＬＡマッチ健常ドナーでありうる。このような場合に、複数の健常ドナーにおけるＴ細胞選択を再構成し、これを、対象へと適用するステップは、ａ）各ドナーに由来する試料中のＴＣＲβ遺伝子、および対象に由来する試料中のＴＣＲβ遺伝子をシーケンシングすること、ｂ）各ドナーおよび対象のＨＬＡ型を決定すること、または各ドナーおよび対象について、ＭＨＣ遺伝子をシーケンシングすること、ｃ）ドナーまたは対象のＨＬＡ型により、各ＴＣＲβ遺伝子にタグ付けすること、およびｄ）ＨＬＡタグを、各ＴＣＲβ遺伝子についての、さらなる特徴として使用して、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。
本明細書で記載される機械学習システムを使用して、ドナーにおけるＴ細胞選択を再構成し、これを、対象へと適用するステップは、生産的ＴＣＲβ遺伝子が、修復ＴＣＲβ遺伝子として誤分類されたＴ細胞である、逃避Ｔ細胞を同定するのに使用されうる。すなわち、システムは、健常ドナーにおけるＴ細胞選択に失格するが、対象におけるＴ細胞選択に合格する、対象におけるＴ細胞（すなわち、対象におけるＴＣＲβを同定することにより）を同定しうる。Ｔ細胞選択に失格することになるＴ細胞は、自己抗原に強く結合するので、対象において、自己免疫反応を誘導する可能性が高く、ある特定の閾値を上回る、Ｔ細胞選択に失格することになる（が、消失させられない）Ｔ細胞の数は、対象が、自己免疫反応を誘導する可能性が高い、多くのＴ細胞を有し、したがって、自己免疫疾患または自己免疫状態を有するか、または発症する危険性があることを指し示しうる。
自己免疫疾患および自己免疫障害
免疫系とは、疾患に対して防御する、生物内の、生物学的構造および生物学的過程のシステムである。このシステムは、身体を、病原体、および他の外来的物質から防御し、感染細胞および悪性細胞を破壊し、細胞破砕物を除去する、相互作用性の細胞、細胞産物、および細胞形成組織による、散在性の、複雑なネットワークである：システムは、胸腺、脾臓、リンパ節およびリンパ組織、幹細胞、白血球、抗体、ならびにリンホカインを含む。Ｂ細胞またはＢリンパ球は、適応免疫系のうちの、体液性免疫におけるリンパ球の種類であり、免疫監視のために重要である。Ｔ細胞またはＴリンパ球は、細胞媒介性免疫において、中心的な役割を果たすリンパ球の種類である。Ｔ細胞の、２つの主要な亜型：キラーＴ細胞およびヘルパーＴ細胞が存在する。加えて、免疫応答のモジュレーティングにおいて役割を有するサプレッサーＴ細胞が存在する。キラーＴ細胞が、クラスＩ ＭＨＣ分子へとカップリングされた抗原だけを認識するのに対し、ヘルパーＴ細胞は、クラスＩＩ ＭＨＣ分子へとカップリングされた抗原だけを認識する。これらの２つの抗原提示の機構は、Ｔ細胞の２つの種類の、異なる役割を反映する。第３の副次的亜型は、ＭＨＣ受容体に結合していない無傷抗原を認識するガンマ／デルタＴ細胞（γδ Ｔ細胞）である。γδ Ｔ細胞は、それらの表面上に、顕著に異なるＴ細胞受容体（ＴＣＲ）を有するＴ細胞である。ＴＣＲが、α（アルファ）ＴＣＲ鎖およびβ（ベータ）ＴＣＲ鎖と呼ばれる、２つの糖タンパク質鎖から構成された、αβ（アルファ／ベータ）Ｔ細胞である、大半のＴ細胞と異なり、γδ Ｔ細胞は、ＴＣＲが、１つのγ（ガンマ）鎖と、１つのδ（デルタ）鎖とから構成されている。γδ Ｔ細胞は、通例、αβ Ｔ細胞ほど一般的ではないが、腸粘膜内の、上皮内リンパ球（ＩＥＬ）として公知のリンパ球集団内では、それらの存在度は最高度となる。γδ Ｔ細胞を活性化させる抗原分子は、大部分が未知であり、抗原プロセシング、および主要組織適合性複合体（ＭＨＣ）による、ペプチドエピトープの提示を要求しないと考えられるが、一部のγδ Ｔ細胞は、ＭＨＣクラスＩｂ分子を認識する。γδ Ｔ細胞は、脂質抗原の認識において、顕著な役割を果たすと考えられる。これに対し、Ｂ細胞抗原特異的受容体は、Ｂ細胞表面上の抗体分子であり、抗原プロセシングを必要とせずに、全病原体を認識する。Ｂ細胞の各系統は、異なる抗体を発現するので、Ｂ細胞抗原受容体の完全なセットは、身体が産生しうる、全ての抗体を表す。
「免疫応答」という用語は、抗原に対する統合的身体応答を指し、細胞性免疫応答を指す場合もあり、細胞性免疫応答ならびに体液性免疫応答を指す場合もある。免疫応答は、防御的／防止的／予防的な場合もあり、かつ／または治療的な場合もある。
「細胞性免疫応答」、「細胞応答」、「抗原に対する細胞応答」、または同様の用語は、クラスＩ ＭＨＣまたはクラスＩＩ ＭＨＣによる抗原の提示により特徴づけられる細胞へと方向付けられた細胞応答を含むことが意図される。細胞応答は、「ヘルパー」または「キラー」として作用する、Ｔ細胞またはＴリンパ球と呼ばれる細胞に関する。ヘルパーＴ細胞（ＣＤ４＋Ｔ細胞ともまた称する）は、免疫応答を調節することにより、中心的な役割を果たし、キラー細胞（細胞傷害性Ｔ細胞、細胞溶解性Ｔ細胞、ＣＤ８＋Ｔ細胞、またはＣＴＬともまた称する）は、がん細胞などの罹患細胞を死滅させ、さらなる罹患細胞の産生を防止する。
本発明の文脈における、「免疫反応性細胞」、「免疫細胞」、または「免疫エフェクター細胞」という用語は、免疫反応時に、エフェクター機能を及ぼす細胞に関する。「免疫反応性細胞」は、抗原または抗原の提示により特徴づけられる細胞、または抗原に由来する抗原ペプチドに結合し、免疫応答を媒介することが可能でありうる。例えば、このような細胞は、サイトカインおよび／またはケモカインを分泌し、抗体を分泌し、がん性細胞を認識し、任意選択で、このような細胞を消失させる。例えば、免疫反応性細胞は、Ｔ細胞（細胞傷害性Ｔ細胞、ヘルパーＴ細胞、腫瘍浸潤性Ｔ細胞）、Ｂ細胞、ナチュラルキラー細胞、好中球、マクロファージ、および樹状細胞を含む。
本明細書で使用される、「自己免疫障害」または「自己免疫疾患」は、免疫系の機能不全により特徴づけられる、任意の医学的状態を指す場合がある。自己免疫疾患は、体内で正常に存在する物質および組織に対して反応性（自己免疫性）であることが可能な、自己反応性Ｔ細胞および自己反応性Ｂ細胞の、異常な活性化および増殖により特徴づけられる。自己抗原反応性は、組織に対する損傷または組織の破壊を誘導する場合もあり、臓器増殖の変更を誘導する場合もあり、かつ／または臓器機能の変更を誘導する場合もある。これらの障害は、いくつかの異なる方式で特徴づけられうる：罹患した免疫系の構成要素により特徴づけられる場合があり；免疫系が、過剰反応性であるのか、過小反応性であるのかにより特徴づけられる場合があり；状態が、先天性であるのか、後天性であるのかにより特徴づけられる場合がある。自己免疫疾患の根底的病態生理についての主要な理解は、自己免疫疾患にわたる、顕著な程度の遺伝子共有を同定した、ゲノムワイド関連スキャンの適用による。
自己免疫障害は、急性播種性脳脊髄炎（ＡＤＥＭ）、アジソン病、無ガンマグロブリン血症、円形脱毛症、筋委縮性側索硬化症（別称：ルー・ゲーリック病）、強直性脊椎炎、抗リン脂質症候群、抗合成酵素症候群、アトピー性アレルギー、アトピー性皮膚炎、自己免疫性再生不良性貧血、自己免疫性心筋症、自己免疫性腸症、自己免疫性溶血性貧血、自己免疫性肝炎、自己免疫性内耳疾患、自己免疫性リンパ増殖性症候群、自己免疫性膵炎、自己免疫性末梢神経障害、自己免疫性多内分泌腺症候群、自己免疫性プロゲステロン皮膚炎、自己免疫性血小板減少性紫斑病、自己免疫性蕁麻疹、自己免疫性ブドウ膜炎、バロー病／バロー同心性硬化症、ベーチェット病、バージャー病、ビッカースタッフ脳炎、ブラウ症候群、水疱性類天疱瘡、がん、キャッスルマン病、セリアック病、シャーガス病、慢性炎症性脱髄性多発性神経障害、慢性炎症性脱髄性多発性神経障害、慢性閉塞性肺疾患、慢性再発性多発性骨髄炎、チャーグ－ストラウス症候群、瘢痕性類天疱瘡、コーガン症候群、寒冷凝集素症、補体第２成分欠損症、接触性皮膚炎、頭蓋動脈炎、ＣＲＥＳＴ症候群、クローン病、クッシング症候群、皮膚白血球破砕性血管炎、デゴス病、デルカム病、疱疹状皮膚炎、皮膚筋炎、１型糖尿病、びまん皮膚硬化型全身性強皮症、円板状エリテマトーデス、ドレスラー症候群、薬物誘導性ループス、湿疹、子宮内膜症、好酸球性筋膜炎、好酸球性胃腸炎、好酸球性肺炎、後天性表皮水疱症、結節性紅斑、胎児赤芽球症、本態性混合型寒冷グロブリン血症、エバンズ症候群、進行性骨化性線維異形成症、線維化性肺胞炎（または特発性肺線維症）、胃炎、消化器類天疱瘡、糸球体腎炎、グッドパスチャー症候群、移植片対宿主病、グレーブス病、ギラン－バレー症候群、橋本脳症、橋本甲状腺炎、ヘノッホ－シェーンライン紫斑病、妊娠性疱疹、別称：妊娠性類天疱瘡、汗腺膿瘍、Ｈｕｇｈｅｓ－Ｓｔｏｖｉｎ症候群、低ガンマグロブリン血症、特発性炎症性脱髄性疾患、特発性肺線維症、特発性血小板減少性紫斑病、ＩｇＡ腎症、封入体筋炎、間質性膀胱炎、若年性特発性関節炎、別称：若年性関節リウマチ、川崎病、ランバート－イートン筋無力症候群、白血球破砕性血管炎、扁平苔癬、硬化性苔癬、線状ＩｇＡ病、ルポイド肝炎、別称：自己免疫性肝炎、エリテマトーデス、マジード症候群、顕微鏡的大腸炎、顕微鏡的多発血管炎、ミラー－フィッシャー症候群、混合性結合組織疾患、限局性強皮症、ムッカ－ハーベルマン病、別称：急性痘瘡状苔癬状粃糠疹、多発性硬化症、重症筋無力症、筋炎、メニエール病、ナルコレプシー、視神経脊髄炎、神経性筋強直、眼類天疱瘡、オプソクローヌス・ミオクローヌス症候群、オード甲状腺炎、回帰性リウマチ、ＰＡＮＤＡＳ（小児自己免疫性溶連菌関連精神神経障害）、傍腫瘍性小脳変性症、発作性夜間ヘモグロビン尿症（ＰＮＨ）、パリー－ロンバーグ症候群、扁平部炎、パーソネージ－ターナー症候群、尋常性天疱瘡、静脈周囲性脳脊髄炎、悪性貧血、ＰＯＥＭＳ症候群、結節性多発動脈炎、リウマチ性多発筋痛、多発筋炎、原発性胆汁性肝硬変、原発性硬化性胆管炎、進行性炎症性神経障害、乾癬、乾癬性関節炎、赤芽球癆、壊疽性膿皮症、ラスムッセン脳炎、レイノー現象、ライター症候群、再発性多発性軟骨炎、レストレスレッグス症候群、後腹膜線維症、リウマチ熱、関節リウマチ、サルコイドーシス、統合失調症、シュミット症候群、シュニッツラー症候群、強膜炎、強皮症、血清病、シェーグレン症候群、脊椎関節症、スティッフパーソン症候群、スティル病、亜急性細菌性心内膜炎（ＳＢＥ）、スザック症候群、スイート症候群、シデナム舞踏病、交感性眼炎、全身性エリテマトーデス、高安動脈炎、側頭動脈炎、血小板減少症、トロサ－ハント症候群、横断性脊髄炎、潰瘍性大腸炎、未分化脊椎関節症、蕁麻疹様血管炎、血管炎、白斑、ウェゲナー肉芽腫症、ミオパシー、ざ瘡（ＰＡＰＡ）、インターロイキン１受容体アンタゴニスト欠損症（ＤＩＲＡ）、アレルギー反応、クローン病、および痛風を含むがこれらに限定されない。
ある特定の態様では、免疫障害は、関節リウマチ、全身性エリテマトーデス、セリアック病、クローン病、炎症性腸疾患、シェーグレン症候群、リウマチ性多発筋痛、乾癬、多発性硬化症、強直性脊椎炎、１型糖尿病、円形脱毛症、血管炎、側頭動脈炎、グレーブス病、または橋本甲状腺炎である。
本明細書で記載される方法は、対象における自己免疫疾患または自己免疫障害の同定を可能としうる。方法は、このような対象同定の後における、自己免疫疾患または自己免疫障害のための処置の投与をさらに含みうる。
自己免疫障害および自己免疫疾患の処置は、免疫抑制性および／または抗炎症性である、薬剤または薬物を含みうる。薬剤は、例えば、ムロモナブ（muromab）、バシリキシマブ、およびダクリズマブを含む抗体、またはこれらの抗体のうちの１つをコードする核酸でありうる。活性剤として使用されうる、免疫抑制性薬および抗炎症性薬の例は、コルチコステロイド、ロリプラム、カルフォスチン、ＣＳＡＩＤ；インターロイキン１０、グルココルチコイド、サリチル酸、一酸化窒素；デオキシスパガリン（ＤＳＧ）などの核転座阻害剤；イブプロフェン、セレコキシブ、およびロフェコキシブなどの非ステロイド系抗炎症性薬物（ＮＳＡＩＤ）；プレドニゾンまたはデキサメタゾンなどのステロイド；アバカビルなどの抗ウイルス剤；メトトレキサート、レフルノミド、ＦＫ５０６（タクロリムス）などの抗増殖剤；アザチオプリンおよびシクロホスファミドなどの細胞傷害薬；テニダップなどのＴＮＦ－α阻害剤、抗ＴＮＦ抗体、もしくは可溶性ＴＮＦ受容体、およびラパマイシン（シロリムス）、またはこれらの誘導体を含む。疾患が、胸腺のがんである場合、活性剤は、化学療法薬の場合もあり、他の種類の抗がん治療剤の場合もある。
臓器移植に由来する同種免疫を発症する危険性を予測する方法
臓器レシピエントにおける、臓器移植に由来する同種免疫を発症する危険性を予測する方法が提供される。
本明細書で使用される、「同種免疫」（ａｌｌｏｉｍｍｕｎｉｔｙまたはｉｓｏｉｍｍｕｎｉｔｙ）という用語は、同じ種のメンバーに由来する非自己抗原（すなわち、同種抗原（ａｌｌｏａｎｔｉｇｅｎまたはｉｓｏａｎｔｉｇｅｎ））に対する免疫応答を指す場合がある。同種抗原の、２つの主要な種類は、血液型抗原および組織適合性抗原である。同種免疫では、身体は、同種抗原に対する抗体（同種抗体）を創出し、輸血された血液、同種移植組織、および、場合によって、胎児でさえも攻撃する。同種免疫（ａｌｌｏｉｍｍｕｎｅ（ｉｓｏｉｍｍｕｎｅ））応答は、例えば、移植片機能の劣化、または完全な喪失として提示されうる移植片拒絶を結果としてもたらしうる。同種免疫化（ａｌｌｏｉｍｍｕｎｉｚａｔｉｏｎ（ｉｓｏｉｍｍｕｎｉｚａｔｉｏｎ））とは、同種免疫性となる過程、すなわち、初めて、関連する抗体を発生させる過程である。同種免疫は、ドナーの、主に、主要組織適合性複合体遺伝子である、高度に多型性である遺伝子の産生と、移植片レシピエントの同遺伝子の産生との間の差違により引き起こされうる。これらの産生は、移植片に浸潤し、これを損傷する、Ｔリンパ球、および他の単核白血球により認識される。
臓器移植時に、臓器は、ドナーの体内から取り出され、損傷臓器または逸失臓器を置きかえるように、臓器レシピエントの体内へと植え込まれる。移植に成功した臓器は、心臓、腎臓、肝臓、肺、膵臓、腸、胸腺、および子宮を含む。組織は、骨、腱（いずれも、筋骨格移植片と称される）、角膜、皮膚、心弁、神経、および静脈を含む。臓器移植は、臓器レシピエントの身体が、移植された臓器に対する免疫応答を誘導する場合があり、おそらく、移植の失敗をもたらすので、レシピエントに由来する臓器を、速やかに除去する必要がある、移植拒絶などの問題を回避または管理するための、具体的な医学的管理を要求する、困難、かつ、複雑な手順である。可能な場合、移植拒絶は、最も適切なドナー－レシピエントマッチを決定する血清型分析を介して、かつ、免疫抑制薬の使用を介して低減されうる。
本明細書で記載される方法は、臓器レシピエントが、移植片に対する免疫応答（同種免疫応答）を発症する危険性を予測するために使用されうる。方法は、本明細書で記載される機械学習システムを使用して、各Ｔ細胞受容体（ＴＣＲβ）遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することにより、臓器ドナーにおけるＴ細胞選択を再構成するステップ；ドナーから再構成されたＴ細胞選択を、臓器レシピエントへと適用するステップ；および臓器ドナー組織に対して非寛容である臓器レシピエントに由来するＴ細胞の数を決定するステップであって、臓器レシピエントにおける、閾値を超える、非寛容Ｔ細胞の数が、例えば、臓器移植に由来する同種免疫を有するか、または発症する危険性を指し示す、ステップを含みうる。
臓器ドナーにおけるＴ細胞選択を再構成するステップは、本明細書で記載される機械学習システムを使用して、臓器ドナーに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。臓器ドナーから回収された試料は、移植に由来する試料でありうる。代替的に、試料は、末梢血の場合もあり、移植片ではない、別の組織に由来する試料の場合もある。
臓器ドナーから再構成されたＴ細胞選択を、臓器レシピエントへと適用するステップは、臓器レシピエントに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。臓器レシピエントに由来する試料は、末梢血試料の場合もあり、組織試料の場合もある。
本明細書で記載される機械学習システムを使用して、ドナーにおけるＴ細胞選択を再構成し、これを、レシピエントへと適用するステップは、生産的ＴＣＲβ遺伝子が、修復ＴＣＲβ遺伝子として誤分類されたＴ細胞である、逃避Ｔ細胞を同定するのに使用されうる。すなわち、システムは、臓器ドナーにおけるＴ細胞選択に失格する（すなわち、非寛容Ｔ細胞）が、臓器レシピエントにおけるＴ細胞選択に合格することが予測される、臓器レシピエントにおけるＴ細胞（すなわち、臓器レシピエントにおけるＴＣＲβを同定することにより）を同定しうる。臓器レシピエントにおけるＴ細胞選択に失格することになる、非寛容Ｔ細胞は、対象において、同種免疫反応を誘導する可能性が高く、ある特定の閾値を上回る、Ｔ細胞選択に失格することになる（が、消失させられない）Ｔ細胞の数は、対象が、同種免疫反応を誘導する可能性が高い、極めて多くのＴ細胞を有し、したがって、移植臓器の拒絶を有するか、または発症する危険性があることを指し示しうる。すなわち、臓器レシピエントに由来する非寛容Ｔ細胞は、臓器移植片拒絶を駆動する可能性が高い。
本明細書で記載される方法は、臓器移植の後で、同種免疫応答を発症する危険性がある臓器レシピエントの同定を可能としうる。方法は、このような対象の同定の後における、臓器拒絶またはその危険性のための処置の投与をさらに含みうる。
超急性拒絶（移植から数分間以内に生じる）のための処置は存在せず、選択肢は、組織の除去に限られる。慢性拒絶は、不可逆性であると考えられ、再移植が、患者のための、最良の適応であることが多い。急性拒絶は、１つまたは複数の薬剤で処置されうる。
コルチコステロイド（プレドニゾロンまたはヒドロコルチゾン(hypercortisone)など）；カルシニューリン(calcineutine)阻害剤（シクロスポリンまたはタクロリムスなど）；抗増殖剤（アザチオプリンまたはミコフェノール酸など）；ｍＴＯＲ阻害剤（シロリムスまたはエベロリムスなど）の投与を含みうる、免疫抑制性療法の使用にもかかわらず、抗体ベースの処置が投与される場合がある。免疫抑制療法へと追加されうる、選り抜きの免疫構成要素に特異的な抗体は、抗ＩＬ－２Ｒα受容体モノクローナル抗体（バシリキシマブまたはダクリズマブなど）；抗Ｔ細胞ポリクローナル抗体（抗胸腺細胞グロブリン（ＡＴＧ）、または抗リンパ球グロブリン（ＡＬＧ）など）；抗ＣＤ２０モノクローナル抗体（リツキシマブなど）を含みうる。代替的に、移植組織に対して特異的な抗体分子を除去する、免疫抑制療法または抗体療法に対して不応性である症例では、血液移植が適応でありうる。骨髄移植はまた、レシピエントが、拒絶を伴わずに、新たな臓器を受容しうるように、移植レシピエントの免疫系を、ドナーの免疫系で置きかえるのにも使用されうる。
臓器移植または細胞移植に由来する移植片対宿主病（ＧｖＨＤ）を発症する危険性を予測する方法
レシピエントにおける、臓器移植または細胞移植に由来する移植片対宿主病（ＧｖＨＤ）を発症する危険性を予測する方法が提供される。
移植片対宿主病（ＧｖＨＤ）とは、上皮細胞のアポトーシスおよび腺窩の脱落に特異的な、異なる臓器内の炎症により特徴づけられる症候群である。ＧｖＨＤは、一般に、骨髄移植および幹細胞移植と関連する。ＧｖＨＤはまた、固形臓器移植など、移植組織の他の形態にも当てはまる。提供された組織（移植片）内に残存しうる、ドナー免疫系の白血球は、レシピエント（宿主）を、外来（非自己）であると認識しうる。次いで、移植された組織内に存在する白血球は、レシピエントの体内の細胞を攻撃し、これが、ＧｖＨＤをもたらす。
本明細書で記載される方法は、レシピエントが、臓器移植または細胞移植に由来するＧｖＨＤを発症する危険性を予測するために使用されうる。方法は、本明細書で記載される機械学習システムを使用して、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することにより、レシピエントにおけるＴ細胞選択を再構成するステップ；レシピエントから再構成されたＴ細胞選択を、ドナーへと適用するステップ；およびレシピエントに対して非寛容であるドナーに由来するＴ細胞の数を決定するステップであって、ドナーにおける、閾値を超える、非寛容Ｔ細胞の数が、臓器移植または細胞移植に由来するＧｖＨＤを有するか、または発症する危険性を指し示す、ステップを含みうる。
レシピエントにおけるＴ細胞選択を再構成するステップは、本明細書で記載される機械学習システムを使用して、レシピエントに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。レシピエントから回収された試料は、移植に由来する試料でありうる。代替的に、試料は、末梢血の場合もあり、移植片ではない、別の組織に由来する試料の場合もある。
Ｔ細胞選択を、ドナーへと適用するステップは、本明細書で記載される機械学習システムを使用して、ドナーに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。レシピエントに由来する試料は、末梢血試料の場合もあり、組織試料の場合もある。
本明細書で記載される機械学習システムを使用して、レシピエントにおけるＴ細胞選択を再構成し、これを、ドナーへと適用するステップは、生産的ＴＣＲβ遺伝子が、修復ＴＣＲβ遺伝子として誤分類されたＴ細胞である、不適合性Ｔ細胞を同定するのに使用されうる。すなわち、システムは、レシピエントにおけるＴ細胞選択に失格するが、ドナーにおけるＴ細胞選択に合格する（すなわち、非寛容Ｔ細胞）ことが予測される、ドナーにおけるＴ細胞（すなわち、ドナーにおけるＴＣＲβを同定することにより）を同定しうる。レシピエントにおけるＴ細胞選択に失格することになる、非寛容Ｔ細胞は、レシピエントにおいて、同種免疫反応を誘導する可能性が高く、ある特定の閾値を上回る、Ｔ細胞選択に失格することになる（が、消失させられない）Ｔ細胞の数は、移植片が、同種免疫反応を誘導する可能性が高い、極めて多くのＴ細胞を含む可能性が高く、したがって、レシピエントは、ＧｖＨＤを有するか、または発症する危険性があることを指し示しうる。すなわち、ドナーに由来する非寛容Ｔ細胞は、ＧｖＨＤを駆動する可能性が高い。
本明細書で記載される方法は、臓器移植または細胞移植の後で、ＧｖＨＤを発症する危険性があるレシピエントの同定を可能としうる。方法は、このような対象同定の後における、ＧｖＨＤのための処置の投与をさらに含みうる。
ＧｖＨＤの処置は、宿主組織に対する、Ｔ細胞媒介性免疫攻撃を抑制する、プレドニゾンなど、静脈内投与されるグルココルチコイドを含みうる。ＧｖＨＤを処置または予防するための、他の物質は、例えば、メトトレキサートを伴うシクロスポリン、シロリムス、ペントスタチン、エタネルセプト、イブルチニブ、およびアレムツズマブを含みうる。
養子Ｔ細胞療法に由来する同種免疫を発症する危険性を予測する方法
レシピエントにおける、養子Ｔ細胞療法に由来する同種免疫を発症する危険性を予測する方法が提供される。
本明細書で使用される、「養子Ｔ細胞療法」、「操作ＴＣＲ療法」、「ＴＣＲ Ｔ細胞療法」などの用語は、がん細胞を消失させる、対象の免疫系またはドナーの免疫系の細胞の使用に依拠する、細胞性免疫療法を指す場合がある。養子Ｔ細胞療法は、患者の免疫系に、がん細胞を攻撃し、死滅させうるＴ細胞を介して、残存する腫瘍を圧倒する能力を与えようとする試みにおいて、腫瘍特異的Ｔ細胞の分離、およびＴ細胞数の増大を達成する、ｅｘ ｖｉｖｏにおける拡大、ならびにがんを伴う患者への注入を伴う。がん処置のために使用され、腫瘍浸潤リンパ球またはＴＩＬを培養し、１つの特定のＴ細胞またはクローンを単離および増大し、腫瘍を強力に認識および攻撃するように操作されたＴ細胞を使用する、養子Ｔ細胞療法の多くの形態が存在する。養子Ｔ細胞療法は、同種ＣＡＲ Ｔ細胞療法の場合もあり、さらなるＴＣＲにより操作された、同種Ｔ細胞を伴う場合もある。
「がん」という用語は、１つの部位（原発部位）において始まり、他の部位（続発部位、転移）へと、浸潤および拡散する、潜在的可能性を伴い、がん（悪性腫瘍）を、良性腫瘍から差別化する、異常かつコントロール不能の細胞増殖により特徴づけられる疾患群を指す。事実上全ての臓器に罹患する可能性があり、ヒトに罹患しうる、１００種類を超えるがんをもたらす。がんは、遺伝的素因、ウイルス感染、イオン化放射線への曝露、環境汚染物質への曝露、煙草および／またはアルコールの使用、肥満、栄養失調、身体活動の欠如、またはこれらの任意の組合せを含む、多くの原因から生じうる。本明細書で使用される、それらの文法的変化形を含む、「新生物」または「腫瘍」は、良性の場合もあり、がん性の場合もある、新規かつ異常な組織の増殖を意味する。関連する態様では、新生物は、多様ながんを含むがこれらに限定されない、新生物性疾患または新生物性障害を指し示す。例えば、このようながんは、前立腺がん、胆管がん、結腸がん、直腸がん、肝がん、腎がん、肺がん、精巣がん、乳がん、卵巣がん、膵がん、脳がん、および頭頸部がん、黒色腫、肉腫、多発性骨髄腫、白血病、リンパ腫などを含みうる。
骨髄または免疫系細胞などの造血組織内で発症するがんは、血液がん（ｈｅｍａｔｏｌｏｇｉｃ ｃａｎｃｅｒまたはｂｌｏｏｄ ｃａｎｃｅｒ）と称される。血液がんは、血液細胞の産生および機能に影響を及ぼし、３つの主要な種類：白血病、リンパ腫、および多発性骨髄腫に分類される。
本明細書で使用される、「白血病」とは、異常な白血球の、急速な産生により引き起こされる血液を指す。白血病の例は、急性リンパ芽球性白血病（ＡＬＬ）、急性骨髄性白血病（ＡＭＬ）、慢性リンパ性白血病、慢性骨髄性白血病、および有毛細胞白血病を含む。本明細書で使用される、「リンパ腫」とは、リンパ系に影響を及ぼす、血液がんの種類を指す。リンパ腫の例は、ＡＩＤＳ関連リンパ腫、皮膚Ｔ細胞リンパ腫、ホジキンリンパ腫、ホジキンリンパ腫、菌状息肉腫、非ホジキンリンパ腫、原発性中枢神経系リンパ腫、セザリー症候群、皮膚Ｔ細胞リンパ腫、およびワルデンシュトレームマクログロブリン血症を含む。本明細書で使用される、「骨髄腫」とは、形質細胞のがんである。骨髄腫の例は、慢性骨髄増殖性新生物、ランゲルハンス細胞組織球症、多発性骨髄腫、形質細胞新生物、骨髄異形成症候群、および骨髄異形成性／骨髄増殖性新生物を含む。
本明細書で記載される方法は、レシピエントにおける、養子Ｔ細胞療法に由来する同種免疫を発症する危険性を予測するために使用されうる。方法は、本明細書で記載される機械学習システムを使用して、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することにより、レシピエントにおけるＴ細胞選択を再構成するステップ；レシピエントにおいて再構成されたＴ細胞選択を、ドナーＴ細胞へと適用するステップ；およびレシピエントに対して非寛容であるドナーに由来するＴ細胞の数を決定するステップであって、ドナーにおける、閾値を超える、非寛容Ｔ細胞の数が、養子Ｔ細胞療法に由来する同種免疫を有するか、または発症する危険性を指し示す、ステップを含みうる。ドナーは、レシピエントと同一人物の場合もあり、異なる人物の場合もある。
レシピエントにおけるＴ細胞選択を再構成するステップは、本明細書で記載される機械学習システムを使用して、ドナーに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。試料は、例えば、ｅｘ ｖｉｖｏにおいて、細胞を拡大する前に回収された、末梢血試料または組織試料でありうる。
Ｔ細胞選択を、ドナーへと適用するステップは、本明細書で記載される機械学習システムを使用して、ドナーに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。試料は、末梢血または組織でありうる。
非寛容Ｔ細胞は、生産的ＴＣＲβ遺伝子が、修復ＴＣＲβ遺伝子として誤分類されたＴ細胞でありうる。非寛容Ｔ細胞は、レシピエントにおけるＴ細胞選択に失格することが予測される、ドナーに由来するＴ細胞でありうる。非寛容Ｔ細胞は、レシピエントにおける同種免疫を駆動する可能性が高い、ドナーに由来するＴ細胞でありうる。養子Ｔ細胞療法に由来する同種免疫は、レシピエントの細胞および組織に対する、ドナーＴ細胞からの、所望されない免疫攻撃を含みうる。試料は、末梢血試料の場合もあり、組織試料の場合もある。
本明細書で記載される方法は、養子Ｔ細胞療法に由来する同種免疫を発症する危険性があるレシピエントの同定を可能としうる。方法は、このような対象同定の後における、抗がん処置の投与をさらに含みうる。
本明細書で使用される、「抗がん治療」または「抗がん処置」という用語は、手術、放射線治療、化学療法、免疫療法、およびチェックポイント阻害剤療法など、がんを処置するのに使用されうる、任意の処置を指すことが意図される。
化学療法の例は、（ｉ）ビンカアルカロイド（ビンブラスチン、ビンクリスチン、ビンフルニン、ビンデシン、およびビノレルビン）、タキサン（カバジタキセル、ドセタキセル、ラロタキセル、オルタタキセル、パクリタキセル、およびテセタキセル）、エポチロン（イキサベピロン）、およびポドフィロトキシン（エトポシドおよびテニポシド）を含む、抗微小管剤、（ｉｉ）葉酸拮抗剤（アミノプテリン、メトトレキサート、ペメトレキセド、プララトレキセート、およびラルチトレキセド）、およびデオキシヌクレオシド類似体（アザシチジン、カペシタビン、カルモフール、クラドリビン、クロファラビン、シタラビン、デシタビン、ドキシフルリジン、フロクスウリジン、フルダラビン、フルオロウラシル、ゲムシタビン、ヒドロキシカルバミド、メルカプトプリン、ネララビン、ペントスタチン、テガフール、およびチオグアニン）を含む、代謝拮抗剤、（ｉｉｉ）トポイソメラーゼＩ阻害剤（ベロテカン、カンプトテシン、コシテカン、ギマテカン、エキサテカン、イリノテカン、ルルトテカン、シラテカン、トポテカン、およびルビテカン）、およびトポイソメラーゼＩＩ阻害剤（アクラルビシン、アムルビシン、ダウノルビシン、ドキソルビシン、エピルビシン、エトポシド、イダルビシン、メルバロン、ミトキサントロン、ノボビオシン、ピラルビシン、テニポシド、バルルビシン、およびゾルビシン）を含む、トポイソメラーゼ阻害剤、（ｉｖ）窒素マスタード（ベンダムスチン、ブスルファン、クロランブシル、シクロホスファミド、エストラムスチンリン酸塩、イフォサミド、メクロレタミン、メルファラン、プレドニムスチン、トロホスファミド、およびウラムスチン）、ニトロソウレア（カルムスチン（ＢＣＮＵ）、ホテムスチン、ロムスチン（ＣＣＮＵ）、Ｎ－ニトロソ－Ｎ－メチルウレア（ＭＮＵ）、ニムスチン、ラニムスチンセムスチン（ＭｅＣＣＮＵ）、およびストレプトゾトシン）、白金ベースアルキル化剤（シスプラチン、カルボプラチン、ジシクロプラチン、ネダプラチン、オキサリプラチン、およびサトラプラチン）、アジリジン（カルボコン、チオテパ、マイトマイシン、ジアジコン（ＡＺＱ）、トリアジコン、およびトリエチレンメラミン）、スルホン酸アルキル（ブスルファン、マンノスルファン、およびトレオスルファン）、非古典的アルキル化剤（ヒドラジン、プロカルバジン、トリアゼン、ヘキサメチルメラミン、アルトレタミン、ミトブロニトール、およびピポブロマン）、テトラジン（ダカルバジン、ミトゾロミド、およびテモゾロミド）を含む、アルキル化剤、（ｖ）ドキソルビシンおよびダウノルビシン（これらの化合物の誘導体は、エピルビシンおよびイダルビシンを含む）；ピラルビシン、アクラルビシン、およびミトキサントロン、ブレオマイシン、マイトマイシンＣ、ミトキサントロン、およびアクチノマイシンを含む、アントラサイクリン剤、（ｖｉ）ＦＩ阻害剤（チピファルニブ）、ＣＤＫ阻害剤（アベマシクリブ、アルボシジブ、パルボシクリブ、リボシクリブ、およびセリシクリブ）、ＰｒＩ阻害剤（ボルテゾミブ、カルフィルゾミブ、およびイキサゾミブ）、ＰｈＩ阻害剤（アナグレリド）、ＩＭＰＤＩ阻害剤（ジアゾフリン）、ＬＩ阻害剤（マソプロコール）、ＰＡＲＰ阻害剤（ニラパリブ、オラパリブ、ルカパリブ）、ＨＤＡＣ阻害剤（ベリノスタット、パノビノスタット、ロミデプシン、ボリノスタット）、およびＰＩＫＩ阻害剤（イデラリシブ）を含む、酵素阻害剤、（ｖｉｉ）ＥＲＡ受容体アンタゴニスト（アトラセンタン）、レチノイドＸ受容体アンタゴニスト（ベキサロテン）、性ステロイド受容体アンタゴニスト（テストラクトン）を含む、受容体アンタゴニスト剤、（ｖｉｉｉ）アムサクリン、トラベクテジン、レチノイド（アリトレチノイン、トレチノイン）、三酸化ヒ素、アスパラギン枯渇剤（アスパラギナーゼ／ペグアスパラガーゼ）、セレコキシブ、デメコルシン、エレスクロモール、エルサミトルシン、エトグルシド、ロニダミン、ルカントン、ミトグアゾン、ミトタン、オブリメルセン、オマセタキシン、メペスクシネート、およびエリブリンを含む、未分類薬剤を含むがこれに限定されない、化学療法剤、細胞傷害性、または抗新生物剤による処置を含む。
レシピエントにおける、操作Ｔ細胞受容体（ＴＣＲ）療法の適合性を予測する方法
レシピエントにおける、操作Ｔ細胞受容体（ＴＣＲ）療法の適合性を予測する方法が提供される。
方法は、本明細書で記載される機械学習システムを使用して、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することにより、レシピエントにおけるＴ細胞選択を再構成するステップ；レシピエントから再構成されたＴ細胞選択を、操作ＴＣＲβ遺伝子へと適用するステップ；および操作ＴＣＲβが、レシピエントに対して非寛容であるのかどうかを決定するステップを含みうる。
レシピエントにおけるＴ細胞選択を再構成するステップは、レシピエントに由来する試料中のＴ細胞受容体（ＴＣＲβ）遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。レシピエントに由来するＴ細胞選択を、操作ＴＣＲβへと適用するステップは、操作ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含みうる。非寛容操作ＴＣＲβ遺伝子は、修復ＴＣＲβ遺伝子として誤分類された生産的ＴＣＲ遺伝子でありうる。非寛容操作ＴＣＲβは、レシピエントにおけるＴ細胞選択に失格することが予測される。非寛容操作ＴＣＲは、レシピエントにおいて、同種免疫を駆動する可能性が高い。操作ＴＣＲ療法に由来する同種免疫は、レシピエントの細胞および組織に対する、ドナーＴ細胞からの、所望されない免疫攻撃を含みうる。試料は、末梢血試料の場合もあり、組織試料の場合もある。
自己免疫疾患または自己免疫障害を発症する危険性を予測する方法
対象における、自己免疫疾患または自己免疫障害を発症する危険性を予測する方法が提供される。
方法は、本明細書で記載される機械学習システムを使用して、各Ｂ細胞受容体（ＢＣＲ）遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することにより、ドナーにおけるＢ細胞選択を再構成するステップ；および対象における逃避Ｂ細胞の数を査定するステップであって、閾値を超える逃避Ｂ細胞の数が、自己免疫疾患または自己免疫障害を有するか、または発症する危険性を指し示す、ステップを含みうる。
ドナーにおけるＢ細胞選択を再構成するステップは、ドナーに由来する試料中のＢ細胞受容体（ＢＣＲ）遺伝子をシーケンシングすることを含みうる。ドナーから再構成されたＢ細胞選択を、対象へと適用するステップは、対象の各ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することを含みうる。逃避Ｂ細胞は、生産的ＢＣＲ遺伝子が、修復ＢＣＲ遺伝子として誤分類されたＢ細胞でありうる。試料は、末梢血試料の場合もあり、組織試料の場合もある。
抗体薬の安全性を予測する方法
対象における抗体薬の安全性を予測する方法が提供される。
本明細書で使用される、「抗体薬の安全性」という用語は、抗体を含む薬物の毒性またはその欠如を指す場合がある。「抗体」（Ａｂ）および「免疫グロブリン」（Ｉｇ）は、同じ構造特徴を有する糖タンパク質である。抗体が、特異的抗原に対する結合特異性を呈するのに対し、免疫グロブリンは、抗体、および抗原特異性を欠く、他の抗体様分子の両方を含む。自己抗原と、余りに強く反応する抗体が、除去されうることを確保するように、対象における抗体産生を調節する、天然経路が存在する。しかし、所与の対象において、自己抗原に結合する抗体薬を予測し、予期する手段は存在しない。
本明細書で使用される、「抗体」は、供給源、種の由来、産生法、および特徴にかかわらず、抗原結合性部位を含む、任意のポリペプチドを包含する。抗体は、ポリクローナル抗体、モノクローナル抗体、多特異性抗体、ヒト抗体、ヒト化抗体、またはキメラ抗体、単鎖抗体、および抗体断片を含むがこれに限定されない、天然抗体または人工抗体、一価抗体または多価抗体を含む。「抗体断片」は、無傷抗体の抗原結合性領域または可変領域など、無傷抗体の部分を含む。抗体断片の例は、Ｆａｂ断片、Ｆａｂ’断片、およびＦ（ａｂ’）２断片、Ｆｃ断片またはＦｃ融合生成物、単鎖Ｆｖ（ｓｃＦｖ）、ジスルフィド連結Ｆｖ（ｓｄｆｖ）、およびＶＬドメインまたはＶＨドメインを含む断片；ダイアボディー、トリボディーなど（Ｚａｐａｔａら、Ｐｒｏｔｅｉｎ Ｅｎｇ．、８（１０）：１０５７～１０６２［１９９５］）を含む。
本明細書で使用される、「抗体」という用語は、免疫グロブリン分子、および免疫グロブリン分子の免疫活性部分、すなわち、抗原に免疫特異的に結合する抗原結合性部位を含有する分子を指す。「天然抗体」および「無傷免疫グロブリン」などは、通例、２つの同一な軽（Ｌ）鎖と、２つの同一な重（Ｈ）鎖とから構成される、約１５０，０００ダルトンの、ヘテロ四量体の糖タンパク質である。任意の脊椎動物種に由来する軽鎖は、それらの定常ドメインのアミノ酸配列に基づき、カッパ（κ）およびラムダ（λ）と呼ばれる、２つの顕著に異なる種類のうちの１つへと割り当てられうる。それらの重鎖の定常ドメインのアミノ酸配列に応じて、免疫グロブリンは、異なるクラスへと割り当てられうる。免疫グロブリンの５つの主要なクラス：ＩｇＡ、ＩｇＤ、ＩｇＥ、ＩｇＧ、およびＩｇＭが存在し、これらのクラスのうちのいくつかは、サブクラス（アイソタイプ）、例えば、ＩｇＧ１、ＩｇＧ２、ＩｇＧ３、ＩｇＧ４、ＩｇＡ、およびＩｇＡ２へとさらに分けられうる。免疫グロブリンの異なるクラスに対応する、重鎖定常ドメインは、それぞれ、α、δ、ε、γ、およびμと呼ばれる。免疫グロブリンの異なるクラスの、サブユニット構造および三次元構成については周知である。
無傷抗体は、抗体のＦｃ領域（天然配列によるＦｃ領域、もしくはアミノ酸配列変異体によるＦｃ領域、または他の任意の改変Ｆｃ領域）に帰せられる生体活性を指す、１つまたは複数の「エフェクター機能」を有しうる。抗体エフェクター機能の例は、Ｃ１ｑへの結合；補体依存性細胞傷害作用；Ｆｃ受容体への結合；抗体依存性細胞媒介性細胞傷害作用（ＡＤＣＣ）；食作用；細胞表面受容体（例えば、Ｂ細胞受容体（ＢＣＲ））の下方調節；および抗原提示細胞または樹状細胞による、抗原の交差提示を含む。
各軽鎖は、１つの共有結合的ジスルフィド結合により、重鎖へと連結されるが、ジスルフィド結合の数は、異なる免疫グロブリンアイソタイプの重鎖間で変動する。各重鎖および各軽鎖はまた、規則的に隔てられた、鎖内ジスルフィド架橋も有する。各重鎖は、一方の末端において、可変ドメイン（ＶＨ）に続いて、多数の定常ドメインを有する。各軽鎖は、一方の末端において、可変ドメイン（ＶＬ）を有し、他方の末端において、定常ドメインを有し；軽鎖の定常ドメインは、重鎖の第１の定常ドメインと連携させられ、軽鎖可変ドメインは、重鎖の可変ドメインと連携させられる。特定のアミノ酸残基は、軽鎖可変ドメインと、重鎖可変ドメインとの接触面を形成すると考えられる。各可変領域は、相補性決定領域（ＣＤＲ）または超可変領域と呼ばれる、３つのセグメントを含み、可変ドメインのうちの、より高度に保存的な部分は、フレームワーク領域（ＦＲ）と呼ばれる。重鎖および軽鎖の可変ドメインは、各々、βシート構造を接続し、場合によって、βシート構造の一部を形成する、ループを形成する、３つのＣＤＲにより接続された、βシートの立体構造を取ることが大半である、４つのＦＲ領域を含む。各鎖内のＣＤＲは、ＦＲ領域により、他の鎖に由来するＣＤＲと、近接して、一体に保持され、抗体の抗原結合部位の形成に寄与する（Ｋａｂａｔら、ＮＩＨ刊行物番号第９１－３２４２号、Ｉ巻、６４７～６６９頁［１９９１］を参照されたい）。定常ドメインは、抗体の、抗原への結合に、直接は関与せず、抗体の、抗体依存性細胞性細胞傷害作用への参与など、多様なエフェクター機能を呈する。
「抗原」は、免疫応答を誘発する、任意の物質でありうる。特に、「抗原」は、抗体またはＴリンパ球（Ｔ細胞）と特異的に反応する、ペプチドまたはタンパク質など、任意の物質に関する。「抗原」という用語は、少なくとも１つのエピトープを含む、任意の分子を含みうる。本開示の文脈における抗原は、任意選択で、プロセシングの後に、免疫反応を誘導する分子である。免疫反応のための候補物質である、任意の適切な抗原を使用することができ、この場合、免疫反応は、細胞性免疫反応でありうる。ある特定の実施形態の文脈では、抗原は、ＭＨＣ分子の文脈では、罹患細胞、特に、がん細胞を含む、抗原提示細胞により提示され、これは、抗原に対する免疫反応を結果としてもたらす。抗原は、天然に存在する抗原に対応する生成物の場合もあり、これに由来する生成物の場合もある。このような天然に存在する抗原は、腫瘍抗原を含む。
「結合アフィニティー」という用語は、一般に、分子（例えば、抗体）の、単一の結合性部位と、その結合性パートナーとの間の、非共有結合的相互作用全体の合計強度を指す。当技術分野では、結合アフィニティーまたは結合活性を測定する、様々な方法が公知であり、これらのいずれもが、本方法の目的で使用されうる。例示的な具体的実施形態は、以下に記載される。
本明細書で使用される、「特異的結合」とは、所定の抗原に結合する抗体を指す。典型的に、抗体は、約１０－８Ｍまたはこれ未満のＫＤに対応するアフィニティーで結合し、所定の抗原に、所定の抗原または近縁の抗原以外の非特異的抗原（例えば、ＢＳＡ、カゼイン）への結合についての、そのアフィニティーの、少なくとも１０分の１未満であり、少なくとも１００分の１未満でありうるアフィニティー（ＫＤにより表される）で結合する。代替的に、抗体は、約１０６Ｍ－１、もしくは約１０７Ｍ－１、もしくは約１０８Ｍ－１、もしくは１０９Ｍ－１またはこれらを超えるＫＡに対応するアフィニティーで結合することが可能であり、所定の抗原に、所定の抗原または近縁の抗原以外の非特異的抗原（例えば、ＢＳＡ、カゼイン）への結合についての、そのアフィニティーの、少なくとも１０倍超、または、少なくとも１００倍超であるアフィニティー（ＫＡにより表される）で結合する。
本明細書で使用される、「ｋｄ」（秒－１）という用語は、特定の抗体－抗原相互作用についての解離速度定数を指すことが意図される。この値はまた、オフ値とも称される。本明細書で使用される、「ＫＤ」（Ｍ－１）という用語は、特定の抗体－抗原相互作用についての解離平衡定数を指すことが意図される。
本明細書で使用される、「ｋａ」（Ｍ－１秒－１）という用語は、特定の抗体－抗原相互作用についての会合速度定数を指すことが意図される。本明細書で使用される、「ＫＡ」（Ｍ）という用語は、特定の抗体－抗原相互作用についての会合平衡定数を指すことが意図される。
方法は、本明細書で記載される機械学習システムを使用して、対象の各Ｂ細胞受容体（ＢＣＲ）遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することにより、対象におけるＢ細胞選択を再構成するステップ；および抗体薬をコードするＢＣＲ遺伝子が、対象の自己抗原に対して寛容であるのかどうかを決定するステップであって、抗体薬をコードする寛容ＢＣＲ遺伝子が、生産的ＢＣＲ遺伝子として、適正に分類されたＢＣＲ遺伝子である、ステップを含みうる。
Ｂ細胞と、Ｔ細胞との類似性のために、Ｂ細胞選択は、Ｔ細胞を再構成するための方法を使用して、コンピュータにより再構成されうる。Ｂ細胞と、Ｔ細胞との、関連の差違は、
・発生期Ｂ細胞は、それらのＤＮＡを、Ｖ（Ｄ）Ｊ組換えにより編集して、デノボのＢ細胞受容体（ＢＣＲ）遺伝子をアセンブルする（Ｔ細胞が、ＴＣＲ遺伝子をアセンブルするのと同様である）こと、
・Ｂ細胞選択は、骨髄中で生じ、Ｂ細胞が、成熟に到達する前に、脾臓内で生じる、さらなるステップを要求する。これに対し、Ｔ細胞は、胸腺内で、Ｔ細胞選択を経ること、
・Ｂ細胞は、Ｂ細胞選択時に、ＭＨＣ分子を認識するように要求されないため、Ｂ細胞は、ＭＨＣ分子と独立に、抗原に結合する。これに対し、Ｔ細胞は、Ｔ細胞選択時に、ＭＨＣ分子を認識するように要求されること、
・自己抗原に対するアフィニティーが過大であり、陰性選択に失格する、発生期Ｂ細胞は、（ｉ）欠失させられるか、（ｉｉ）それらのＢＣＲ遺伝子を再編集することを可能とされるか、または（ｉｉｉ）アネルギー状態に置かれる。Ｂ細胞選択は、健常細胞上および健常組織上の自己抗原に対する免疫攻撃を駆動しうる、Ｂ細胞を除去し、抑制し、残存Ｂ細胞が、自己免疫疾患を駆動しないことを確保する一助となること、
・抗原を認識する、成熟Ｂ細胞は、場合によって、それらのＢＣＲ遺伝子のＤＮＡをさらに編集することが可能とされ、体細胞超突然変異（ＳＨＭ）として公知である、さらなる遺伝子変更を蓄積する。ＳＨＭは、自己抗原に対するアフィニティーがより大きな、新たなＢＣＲを結果としてもたらしうること、
・コンピュータにより、Ｂ細胞選択を再構成する場合、ナイーブＢ細胞は、抗原により認識されておらず、したがって、ＳＨＭを蓄積していないため、ナイーブＢ細胞が使用されうる。これは、ＳＨＭを考慮に入れる必要なしに、Ｂ細胞選択に焦点を当てる（例えば、対象に由来する試料中のＢ細胞受容体（ＢＣＲ）遺伝子をシーケンシングし、対象の各ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類すること）を可能とする。代替的に、ナイーブＢ細胞を使用せずに、全てのＢ細胞が使用される場合もあり、ＳＨＭＳを含有する、全てのＢＣＲ配列が除去されうること、
・機械学習は、Ｃ５７ＢＬ／６マウスに由来する、ナイーブＢ細胞からシーケンシングされた、修復ＢＣＲ重鎖（ＢＣＲＨ）を、生産的ＢＣＲＨから弁別するのに使用される。本発明者らのテストセットを表す、固有のホールドアウトＢＣＲＨに対して、モデルは、８３．３％のバランスがとれた分類精度を達成する。生産的ＢＣＲＨについての感度は、９１．２％であり、特異度は、７５．３％である。本発明者らのモデルの多様な分類閾値についての真陽性率を、偽陽性率と対比した、受信者動作特性（ＲＯＣ）曲線として公知のプロットは、曲線下面積（ＡＵＣ）が、０．９１である、
・Ｂ細胞選択を経ておらず、修復ＢＣＲ遺伝子と同様に分類され、本方法が、Ｂ細胞選択の一部の態様を再構成しうることを確認するプレＢ細胞、
・Ｂ細胞は、形質細胞へと分化させられ、本質的に、細胞から解離し、独立に作用しうる、ＢＣＲである抗体を産生しうる。形質細胞は、Ｂ細胞に由来するため、形質細胞は、形質細胞となる前に、Ｂ細胞選択を経る。Ｂ細胞選択のモデルは、抗体が、Ｂ細胞選択に合格するのかどうかを決定するのに使用されうる。まず、患者から回収された末梢血試料または組織試料は、ＢＣＲについてシーケンシングされうる。次いで、ＢＣＲは、機械学習モデルをフィッティングして、レシピエントに由来する、修復ＢＣＲ遺伝子と、生産的ＢＣＲ遺伝子とを弁別することにより、レシピエントにおけるＢ細胞選択を再構成するのに使用されうる。次に、抗体をコードするＢＣＲを、フィッティングされた機械学習モデルに渡して、予測を生成することができる。修復受容体と同様に分類された抗体であれば、おそらく、Ｂ細胞選択に失格し、自己抗原に結合しうること
を含みうる。
対象におけるＢ細胞選択を再構成するステップは、本明細書で記載される機械学習システムを使用することにより、対象に由来する試料中のＢＣＲ遺伝子をシーケンシングし、対象の各ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することを含みうる。
抗体薬をコードする非寛容ＢＣＲ遺伝子は、修復ＢＣＲ遺伝子として誤分類されたＢＣＲ遺伝子でありうる。抗体薬をコードする非寛容ＢＣＲ遺伝子は、対象におけるＢ細胞選択に失格することが予測されるＢＣＲ遺伝子でありうる。抗体薬をコードする非寛容ＢＣＲ遺伝子は、対象における自己抗原に結合する可能性が高い抗体薬をコードしうる。自己抗原に結合する可能性が高い抗体薬として分類される抗体薬は、対象における抗体薬の使用の安全性の欠如を指し示しうる。試料は、末梢血試料の場合もあり、組織試料の場合もある。
キメラ抗原受容体（ＣＡＲ）－Ｔ細胞療法に由来する同種免疫を発症する危険性を予測する方法
対象におけるキメラ抗原受容体（ＣＡＲ）－Ｔ細胞療法から、同種免疫を発症する危険性を予測する方法が提供される。
本明細書で使用される、「ＣＡＲ－Ｔ細胞療法」は、人工的Ｔ細胞受容体を産生するように遺伝子操作されており、がんを処置する免疫療法として使用されうる、キメラ抗原受容体Ｔ細胞（ＣＡＲ Ｔ細胞としてもまた公知である）を指す場合がある。キメラ抗原受容体（キメラ免疫受容体、キメラＴ細胞受容体、または人工的Ｔ細胞受容体としてもまた公知であるＣＡＲ）は、Ｔ細胞に、特異的タンパク質をターゲティングする、新たな能力を与えるように操作された、受容体タンパク質である。受容体は、抗原結合性およびＴ細胞活性化機能の両方を、単一の受容体へと組み合わせるため、キメラである。ＣＡＲ－Ｔ細胞療法は、がん治療のために、ＣＡＲで操作されたＴ細胞を使用する。ＣＡＲ－Ｔ免疫療法の前提は、がん細胞を、より効果的にターゲティングし、破壊するために、それらを認識するように、Ｔ細胞を改変することである。Ｔ細胞は、対象またはドナーから採取され、遺伝子改変され、それらの腫瘍を攻撃するように、患者へと注入されうる。ＣＡＲ－Ｔ細胞は、患者自身の血液のＴ細胞に由来する（自家）場合もあり、別の健常ドナーのＴ細胞に由来する（同種）場合もある。対象から単離されると、これらのＴ細胞は、腫瘍の表面上に存在する抗原をターゲティングするように、それらをプログラムする、特異的ＣＡＲを発現するように遺伝子操作される。安全性のために、ＣＡＲ－Ｔ細胞は、腫瘍上で発現されるが、健常細胞上で発現されない抗原に特異的となるように操作される。ＣＡＲ－Ｔ細胞は、患者へと注入された後、がん細胞に対する「生薬」として作用する。ＣＡＲ－Ｔ細胞は、細胞上における、それらの標的抗原と接触すると、これに結合し、活性化され、次いで、増殖し始め、細胞傷害性となる。ＣＡＲ－Ｔ細胞は、広範な細胞増殖の刺激、他の生細胞に対して毒性である程度の増大（細胞傷害作用）、およびサイトカイン、インターロイキン、および増殖因子など、他の細胞に影響を及ぼしうる因子の分泌の増大を含む、いくつかの機構を介して、細胞を破壊しうる。
方法は、ＣＡＲの抗原結合性ドメインが、対象の自己抗原に対して寛容であるのかどうかを決定するステップを含む場合があり、この場合、ＣＡＲの抗原結合性ドメインが、対象の自己抗原に対して寛容であるのかどうかを決定するステップは、本明細書で記載される機械学習システムをフィッティングすることにより、対象におけるＢ細胞選択を再構成し、ＣＡＲの抗原結合性ドメインをコードするＢＣＲ遺伝子が、対象の自己抗原に対して寛容であるのかどうかを決定することであって、ＣＡＲの抗原結合性ドメインをコードする寛容ＢＣＲ遺伝子が、生産的ＢＣＲ遺伝子として、適正に分類されたＢＣＲ遺伝子であることを含む。
対象におけるＢ細胞選択を再構成するステップは、本明細書で記載される機械学習システムを使用することにより、対象に由来する試料中のＢＣＲ遺伝子をシーケンシングし、対象の各ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することを含みうる。
ＣＡＲの抗原結合性ドメインをコードする非寛容ＢＣＲ遺伝子は、修復ＢＣＲ遺伝子として誤分類されたＢＣＲ遺伝子でありうる。ＣＡＲの抗原結合性ドメインをコードする非寛容ＢＣＲ遺伝子は、対象におけるＢ細胞選択に失格することが予測されるＢＣＲ遺伝子でありうる。
抗体薬をコードする非寛容ＢＣＲ遺伝子は、対象における自己抗原に結合する可能性が高い抗体薬をコードしうる。
自己抗原に結合する可能性が高いＢＣＲ遺伝子として分類されるＢＣＲ遺伝子は、対象におけるＣＡＲ－Ｔ細胞療法の使用の安全性の欠如を指し示しうる。
試料は、末梢血試料の場合もあり、組織試料の場合もある。
組成物および方法については、下記で、より詳細に記載され、本明細書で明示される実施例は、その中における、多数の改変および変動が、当業者に明らかであるので、例示的な例としてだけ意図される。本明細書で使用される用語は、一般に、当技術分野における、それらの通常の意味、本明細書で記載される組成物および方法の文脈の内部における、それらの通常の意味、および各用語が使用される、具体的文脈における、それらの通常の意味を有する。本明細書では、組成物および方法の記載に関して、実施者に、さらなる指針をもたらすように、一部の用語が、より具体的に規定されている。
本明細書で使用される、「および／または」という用語は、列挙された関連項目のうちの１つまたは複数の、任意の組合せ、および全ての組合せを含む。文脈により、そうでないことが明確に指示されない限りにおいて、本明細書の記載において使用され、後続の特許請求の範囲を通して使用される、「ａ（ある）」、「ａｎ（ある）」、および「その」の意味は、複数の指示対象ならびに単数の指示対象を含む。数値と関連する「約」という用語は、値が、±５％変動することを意味する。例えば、約１００の値は、９５～１０５（または９５～１０５の間の任意の値）を意味する。
本明細書の任意の箇所で言及される、全ての特許、特許出願、および他の科学的著作または技術的著作は、参照によりそれらの全体において本明細書に組み込まれる。本明細書で、例示的に記載される実施形態は、本明細書で具体的に開示されているか、または具体的に開示されていない、１つまたは複数の要素、１つまたは複数の限定の非存在下において、適切に実施されうる。したがって、例えば、本明細書の各場合において、「～を含むこと」、「～から本質的になること」、および「～からなること」という用語のいずれも、それらの通常の意味を保持しながら、他の２つの用語のいずれかで置きかえられうる。加えて、用いられる用語および表現は、限定する用語ではなく、記載する用語として使用されており、このような用語および表現の使用において、示され、記載された特色を有する均等物、またはこれらの部分を除外する意図は存在せず、特許請求される開示の範囲内において、多様な改変が可能であることが認識される。したがって、本方法および本組成物は、実施形態および任意選択の特色により具体的に開示されたが、本明細書で開示される概念の改変および変動も、当業者により用いられる場合があり、このような改変および変動も、本記載および付属の特許請求の範囲により規定される組成物および方法の範囲内にあると考えられることを理解されたい。
本明細書で記載される、いかなる単一の用語、単一の要素、単一の語句、用語の群、語句の群、または要素の群も、各々、特許請求の範囲から、具体的に除外される場合がある。
明細書で、範囲が与えられる場合は常に、例えば、温度範囲、時間範囲、組成物または濃度の範囲、全ての中間値範囲、および部分範囲のほか、所与の範囲内に含まれる、全ての個別の値は、本開示に含まれることが意図される。いかなる部分範囲、または本明細書における記載に含まれる範囲もしくは部分範囲内の、いかなる個別の値も、本明細書における態様から除外されうることが理解されるであろう。本明細書における記載に含まれる、いかなる要素またはステップも、特許請求される組成物または方法から除外されうることが理解されるであろう。
加えて、本組成物および本方法の特色または態様が、マーカッシュ群または代替法による他の群分けとの関係で記載される場合、当業者は、本組成物および本方法がまた、これにより、マーカッシュ群もしくは他の群の任意の個別のメンバー、またはマーカッシュ群もしくは他の群のメンバーの亜群との関係でも記載されることを認識するであろう。
以下は、例示だけを目的として提示され、上記の広範な関係で記載された、実施形態の範囲を限定することは意図されない。
実施例
モデルの性能について査定するために、ＴＣＲ選択を、単一のＢＡＬＢ／ｃマウスについてシミュレートした。図７は、ＴＣＲ選択シミュレーションの結果を例示する。図７の右上隅のセクション「ａ」は、モデルをフィッティングし、査定するのに使用されたデータを例示する。セクション「ａ」に示される通り、単一のＢＡＬＢ／ｃマウスの脾臓からシーケンシングされた、ＴＣＲβ鎖（ＴＣＲＢ）遺伝子を使用して、本発明者らの機械学習モデルをフィッティングする。ＴＣＲＢ遺伝子についてのこの試料は、生産的ＴＣＲ遺伝子および非生産的修復ＴＣＲ遺伝子の両方を含む。この解析の目標は、固有のホールドアウトテストセット内に含まれるＴＣＲＢの由来を同定することである。ホールドアウトＴＣＲＢは、胸腺から単離された、修復ＴＣＲ遺伝子および生産的ＴＣＲ遺伝子の両方を含む。ＣＤ４＋Ｔ細胞およびＣＤ８＋Ｔ細胞のホールドアウトを含むテストセットもまた使用して、性能が、ＣＤ４＋Ｔ細胞と、ＣＤ８＋Ｔ細胞との間で異なるのかどうかを見るために、モデルについて査定した。
モデルは、査定されたテストセット上で、７３．２％の分類精度を達成した。生産的遺伝子に由来するＴＣＲＢについての感度は、８５．２％であり、修復遺伝子に由来するＴＣＲＢについての特異度は、６１．１％であった。図７の右上のセクション「ｂ」は、本発明者らのモデルの多様な分類閾値についての真陽性率を、偽陽性率と対比したプロットを例示する。プロットに示される、真陽性率と、偽陽性率との間の関係は、受信者動作特性（ＲＯＣ）曲線として公知であり、０．８の曲線下面積（ＡＵＣ）を有する。査定されたテストセット内の、修復遺伝子に由来するＴＣＲＢについての特異度が比較的低度であることは、修復遺伝子が、一部は、Ｔ細胞選択後に存続するが、一部は、Ｔ細胞選択後に存続しない、未選択ＴＣＲＢミックスを表すという事実に帰せられうる。これは、図７の下のセクション「ｃ」に示された、本発明者らのテストセット内の、各固有のホールドアウトＴＣＲＢについての、モデル予測のヒストグラムに反映される。
ヒストグラムは、モデルによる、異なるＴＣＲＢ集団についての予測の分布を明らかにする。モデル予測についてのヒストグラムは、生産的遺伝子に由来するＴＣＲＢについての一峰性分布、および修復遺伝子に由来するＴＣＲＢについての二峰性分布を明らかにする。修復遺伝子と関連する第２モードは、生産的遺伝子と関連する単一モードに対応することから、Ｔ細胞選択後に存続する、修復遺伝子に由来するＴＣＲＢを表すと考えられる。脾臓に由来する、生産的遺伝子に由来するＴＣＲＢについて、単一モードは、０．７４を中心として観察される（二重線）。ヒストグラムはまた、Ｔ細胞（例えば、ＣＤ４＋細胞およびＣＤ８＋細胞）の、特定のサブセットについての結果も提示する。これらの結果は、機械学習システムが、特定のＴ細胞サブセットから分離されたＴ細胞についてのＴ細胞選択を再構成するのに使用されうることを裏付ける。例えば、機械学習システムは、細胞分取により単離されたＴ細胞、および／またはＲＮＡ発現により単離されたＴ細胞の特異的集団についてのＴ細胞選択結果を予測するのに使用されうる。
Ｔ細胞は、ＣＤ３と名付けられた、表面分化抗原群（cluster of differentiation）（ＣＤ）分子の特異的発現により同定することができ、２つの主要な群：ＣＤ４集団およびＣＤ８集団について区別されうる。ＣＤ４細胞は、他の細胞集団に対して、ヘルパー活性を提示し、各々が、産生サイトカインの特徴的プロファイルを伴う、少なくとも、Ｔｈ１群、Ｔｈ２群、Ｔｈ９群、Ｔｈ１７群、および制御性Ｔ（Ｔｒｅｇ）群へと細分される。ＣＤ８ Ｔ細胞傷害性集団は、標的細胞の殺滅において機能する、Ｔリンパ球の、第２の主要な群であり；Ｔｈ１およびＴｈ２細胞と同様の、サイトカインプロファイルを伴う、Ｔｃ１亜集団およびＴｃ２亜集団から構成される。
特異的サイトカインは、Ｔ細胞系の、２つのサブセット：ＣＤ４＋ヘルパーＴ（Ｔｈ）リンパ球、およびＣＤ８＋細胞傷害性Ｔリンパ球（ＣＴＬ）を形作ることに関与する。すなわち、それらの表面における、特異的ＣＤ分子（ＣＤ４またはＣＤ８）の発現とは別に、Ｔ細胞は、それらが産生するサイトカインにより分化させられうる。例えば、Ｔｃ１ ＣＤ８＋Ｔ細胞は、それらによる、ＴＮＦ－βおよびＩＦＮ－γの産生により特徴づけられ；Ｔｃ２ ＣＤ８＋Ｔ細胞は、それらによる、ＩＬ－４およびＩＬ－１０の産生により特徴づけられ；Ｔｈ１ ＣＤ４＋Ｔ細胞は、それらによる、ＴＮＦ－βおよびＩＦＮ－γの産生により特徴づけられ；Ｔｈ２ ＣＤ４＋Ｔ細胞は、それらによる、ＩＬ－４、ＩＬ－５、ＩＬ６、ＩＬ－１０、およびＩＬ－１３の産生により特徴づけられ；Ｔｈ３ ＣＤ４＋Ｔ細胞は、それらによる、ＴＧＦ－βの産生により特徴づけられ；Ｔｈ１７ ＣＤ４＋Ｔ細胞は、それらによる、ＩＬ－１７、ＩＬ－２１、およびＩＬ－２２の産生により特徴づけられ；Ｔｒｅｇ ＣＤ４＋Ｔ細胞は、それらによる、ＩＬ－１０の産生により特徴づけられる。
例えば、それらの表面に発現されたタンパク質に基づき、細胞を差別化および分離する、フローサイトメトリーを使用して、これらの特異的表面タンパク質の発現に基づき、異なるサブセットに由来するＴ細胞を分取することができる。単離されたサブセットに由来するＴＣＲ遺伝子を使用して、単離された、このサブセットだけについての、Ｔ細胞選択を再構成することができる。代替的に、個別のＴ細胞からのＲＮＡ発現を使用して、混合されたＴ細胞サブセットの集団の中で、特異的Ｔ細胞サブセットに属するＴ細胞を同定することもできる。例えば、サイトカインをコードする遺伝子の発現を使用して、細胞内タンパク質発現に基づき、Ｔ細胞サブセットを単離することができる。ＴＣＲ遺伝子を、各個別のＴ細胞のＲＮＡ発現と組み合わせることにより、特異的Ｔ細胞サブセットに属するＴＣＲ遺伝子を単離し、このＴ細胞サブセットだけについての、Ｔ細胞選択を再構成するのに使用することができる。
ＣＤ４＋Ｔ細胞およびＣＤ８＋Ｔ細胞のサブセットについて、ＣＤ４＋Ｔ細胞およびＣＤ８＋Ｔ細胞のいずれも、脾臓に由来する生産的ＴＣＲＢ遺伝子と同様に分類される（点線および破線）。ＣＤ４＋Ｔ細胞およびＣＤ８＋Ｔ細胞についての一峰性分布は、バルクシーケンシングにより回収されたＴＣＲＢに由来する生産的遺伝子についての一峰性分布と合致する。したがって、モデルは、Ｔ細胞が、ＣＤ４＋であるのか、ＣＤ８＋であるのかにかかわらず、Ｔ細胞の分類に成功する。修復遺伝子に由来するＴＣＲＢについて、０．０および０．６６（＃を伴う実線）を中心として観察される二峰性分布は、第１モードが、Ｔ細胞選択により間引かれるＴＣＲＢを潜在的に表し、第２モードが、Ｔ細胞選択後に存続するＴＣＲＢを潜在的に表す。胸腺に由来するＴＣＲＢは、修復遺伝子に由来するＴＣＲＢと同様に、二峰性分布（実線）を示す。胸腺ＴＣＲＢについての分布は、一部の発生期Ｔ細胞が、選択過程を部分的に完了している可能性があるか、胸腺内の成熟Ｔ細胞が、発生期Ｔ細胞の集団を希釈しつつあるため、修復遺伝子と関連する分布から、わずかにシフトする。ヒストグラムに示される通り、胸腺細胞に由来するＴＣＲＢの大半は、修復遺伝子に由来するＴＣＲＢと同様に分類される。
本明細書で記載される機械学習システムを使用して、非制御性Ｔ細胞に由来する各ＴＣＲ遺伝子を、生産的ＴＣＲ遺伝子または修復ＴＣＲ遺伝子として分類することにより、非調節性（サプレッサー）Ｔ細胞を使用してもまた、Ｔ細胞選択を再構成することができる。再構成されたＴ細胞選択の適用は、非制御性Ｔ細胞に由来するＴＣＲ遺伝子を、生産的ＴＣＲ遺伝子、または修復ＴＣＲ遺伝子として分類することからなる。制御性Ｔ細胞の除去は、制御性Ｔ細胞への転換により、陰性選択を逃避する、Ｔ細胞が、Ｔ細胞選択を再構成するか、または再構成されたＴ細胞選択を適用するのに使用されないことを確保する。
モデルの性能が、他の臓器内のＴ細胞へと拡張可能であるのかどうかを決定するように、発生期Ｔ細胞を含有しない、結腸および皮膚を含む、２例のマウス個体の他の臓器からシーケンシングされたＴＣＲＢについてもまた査定した。図８は、血液（実線）、結腸（×を伴う実線）、十二指腸（四角を伴う実線）、肝臓（破線）、腸間膜リンパ節（ｍＬＮ、二重線）、皮膚（点線）、脾臓（二重破線）、および胸腺（実線）からシーケンシングされた、生産的ＴＣＲＢ遺伝子についての予測ヒストグラムを例示する。上パネルのための予測は、図８に示されたＢＡＬＢ／ｃマウス１についてのモデルに由来する。下パネルのための予測は、第２のマウス個体（ＢＡＬＢ／ｃマウス２）に由来する。これらのＴＣＲＢについての予測ヒストグラムは、脾臓に由来する、生産的遺伝子に由来するＴＣＲＢについての一峰性分布とほぼ識別不可能である一峰性分布を明らかにする。こうして、成熟Ｔ細胞からシーケンシングされたＴＣＲＢは、複数の末梢組織供給源にわたり、同じ方式で分類される。
機械学習システムが、Ｂ細胞選択を予測する能力について査定するために、脾臓に由来する生産的遺伝子に由来するＢＣＲＨと、修復遺伝子に由来するＢＣＲＨとを識別するように、予測モデルをフィッティングした。図９は、例示的なＢ細胞選択のシミュレーションの結果を例示する。Ｂ細胞選択予測を生成するのに使用された予測モデルを、図９の左上のセクション「ａ」に示す。示される通り、脾臓から得られたＢＣＲＨの一部は、モデルをフィッティングするのに使用されたトレーニングデータセットから抜き出した。抜き出されたＢＣＲＨ標本を使用して、モデルの予測精度を決定した。テストデータのうちの、抜き出された標本について、モデルは、８３．３％の重み付け分類精度を達成する。生産的ＢＣＲＨについての感度は、９１．２％であり、特異度は、７５．３％である。図９の右上のセクション「ｂ」におけるＲＯＣ曲線は、ホールドアウトデータにわたる、異なる分類閾値についての、真陽性率および偽陽性率を示す。抜き出された標本に対する予測についてのＲＯＣ曲線下面積（ＡＵＣ）は、０．９１であった。図９の下のセクション「ｂ」に示されたヒストグラムは、異なるＢＣＲＨ集団についてのモデル予測の分布を明らかにする。脾臓に由来する生産的遺伝子に由来するＢＣＲＨについて、単一モードは、０．９を中心として観察される（二重線）。修復遺伝子に由来するＢＣＲＨについて、モードは、左端へとシフトする（＃を伴う実線）。プレＢ細胞に由来する生産的ＢＣＲＨが、脾臓に由来する生産的ＢＣＲ遺伝子から、修復ＢＣＲ遺伝子へのシフトを示すことは、モデルが、ＢＣＲ遺伝子から、少なくとも一部のプレＢ細胞を同定しうることを指し示す（実線）。
ＧｖＨＤおよびがん再発を予後診断するための、移植前Ｔ細胞受容体配列の使用：手法
末梢血からシーケンシングされたＴＣＲβ遺伝子は、それぞれ、Ｔ細胞選択の前および後において見出されるＴＣＲβの種類を表す、生産的ＴＣＲβ遺伝子および非生産的ＴＣＲβ遺伝子を明らかにする。Ｔ細胞選択のための受容体を決して発現しないため、非生産的ＴＣＲβ遺伝子が、Ｔ細胞選択の前に見出されるＴＣＲβの種類を表すのに対し、Ｔ細胞選択後に存続した受容体を発現するため、生産的ＴＣＲβ遺伝子は、Ｔ細胞選択の後で見出されるＴＣＲβの例である。末梢血に由来する非生産的ＴＣＲβ遺伝子は、Ｔ細胞選択により除去されたＴＣＲβについての情報を明らかにする。しかし、これらの比較は、抗原認識に重要である、ＣＤＲ３をコードするＴＣＲβ遺伝子の非生産的領域を無視した。ＣＤＲ３を、比較に含めるために、非生産的ＴＣＲβ遺伝子を、コンピュータにより修復するコンピュータアルゴリズムを開発および使用し、Ｔ細胞選択の前におけるＣＤＲ３と、この後におけるＣＤＲ３とを比較することを可能とした（図１１）。略述すると、末梢血を、ＴＣＲβ遺伝子についてシーケンシングすると、非生産的ＴＣＲβ遺伝子が、Ｔ細胞選択のための受容体鎖を発現しないのに対し、生産的ＴＣＲβ遺伝子は、Ｔ細胞選択後に存続する受容体鎖を発現する。したがって、非生産的修復ＴＣＲβ遺伝子（修復過程を、実施例５に記載する）は、Ｔ細胞選択の前におけるＴＣＲβの種類を表し、生産的ＴＣＲβ遺伝子は、Ｔ細胞選択の後におけるＴＣＲβを表す。
レシピエントに由来する、生産的ＴＣＲβおよび修復ＴＣＲβは、ドナーＴ細胞が、レシピエントと適合性となるのかどうかを推定するのに使用される。例えば、レシピエントに由来する、生産的ＴＣＲβは、レシピエントにおけるＴ細胞選択後に存続していなければならない。したがって、同じＴＣＲβを伴うドナーＴ細胞もまた、レシピエントにおけるＴ細胞選択後に存続しうることは、ドナーＴ細胞が、レシピエントと適合性となることを指し示す。ベン図では、これは、ドナーＴＣＲβの、レシピエントの生産的ＴＣＲβとの重複により例示され、ｆ生産的と表記される（図１２Ａおよび１３Ａを参照されたい）。これに対し、レシピエントに由来する、修復ＴＣＲβは、レシピエントにおけるＴ細胞選択により除去されうるであろう。したがって、同じＴＣＲβを伴うドナーＴ細胞もまた、レシピエントにおけるＴ細胞選択により除去されうることは、ドナーＴ細胞が、レシピエントと適合性でありうることを示唆する。ベン図では、これは、ドナーＴＣＲβの、レシピエントの修復ＴＣＲβとの重複により例示され、ｆ修復と表記される（図１２Ａおよび１３Ａを参照されたい）。レシピエントと適合性である、ドナーＴ細胞の割合を定量するために、ＰＳＦＸと表記される、ポスト・セレクション・フラクションを開発した［表記中、ｘは、２つのベン図の中央部にある標本を表示する］（図１２Ａおよび１３Ａを参照されたい）。
ＰＳＦＸについての値は、上ベン図の重複を、両方のベン図による重複の合計と比較することにより、測定中のＴＣＲβの数で除された、適合性であるドナーＴＣＲβの数を計算する。１であるＰＳＦＸ値が、全てのドナーＴＣＲβが、レシピエントと適合性であることを予測するのに対し、０であるＰＳＦＸ値は、ドナーＴＣＲβのうちのいずれもが、レシピエントと適合性でないことを予測する。
ドナーに由来する生産的ＴＣＲβおよび修復ＴＣＲβのいずれも、レシピエントとの適合性についてスクリーニングされうる。生産的ＴＣＲβは、レシピエントへと移植された、ＨＳＣと常在するＴ細胞と同様に、Ｔ細胞選択の後におけるＴ細胞を表す。したがって、ドナーに由来する生産的ＴＣＲβをスクリーニングして、任意の移植Ｔ細胞の適合性を決定することができる。移植Ｔ細胞の適合性は、ａＧｖＨＤと関連するため、本発明者らは、ドナーに由来する生産的ＴＣＲβが、急性ＧｖＨＤ（ａＧｖＨＤ）についてのマーカーを含有するのかどうかを決定する。修復ＴＣＲβは、ドナーＨＳＣから発生するＴ細胞と同様に、Ｔ細胞選択前のＴ細胞を表す。したがって、ドナーに由来する修復ＴＣＲβをスクリーニングして、レシピエントにおけるドナーＨＳＣから発生するＴ細胞の適合性を決定することができる。ドナーＨＳＣから発生するＴ細胞の適合性は、ｃＧｖＨＤと関連するため、本発明者らは、ドナーに由来する修復ＴＣＲβが、慢性ＧｖＨＤ（ｃＧｖＨＤ）についてのマーカーを含有するのかどうかを決定する。
Ｔ細胞は、がんのコントロールに関与するため、ＴＣＲβは、がんの再発についてのマーカーを含有しうる。ドナーに由来する生産的ＴＣＲβは、一過性である移植Ｔ細胞を表すので、移植Ｔ細胞は、長期に近い期間にわたり、がんの再発を防止することが期待されない。代替的に、ドナーに由来する修復ＴＣＲβは、ＨＳＣから持続的に発生して、旧来のＴ細胞を置きかえるＴ細胞を表すので、これらのＴ細胞は、がんの再発を、潜在的に防止しうるＴ細胞集団を、長期にわたり表す。したがって、本発明者らは、長期にわたる、がん再発の寛解についてのマーカーのために、修復ＴＣＲβについて査定する。
ＧｖＨＤおよびがん再発を予後診断するための、移植前Ｔ細胞受容体配列の使用：材料および方法
ベン図の創成：各ＴＣＲβの、相補性決定領域３（ＣＤＲ３）は、抗原認識に関与するため、全てのベン図は、このＴＣＲβ領域から構築した。さらに、抗原と接触したＴＣＲβについての、三次元Ｘ線結晶構造の解析が、ＣＤＲ３のうち、最初の３つのアミノ酸残基、および最後の３つのアミノ酸残基は、抗原と直接接触しないことを明らかにしたため、各ＣＤＲ３に由来する、最初の３つのアミノ酸残基、および最後の３つのアミノ酸残基を除去した。この知見に基づき、トリミングされたＣＤＲ３アミノ酸配列が、同じであり、これらのＴＣＲβが、ベン図の重複領域内に位置した場合は、ドナーのＴＣＲβと、レシピエントのＴＣＲβとは、同一であると考えた（図１４を参照されたい）。
非生産的ＴＣＲβ遺伝子を修復するステップ：Ｖ（Ｄ）Ｊ組換えに由来する、入り組んだ、複雑なバイアスを含有する、元の生物学的配列を最大限に保存するために、生産的コピーを得るのに要求される、最少の変更を使用して、各非生産的ＴＣＲβ遺伝子を、切り貼りにより修復する、コンピュータアルゴリズムを使用した（図１５を参照されたい）。Ｖ遺伝子セグメントと、Ｊ遺伝子セグメントとは、アウトオブフレームであると表記される、異なるオープンリーディングフレーム内にあるため、ＴＣＲβ遺伝子は、非生産的でありうる。Ｊセグメントのオープンリーディングフレームが、Ｖセグメントのオープンリーディングフレームの、１つ前方の位置にある場合、体細胞接合部において、任意の単一のヌクレオチドを除去して、セグメントを、同じオープンリーディングフレーム内に組み込んだ。Ｊセグメントのオープンリーディングフレームが、Ｖセグメントのオープンリーディングフレームの、２つ前方の位置にある場合、体細胞接合部において、任意の２つのヌクレオチドを除去して、セグメントを、同じオープンリーディングフレーム内に組み込んだ。ＴＣＲβ遺伝子は、体細胞接合部内の終止コドンのために、非生産的でありうる。これらの非生産的例は、終止コドンが、体細胞接合部によりコードされる領域内に存在するのかどうかを決定するように、ＴＣＲβ遺伝子を翻訳することにより同定されうる。終止コドンを同定したら、この終止コドンをコードする、体細胞接合部内の、任意のヌクレオチドを突然変異させて、これを、アミノ酸残基へと転換しようと試みることにより、非生産的ＴＣＲβ遺伝子を修復した。
生殖細胞系列内でコードされるセグメントは、Ｖ（Ｄ）Ｊ組換えから保存されるため、全ての修復は、体細胞内でコードされる接合部内で行った。Ｄ遺伝子セグメントのうちの大半または全ては、欠失させられるため、事例によって、Ｄ遺伝子セグメントは、Ｖ（Ｄ）Ｊ組換えの後で同定できなかった。この理由で、Ｄ遺伝子セグメントを見出すことができなかった事例は除外し、Ｖ遺伝子セグメントと、Ｊ遺伝子セグメントとの間のヌクレオチドは、単一の体細胞接合部として処理した。多くの事例で、修復により、新たな終止コドンが、ＴＣＲβ遺伝子へと導入されるため、修復ＴＣＲβ遺伝子は、生産的となれないであろう。複数の修復が、有意味であるために、元の生物学的配列から隔たりすぎたＴＣＲβ遺伝子を結果としてもたらすことを懸念して、これらのＴＣＲβ遺伝子に対して、さらなる修復を行おうとは試みず、これらの事例は棄却した。最後に、修復アルゴリズムは、修復が、リピートにわたりなされる場合に、これらの生物学的パターンを潜在的に破壊する、回文リピートを無視した。しかし、回文リピートの存在が、ＴＣＲβ遺伝子のうちの２％未満であることは、これらの低頻度の事象を、一次近似として無視することを可能とする。
鋳型カウント：鋳型カウントは、Ｔ細胞クローンのサイズを反映しうる、各シーケンシングＴＣＲＢ遺伝子についての重要な数である。しかし、鋳型カウントは、非生産的ＴＣＲβは、発現することができず、したがって、クローン的拡大に影響を与えることが期待されないため、非生産的ＴＣＲβ遺伝子については、無意味である。鋳型カウントは無視し、あらゆる生産的ＴＣＲβ遺伝子、および修復ＴＣＲβ遺伝子を、シングルトンとして、効果的に処理した。
シーケンシングエラー：重複カウントが大きなＴＣＲβ遺伝子は、多数回にわたりシーケンシングされる。これらの重複配列のうちの少数は、シーケンシングエラーを、不可避的に含有するであろう。こうして、十分に豊富なＴＣＲβ遺伝子は、シーケンシングエラーを伴うコピーを含有するであろう。シーケンシングエラーは、生産的コピーから、非生産的ＴＣＲβ偽遺伝子をもたらしうるため、これは問題となる。シーケンシングエラーの２つの種類は、挿入／欠失および突然変異である。挿入／欠失または終止コドンは、体細胞接合部内だけで現れるはずであることを理由として、これらの変更が、生殖細胞系列によりコードされるセグメント内で生じる配列は棄却した。生産的コピーのシーケンシングエラーが、非生産的コピーを結果としてもたらしている場合があることを理由として、生産的ＴＣＲβ遺伝子からの編集距離が１である、全ての非生産的ＴＣＲβ遺伝子もまた、棄却した。
統計学：Ｐ値は、事例が、少なくとも、対照と同程度であるとする帰無仮説を仮定する、片側マン－ホイットニーＵ検定を使用して計算した。相関係数は、ピアソンによる相関係数を使用して計算した。
ＧｖＨＤおよびがん再発を予後診断するための、移植前Ｔ細胞受容体配列の使用：結果
表１に示される通り、２つの公表研究に由来する、１９例のａｌｌｏ－ＨＳＣＴのドナーおよびレシピエントからシーケンシングされた移植前ＴＣＲβ鎖（ＴＣＲβ）遺伝子を利用した。ドナーのうちの３２パーセントが、ハプロタイプ（例えば、親または母体）であるのに対し、残る６８％は、適合ドナー（matched related donor）（ＭＲＤ）であった。レシピエントのうちの６３パーセントが、急性骨髄性白血病を有するのに対し、残りのレシピエントは、他の種類のがんを有した。いずれの研究におけるレシピエントも、≧３６５日間にわたり、または死亡まで、ａＧｖＨＤ、ｃＧｖＨＤ、およびがんの再発についてモニタリングした。レシピエントのうちの４２パーセントが、ＧｖＨＤを発症し、４７％のレシピエントが、ｃＧｖＨＤを発症し、２８％のレシピエントが再発した。
ドナーに由来する生産的ＴＣＲβを、ａＧｖＨＤについてのマーカーとして査定するために、ＰＳＦドナー－生産的と表記される、ドナーに由来する生産的ＴＣＲβについてのポスト・セレクション・フラクションを計算して、レシピエントと適合性であるＴＣＲβの割合を見出した（図１２Ａ）。ａＧｖＨＤ症例および対照についてのプロットは、予期された通り、ＰＳＦドナー－生産的が、ａＧｖＨＤ症例について低値である傾向があることを明らかにする（図１２Ｂ）。ＰＳＦドナー－生産的がａＧｖＨＤ症例で対照より低値であったことに関するｐ値は、０．０８７である。ａＧｖＨＤ症例８例中５例について、０．８１のカットオフを下回るＰＳＦドナー－生産的が観察され、対照１１例中９例について、このカットオフを上回るＰＳＦドナー－生産的が観察された。自家試料が、Ｔ細胞選択の前に、またはこの後で、ＴＣＲβを含有するのかどうかの予測について、０．８２のカットオフが観察されたこと（図１６）は、このカットオフを決定するために、本質的に同じ結果を達成する、第２の方法をもたらす。ＰＳＦドナー－生産的についてのカットオフの変動は、受信者動作特性（ＲＯＣ）曲線にプロットされる、異なる真陽性率および偽陽性率をもたらす（図１２Ｃ）。達成可能な予後診断精度（感度および特異度の平均）は、８２％であった。その急性の性格、および疾患を隠蔽する、予防的処置の変動のために、ａＧｖＨＤについては、診断の不確実性に対して、低度の予後診断精度が帰せられた。
ドナーに由来する修復ＴＣＲβを、ｃＧｖＨＤについてのマーカーとして査定するために、ＰＳＦドナー－生産的と表記される、ドナーに由来する修復ＴＣＲβについてのポスト・セレクション・フラクションを計算して、レシピエントと適合性であるＴＣＲβの割合を見出した（図１３Ａ）。ｃＧｖＨＤ症例および対照についてのプロットは、予期された通り、ＰＳＦドナー－修復が、ｃＧｖＨＤ症例について低値である傾向があることを明らかにする（図１３Ｂ）。ＰＳＦドナー－修復がｃＧｖＨＤ症例で対照より低値であったことに関するｐ値は、０．０１９である。ＰＳＦドナー－修復は、ｃＧｖＨＤ症例８例中８例について、０．６９のカットオフを下回り、対照９例中７例について、このカットオフを上回った。ｃＧｖＨＤと関連するＴ細胞が、Ｔ細胞選択の機能障害を経るのに対し、ａＧｖＨＤと関連するＴ細胞は、Ｔ細胞選択を経ないため、ｃＧｖＨＤについてのカットオフは、ａＧｖＨＤについてのカットオフより低値であった。達成可能な予後診断精度は、ＲＯＣ曲線上に示される通り、８９％であった（図１３Ｃ）。
修復ＴＣＲβを、がんの再発についてのマーカーとして査定するために、ｆ新規と表記される、ドナーに由来するが、レシピエントに由来しない修復ＴＣＲβの割合を計算して、レシピエントが認識できなかった、任意のがん抗原を含む抗原を認識する、ドナーに由来するＴＣＲβの割合を見出した（図１７Ａ）。がんの再発例および対照についてのプロットは、仮定された通り、ｆ新規が、がんの再発例について低値である傾向があることを明らかにした（図１７Ｂ）。ｆ新規ががんの再発例で対照より低値であったことに関するｐ値は、０．０５７であった。ｆ新規は、がんの再発例５例中４例について、０．９９４のカットオフを下回り、対照１３例中１０例について、このカットオフを上回った。達成可能な予後診断精度は、ＲＯＣ曲線上に示される通り、７８％であった（図１７Ｃ）。
ＧｖＨＤは、抗がん応答と関連するため、ＰＳＦおよびｆ新規を、ＧｖＨＤおよびがん再発の両方を回避しうるのかどうかを決定する、ジョイントマーカーとして査定した。ｃＧｖＨＤについての結果は、ａＧｖＨＤについての結果より良好であったため、ｃＧｖＨＤについてのマーカーを、がんの再発についてのマーカーと組み合わせることを優先した（図１６および１８）。１７例のレシピエントについて、ＰＳＦドナー－修復を、ｆ新規に対してプロットした（図１９）。ＰＳＦドナー－修復と、ｆ新規とについての相関係数が、ｒ＝－０．２１であったことは、相関が、ほぼ存在しなかったことを指し示す。既に決定された通り、０．６９のカットオフを使用して、ｃＧｖＨＤについて予後診断し、０．９９４のカットオフを使用して、がんの再発について予後診断した。いずれのカットオフも上回るレシピエントは、いずれの否定的転帰も回避すると予測された。カットオフは、ｃＧｖＨＤおよびがん再発のいずれも回避する、レシピエント５例中５例を適正に同定する。カットオフを伴わない場合、レシピエント１７例中８例が、ｃＧｖＨＤおよびがん再発のいずれも回避した。
初期に、ＴＣＲβ遺伝子を確認するのに回収された試料は、Ｔ細胞選択の前における試料と、この後における試料とに識別されうる。８例のヒト対象に由来する末梢血からシーケンシングされたＴＣＲβ遺伝子を、表２に示す。これらの対象のうちの４例は、Ｔ細胞選択前のＴ細胞でエンリッチされた、自家胸腺組織からシーケンシングされたＴＣＲβ遺伝子を有する。他の４例の対象は、Ｔ細胞選択の後におけるＴ細胞を含有する、１年後に回収されたＰＢＭＣ、または皮膚からシーケンシングされた、ＴＣＲβ遺伝子を有する。
各末梢血試料について、機能的ＴＣＲβを発現しなかった、非生産的ＴＣＲβ遺伝子を修復し、機能的ＴＣＲβを発現しうる、生産的ＴＣＲβ遺伝子から分離した。自家試料については、生産的ＴＣＲβ遺伝子だけを使用した。
カットオフは、Ｔ細胞選択の前におけるＴＣＲβ、およびこの後におけるＴＣＲβを識別する：ＰＳＦ自家は、自家試料が、末梢血に由来する、生産的ＴＣＲβまたは修復ＴＣＲβに合致するＴＣＲβを含有するのかどうかを測定する（図１６）。自家胸腺的試料は、患者のＴ細胞選択前のＴ細胞でエンリッチされることが公知であり、胸腺試料についてのＰＳＦ自家は低値であるのは、このためである。Ｔ細胞選択の１年後に回収されたＰＢＭＣ、または皮膚は、Ｔ細胞選択の後におけるＴ細胞を含有し、このために、これらの試料についてのＰＳＦ自家は高値である。Ｔ細胞選択の前におけるＴ細胞集団またはこの後におけるＴ細胞集団を識別するのに最適のカットオフは、０．８２であった。このカットオフは、ａＧｖＨＤ症例についての結果および対照を解釈する一助となった。
ａＧｖＨＤについてのカットオフと、がん再発についてのカットオフとの組合せ：１７例のレシピエントについて、ＰＳＦドナー－生産的を、ｆ新規に対してプロットし（図１８）、ＰＳＦドナー－生産的と、ｆ新規とについての相関係数が、ｒ＝０．３３であったことは、相関が、ほぼ存在せず、方向が誤っていることを指し示す。既に決定された通り、０．８１のカットオフを使用して、ａＧｖＨＤについて予後診断し、０．９９４のカットオフを使用して、がんの再発について予後診断した。いずれのカットオフも上回るレシピエントは、いずれの否定的転帰も回避すると予測された。カットオフは、ａＧｖＨＤおよび再発のいずれも回避する、７例中３例≒４３％の移植を適正に同定する。カットオフを伴わない場合、１７例中６例≒３５％のレシピエントが、ａＧｖＨＤおよび再発のいずれも回避する。
ＧｖＨＤおよびがん再発を予後診断するための、移植前Ｔ細胞受容体配列の使用：考察
ａｌｌｏ－ＨＳＣＴと関連する、著明な罹患率および死亡率を低減するのに使用されうる、ａＧｖＨＤ、ｃＧｖＨＤ、およびがんの再発についての予後診断マーカーを同定した。例えば、本発明者らのマーカーが、ＧｖＨＤまたはがんの再発を予測する場合、代替的ドナー、または特異的ＧｖＨＤ予防処置を選択することができる（図２０）。代替的ドナーまたは処置が、常に存在することを仮定すると、各マーカーの感度を計算することにより、疾患発生率の、達成可能な低減を推定することができる。観察された結果から、発生率の低減：
ａＧｖＨＤについて、８例中５例＝６２．５％、
ｃＧｖＨＤについて、８例中８例＝１００％、および
がんの再発について、５例中４例＝１００％
を推定した。
こうして、予後診断マーカーは、ａｌｌｏ－ＨＳＣＴ罹患率を、潜在的に低減し、おそらく、その後における死亡率さえも低減しうる。
複数の因子が、ＧｖＨＤマーカーによる予測を妨げる。例えば、疾患と関連する、高度に可変性である臨床症状は、診断的不確実性をもたらしうるため、カットオフを選択するのに使用される、一部のＧｖＨＤ診断は、不正確でありうる。将来的な研究に由来する、さらなる試料は、この限界を軽減する一助となるであろう。マーカーはまた、Ｔ細胞にも基づくが、ＧｖＨＤは、場合によって、Ｂ細胞および免疫系の他の構成要素により媒介される。Ｂ細胞マーカーを開発するための、他の手法の適用は、Ｔ細胞マーカーに関して残存する、任意の性能ギャップを、潜在的に閉止しうる。最後に、ＧｖＨＤは、それらがなければ生じなかったＧｖＨＤを誘発しうる、移植後感染など、外的因子の影響を受ける。こうして、移植前に予測されうることには、限界が存在する。
移植前ＴＣＲ配列から、ＧｖＨＤおよびがん再発について予後診断することにより、候補者ドナーは、レシピエントにおける、これらの転帰についてスクリーニングされうる。Ｔ細胞だけを比較する予測は、ことによると、これらの転帰と関連する、特異的Ｔ細胞を同定するのに使用されうる。ＧｖＨＤおよびがん再発を予測するのに、異なる種類の比較が使用されるため、本発明者らは、ＧｖＨＤを引き起こす、同種反応性副作用を伴わずに、抗がん応答を誘発するＴ細胞を、潜在的に同定しうる。したがって、この研究は、ＨＳＣＴのために重要であるだけではなく、がん処置選択肢として探索される、操作Ｔ細胞移入療法のためにもまた、重要である。
上記の実施例において、本発明は、そのある特定の実施形態の具体的詳細について記載されたが、改変および変動が、本発明の精神および範囲の範囲内に包含されることが理解されるであろう。したがって、方法および組成物は、以下の特許請求の範囲だけによりを限定される。
参考文献

Claims (151)

  1. 免疫受容体鎖遺伝子を分類する方法であって、
    ａ）複数の遺伝子セグメントおよび体細胞変異を含む免疫受容体鎖遺伝子配列を得るステップ、
    ｂ）複数の遺伝子セグメントまたは体細胞変異のうちの少なくとも１つを、アミノ酸配列へと翻訳するステップ、
    ｃ）抗原認識が可能であるアミノ酸配列をコードする免疫受容体鎖遺伝子を、生産的免疫受容体鎖遺伝子として同定するステップ、
    ｄ）抗原認識が可能であるアミノ酸配列を伴わない免疫受容体鎖遺伝子を、非生産的免疫受容体鎖遺伝子として同定するステップ、
    ｅ）非生産的として同定された免疫受容体鎖遺伝子のアミノ酸配列を修復して、抗原認識が可能である修復免疫受容体鎖遺伝子を作出するステップと、
    ｆ）免疫受容体鎖遺伝子を、生産的免疫受容体鎖遺伝子、または修復免疫受容体鎖遺伝子として分類し、
    これにより、免疫受容体鎖遺伝子を分類するステップ
    を含む方法。
  2. 遺伝子セグメントが、バリアブル（ｖａｒｉａｂｌｅ）（Ｖ）遺伝子セグメント、ダイバーシティ（ｄｉｖｅｒｓｉｔｙ）（Ｄ）遺伝子セグメント、ジョイニング（ｊｏｉｎｉｎｇ）（Ｊ）遺伝子セグメント、およびこれらの組合せからなる群から選択される、請求項１に記載の方法。
  3. 免疫受容体鎖遺伝子が、Ｔ細胞受容体（ＴＣＲ）、ＴＣＲアルファ鎖（ＴＣＲα）、ＴＣＲベータ鎖（ＴＣＲβ）、ＴＣＲデルタ鎖（ＴＣＲδ）、ＴＣＲガンマ鎖（ＴＣＲγ）、Ｂ細胞受容体（ＢＣＲ）、ＢＣＲ軽鎖（ＢＣＲＬ）、ＢＣＲ重鎖（ＢＣＲＨ）、免疫グロブリン軽鎖（ＩｇＬ）、免疫グロブリン重鎖（ＩｇＨ）、免疫グロブリンカッパ鎖（Ｉｇκ）、および免疫グロブリンラムダ鎖（Ｉｇλ）からなる群から選択される、請求項１に記載の方法。
  4. 免疫受容体鎖遺伝子が、ＴＣＲβ遺伝子である、請求項３に記載の方法。
  5. 非生産的ＴＣＲβ遺伝子が、アウトオブフレームの遺伝子セグメントを伴うＴＣＲβ遺伝子、または遺伝子セグメント間の体細胞接合部内の終止コドンを伴うＴＣＲβ遺伝子である、請求項３に記載の方法。
  6. 非生産的ＴＣＲβ遺伝子を修復するステップが、遺伝子セグメント間の体細胞接合部において、１つもしくは複数のヌクレオチドを付加もしくは除去して、遺伝子セグメントを、同じリーディングフレーム内に組み込み、かつ／または遺伝子セグメント間の体細胞領域内のヌクレオチドを突然変異させて、終止コドンを、アミノ酸へと転換することを含む、請求項３に記載の方法。
  7. ＴＣＲβ遺伝子配列が、ＴＣＲβ遺伝子の相補性決定領域１（ＣＤＲ１）配列、ＴＣＲβ遺伝子のＣＤＲ２配列、ＴＣＲβ遺伝子のＣＤＲ３配列、これらの組合せ、または完全ＴＣＲβ遺伝子の配列を含む、請求項３に記載の方法。
  8. ＴＣＲβ遺伝子配列が、ＴＣＲβ遺伝子のＣＤＲ３配列を含む、請求項３に記載の方法。
  9. ＣＤＲ３配列の、最初の３つのアミノ酸および最後の３つのアミノ酸を、ＴＣＲβ遺伝子配列から除去するステップをさらに含む、請求項８に記載の方法。
  10. ＴＣＲβ遺伝子配列を得るステップが、対象に由来する血液試料中のＴＣＲβ遺伝子をシーケンシングすることを含む、請求項３に記載の方法。
  11. 血液試料が、末梢血単核細胞試料である、請求項１０に記載の方法。
  12. ＴＣＲβ遺伝子配列を得るステップが、試料から、Ｔ細胞を単離するステップをさらに含む、請求項３に記載の方法。
  13. Ｔ細胞を分離するステップが、細胞分取および／またはＲＮＡ発現を介するステップである、請求項１２に記載の方法。
  14. Ｔ細胞が、非制御性Ｔ細胞である、請求項１２に記載の方法。
  15. 対象が、ヒトである、請求項１に記載の方法。
  16. 臓器ドナー／臓器レシピエント間の適合性を決定する方法であって、
    ａ）請求項４から１５のいずれか一項に記載の方法を使用して、臓器ドナーのＴ細胞受容体β（ＴＣＲβ）遺伝子、および臓器レシピエントのＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類するステップ、
    ｂ）ドナーにおける、生産的ＴＣＲβ遺伝子および修復ＴＣＲβ遺伝子の数を、レシピエントにおける、生産的ＴＣＲβ遺伝子の数と比較するステップ、ならびに
    ｃ）臓器ドナーと適合性である、臓器レシピエントに由来するＴＣＲβの割合を定量し、
    これにより、臓器ドナー／臓器レシピエント間の適合性を決定するステップ
    を含む方法。
  17. 定量するステップが、ポスト・セレクション・フラクション（ｐｏｓｔ ｓｅｌｅｃｔｉｏｎ ｆｒａｃｔｉｏｎ）ＰＳＦスコアの計算である、請求項１６に記載の方法。
  18. ＰＳＦスコアが、臓器レシピエントに由来する、適合性ＴＣＲβ遺伝子の数と、ＴＣＲβ遺伝子の総数との比である、請求項１７に記載の方法。
  19. ＰＳＦが、０～１の範囲である、請求項１８に記載の方法。
  20. ＰＳＦスコアが、ＰＳＦレシピエントスコアであり、ＰＳＦレシピエントスコアが、Ｆ生産的と、Ｆ総数との比であり、Ｆ総数が、Ｆ修復＋Ｆ生産的であり、Ｆ生産的が、臓器ドナーおよび臓器レシピエントのいずれにおいても、生産的ＴＣＲβ遺伝子として同定されたＴＣＲβ遺伝子の数であり、Ｆ修復が、臓器ドナーにおいて、修復ＴＣＲβ遺伝子として同定され、臓器レシピエントにおいて、生産的ＴＣＲβ遺伝子として同定された、ＴＣＲβ遺伝子の数である、請求項１７に記載の方法。
  21. ＰＳＦレシピエントが、ゼロであることが、臓器レシピエントにおいてシーケンシングされた、いかなるＴＣＲβ遺伝子も、臓器ドナーと適合性でないことを指し示す、請求項１９に記載の方法。
  22. ＰＳＦレシピエントが、１であることが、臓器レシピエントにおいてシーケンシングされた、全てのＴＣＲβ遺伝子が、臓器ドナーと適合性であることを指し示す、請求項１９に記載の方法。
  23. ＴＣＲβ遺伝子配列が、ＴＣＲβ遺伝子のＣＤＲ３配列を含む、請求項１６に記載の方法。
  24. ＴＣＲβ遺伝子配列に由来する、ＣＤＲ３配列の、最初の３つのアミノ酸および最後の３つのアミノ酸が、除去される、請求項２３に記載の方法。
  25. 臓器レシピエントまたは細胞レシピエントにおける移植片対宿主病（ＧｖＨＤ）を予測する方法であって、
    ａ）請求項４から１５のいずれか一項に記載の方法を使用して、ドナーのＴ細胞受容体β（ＴＣＲβ）遺伝子、およびレシピエントのＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類するステップ、
    ｂ）レシピエントにおける、生産的ＴＣＲβ遺伝子および修復ＴＣＲβ遺伝子の数を、ドナーにおける、生産的ＴＣＲβ遺伝子の数と比較するステップ、ならびに
    ｃ）レシピエントと適合性であるドナーに由来するＴＣＲβの割合を定量し、
    これにより、レシピエントにおけるＧｖＨＤを予測するステップ
    を含む方法。
  26. ＧｖＨＤが、急性ＧｖＨＤ（ａＧｖＨＤ）である、請求項２５に記載の方法。
  27. 臓器または細胞が、骨髄または造血幹細胞移植細胞である、請求項２５に記載の方法。
  28. ａＧｖＨＤを予測するステップが、レシピエントと適合性であるドナーに由来する生産的ＴＣＲβ遺伝子の数を定量することを含む、請求項２６に記載の方法。
  29. 定量することが、ポスト・セレクション・フラクションＰＳＦドナー－生産的スコアを計算することを含み、ＰＳＦドナー－生産的スコアが、Ｆ生産的と、Ｆ総数との比であり、Ｆ総数が、Ｆ修復＋Ｆ生産的であり、Ｆ生産的が、ドナーおよびレシピエントのいずれにおいても、生産的ＴＣＲβ遺伝子として同定されたＴＣＲβ遺伝子の数であり、Ｆ修復が、レシピエントにおいて、修復ＴＣＲβ遺伝子として同定され、ドナーにおいて、生産的ＴＣＲβ遺伝子として同定された、ＴＣＲβ遺伝子の数である、請求項２８に記載の方法。
  30. ＰＳＦドナー－生産的が、ゼロであることが、ドナーにおいてシーケンシングされた、いかなるＴＣＲβ遺伝子も、レシピエントと適合性でないことを指し示す、請求項２９に記載の方法。
  31. ＰＳＦドナー－生産的が、１であることが、ドナーにおいてシーケンシングされた、全てのＴＣＲβ遺伝子が、レシピエントと適合性であることを指し示す、請求項２９に記載の方法。
  32. ＧｖＨＤが、慢性ＧｖＨＤ（ｃＧｖＨＤ）である、請求項２５に記載の方法。
  33. ｃＧｖＨＤを予測するステップが、レシピエントと適合性であるドナーに由来する修復ＴＣＲβ遺伝子の数を定量することを含む、請求項３２に記載の方法。
  34. 定量することが、ＰＳＦドナー－修復と表記される、ポスト・セレクション・フラクションスコアを計算することを含み、ＰＳＦドナー－修復スコアが、Ｆ生産的と、Ｆ総数との比であり、Ｆ総数が、Ｆ修復＋Ｆ生産的であり、Ｆ生産的が、レシピエントにおいて、生産的ＴＣＲβ遺伝子として同定され、ドナーにおいて、修復として同定されたＴＣＲβ遺伝子の数であり、Ｆ修復が、レシピエントおよびドナーのいずれにおいても、修復ＴＣＲβ遺伝子として同定されたＴＣＲβ遺伝子の数である、請求項３３に記載の方法。
  35. ＰＳＦドナー－修復が、ゼロであることが、ドナーにおいてシーケンシングされた、いかなるＴＣＲβ遺伝子も、レシピエントと適合性でないことを指し示す、請求項３４に記載の方法。
  36. ＰＳＦドナー－修復が、１であることが、ドナーにおいてシーケンシングされた、全てのＴＣＲβ遺伝子が、レシピエントと適合性であることを指し示す、請求項３４に記載の方法。
  37. ＴＣＲβ遺伝子配列が、ＴＣＲβ遺伝子のＣＤＲ３配列を含む、請求項２５に記載の方法。
  38. ＴＣＲβ遺伝子配列に由来する、ＣＤＲ３配列の、最初の３つのアミノ酸および最後の３つのアミノ酸が、除去される、請求項３７に記載の方法。
  39. 造血幹細胞レシピエントにおけるがんの再発を予測する方法であって、
    ａ）請求項４から１５のいずれか一項に記載の方法を使用して、造血幹細胞ドナーのＴ細胞受容体β（ＴＣＲβ）遺伝子、および造血幹細胞レシピエントのＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類するステップ、
    ｂ）造血幹細胞ドナー、および造血幹細胞レシピエントの両方における、修復ＴＣＲβ遺伝子の数を比較するステップ、ならびに
    ｃ）造血幹細胞ドナーにおいて、造血幹細胞レシピエントにおいて見出されない、修復ＴＣＲβ遺伝子の数を定量し、
    これにより、造血幹細胞レシピエントにおけるがんの再発を予測するステップ
    を含む方法。
  40. 造血幹細胞レシピエントが、がんを有する対象である、請求項３９に記載の方法。
  41. 造血幹細胞ドナーに由来し、造血幹細胞レシピエントにおいて存在しない修復ＴＣＲβ遺伝子が、造血幹細胞レシピエントにおけるがん細胞を認識するＴ細胞受容体（ＴＣＲ）をもたらす可能性が高い、請求項３９に記載の方法。
  42. 定量するステップが、
    造血幹細胞レシピエントと、造血幹細胞ドナーとの間で共通である修復ＴＣＲβ遺伝子の数を除外して、造血幹細胞ドナーにおいて、修復ＴＣＲβ遺伝子として同定されるＴＣＲβ遺伝子の総数の割合であるｆ新規スコア
    を計算すること
    を含む、請求項３９に記載の方法。
  43. 造血幹細胞レシピエントと、造血幹細胞ドナーとの間のｆ新規スコアが小さいほど、がん再発の危険性が大きい、請求項４２に記載の方法。
  44. 造血幹細胞レシピエントと、造血幹細胞ドナーとの間のｆ新規スコアが大きいほど、がん再発が生じない可能性が大きい、請求項４２に記載の方法。
  45. ＴＣＲβ遺伝子配列が、ＴＣＲβ遺伝子のＣＤＲ３配列を含む、請求項３９に記載の方法。
  46. ＴＣＲβ遺伝子配列に由来する、ＣＤＲ３配列の、最初の３つのアミノ酸および最後の３つのアミノ酸が、除去される、請求項４５に記載の方法。
  47. がんが、白血病、リンパ腫、および血液悪性腫瘍からなる群から選択される、請求項３９に記載の方法。
  48. 免疫細胞受容体鎖遺伝子についての免疫細胞選択を予測する方法であって、
    複数の遺伝子セグメントを含む被験免疫細胞受容体鎖遺伝子を得るステップ、
    複数の遺伝子セグメントのうちの少なくとも１つを、免疫細胞受容体鎖のタンパク質配列へと翻訳するステップ、
    複数の遺伝子セグメントのうちの、少なくとも２つについて、遺伝子セグメントを数値的に表す遺伝子特徴を決定するステップ、
    免疫細胞受容体鎖のタンパク質配列内に含まれる各アミノ酸について、１つのアミノ酸を数値的に表すタンパク質特徴を決定するステップ、ならびに
    複数の遺伝子セグメントの各々についての遺伝子特徴、免疫細胞受容体鎖のタンパク質配列内の、アミノ酸の各々についてのタンパク質特徴、および機械学習システムの、１つまたは複数のモデルに含まれる重み値の数に基づき、被験免疫細胞受容体鎖遺伝子についての選択予測を、機械学習システムにより決定するステップ
    を含む方法。
  49. 免疫受容体鎖遺伝子が、Ｔ細胞受容体（ＴＣＲ）、ＴＣＲアルファ鎖（ＴＣＲα）、ＴＣＲベータ鎖（ＴＣＲβ）、ＴＣＲデルタ鎖（ＴＣＲδ）、ＴＣＲガンマ鎖（ＴＣＲγ）、Ｂ細胞受容体（ＢＣＲ）、ＢＣＲ軽鎖（ＢＣＲＬ）、ＢＣＲ重鎖（ＢＣＲＨ）、免疫グロブリン軽鎖（ＩｇＬ）、免疫グロブリン重鎖（ＩｇＨ）、免疫グロブリンカッパ鎖（Ｉｇκ）、および免疫グロブリンラムダ鎖（Ｉｇλ）からなる群から選択される、請求項４８に記載の方法。
  50. 免疫受容体鎖遺伝子が、ＴＣＲβ遺伝子である、請求項４９に記載の方法。
  51. 遺伝子セグメントが、バリアブル（Ｖ）遺伝子セグメント、ダイバーシティ（Ｄ）遺伝子セグメント、ジョイニング（Ｊ）遺伝子セグメント、およびこれらの組合せからなる群から選択される、請求項４８に記載の方法。
  52. 選択予測が、ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として同定する、請求項５１に記載の方法。
  53. 機械学習システムが、複数の予測モデルのアンサンブルを含み、複数の予測モデルのアンサンブルに含まれる各予測モデルが、モデル予測を生成し、各予測モデルに由来するモデル予測が、選択予測を決定するように組み合わされる、請求項５１に記載の方法。
  54. ２つを超える連続決定の階層的配置を含む改変型ニューラル決定木（ｎｅｕｒａｌ ｄｅｃｉｓｉｏｎ ｔｒｅｅ）アーキテクチャーが、モデル予測を、選択予測へと統合するのに使用される、請求項５３に記載の方法。
  55. ニューラル決定木のアーキテクチャーが、関数のコミッティーを含み、関数のコミッティーに含まれる関数の数が、ニューラル決定木内の終端決定から、ニューラル決定木上の基点決定へと増大する、請求項５４に記載の方法。
  56. ＴＣＲβ遺伝子、およびＴＣＲβ遺伝子のＴＣＲβタンパク質配列のライブラリーを含むトレーニングデータセットを得るステップ、ならびに
    最適化過程を使用して、各予測モデルに含まれる重み値を決定することにより、トレーニングデータセットを使用して、機械学習システムに含まれる１つまたは複数の予測モデルをトレーニングするステップ
    をさらに含む、請求項５１に記載の方法。
  57. ＴＣＲβ遺伝子のライブラリーが、複数の生産的遺伝子、および複数の非生産的遺伝子を含む、請求項５６に記載の方法。
  58. 非生産的ＴＣＲβ遺伝子が、アウトオブフレームの遺伝子セグメントを伴うＴＣＲβ遺伝子、または遺伝子セグメント間の体細胞接合部内の終止コドンを伴うＴＣＲβ遺伝子である、請求項５７に記載の方法。
  59. 抗原認識が可能であるアミノ酸配列をコードするＴＣＲβ遺伝子が、生産的ＴＣＲβ遺伝子として同定され、抗原認識が可能であるアミノ酸配列を伴わないＴＣＲβ遺伝子が、非生産的ＴＣＲβ遺伝子として同定される、請求項５７に記載の方法。
  60. 複数の非生産的遺伝子の各々を修復するステップ；および修復された非生産的遺伝子の各々を、ＴＣＲβタンパク質配列へと翻訳するステップをさらに含む、請求項５７に記載の方法。
  61. 非生産的ＴＣＲβ遺伝子を修復するステップが、遺伝子セグメント間の体細胞接合部において、１つもしくは複数のヌクレオチドを付加もしくは除去して、遺伝子セグメントを、同じリーディングフレーム内に組み込み、かつ／または遺伝子セグメント間の体細胞領域内のヌクレオチドを突然変異させて、終止コドンを、アミノ酸へと転換することを含む、請求項６０に記載の方法。
  62. 非生産的として同定されたＴＣＲβ遺伝子を修復するステップが、修復ＴＣＲβ遺伝子を作出することを含む、請求項６０に記載の方法。
  63. ＴＣＲβ遺伝子、およびＴＣＲβタンパク質配列のライブラリーが、ＨＬＡマッチ健常ドナーにより提供される試料から得られる、請求項５６に記載の方法。
  64. 試料が、末梢血試料または組織試料である、請求項６３に記載の方法。
  65. タンパク質特徴が、アミノ酸の特性と関連するデータの断片を含み、特性が、極性、１つもしくは複数の二次構造の会合、分子体積、コドン多様性、または帯電のうちの少なくとも１つである、請求項４８に記載の方法。
  66. 特定のＴ細胞サブセットから単離されたＴ細胞だけが使用される、請求項４８に記載の方法。
  67. Ｔ細胞が、細胞分取により単離される、請求項６６に記載の方法。
  68. Ｔ細胞が、ＲＮＡ発現により単離される、請求項６６に記載の方法。
  69. 対象が、ヒトである、請求項４８に記載の方法。
  70. 特定の修復された非生産的遺伝子を作出するのに使用された修復が、対象の非生産的遺伝子において、天然で現れる確率に従い、修復された非生産的遺伝子の各々が、重み付けされる、請求項６０に記載の方法。
  71. ＴＣＲβ遺伝子が、非制御性Ｔ細胞に由来する、請求項５０に記載の方法。
  72. 対象における、自己免疫疾患または自己免疫障害を発症する危険性を予測する方法であって、
    ａ）請求項４５から６６のいずれか一項に記載の機械学習システムを使用して、各Ｔ細胞受容体（ＴＣＲβ）遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβとして分類することにより、マッチ健常ドナーにおけるＴ細胞選択を再構成するステップ、
    ｂ）健常ドナーから再構成されたＴ細胞選択を、対象に由来するＴ細胞へと適用するステップ、および
    ｃ）健常ドナーにおけるＴ細胞選択に失格する、対象における逃避Ｔ細胞の数を査定するステップであって、
    閾値を超える逃避Ｔ細胞の数が、自己免疫疾患または自己免疫障害を有するか、または発症する危険性を指し示し、
    これにより、対象における、自己免疫疾患または自己免疫障害を発症する危険性を予測するステップ
    を含む方法。
  73. 健常ドナーにおけるＴ細胞選択を再構成するステップが、マッチ健常ドナーに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含む、請求項７２に記載の方法。
  74. 対象において、Ｔ細胞選択を適用するステップが、対象に由来する試料中のＴＣＲ遺伝子をシーケンシングし、対象の各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含む、請求項７３に記載の方法。
  75. 健常ドナーが、ＨＬＡマッチ健常ドナーである、請求項７２に記載の方法。
  76. ＨＬＡマッチ健常ドナーが、対象の遺伝学的血縁者である、請求項７５に記載の方法。
  77. 対象における、自己免疫疾患または自己免疫障害を発症する危険性を予測する方法であって、
    ａ）請求項４５から６６のいずれか一項に記載の機械学習システムを使用して、各Ｔ細胞受容体（ＴＣＲβ）遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβとして分類することにより、複数の健常ドナーにおけるＴ細胞選択を再構成するステップ、
    ｂ）健常ドナーから再構成されたＴ細胞選択を、対象に由来するＴ細胞へと適用するステップ、および
    ｃ）健常ドナーにおけるＴ細胞選択に失格する、対象における逃避Ｔ細胞の数を査定するステップであって、
    閾値を超える逃避Ｔ細胞の数が、自己免疫疾患または自己免疫障害を有するか、または発症する危険性を指し示し、
    これにより、対象における、自己免疫疾患または自己免疫障害を発症する危険性を予測するステップ
    を含む方法。
  78. 複数の健常ドナーにおけるＴ細胞選択を再構成するステップが、
    ａ）各ドナーに由来する試料中のＴ細胞受容体（ＴＣＲβ）遺伝子をシーケンシングすること、
    ｂ）各ドナーのＨＬＡ型を決定するか、または各ドナーについて、ＭＨＣ遺伝子をシーケンシングすること、
    ｃ）ドナーのＨＬＡ型により、各ＴＣＲβ遺伝子にタグ付けすること、
    ｄ）ＨＬＡタグを、各ＴＣＲβ遺伝子についての、さらなる特徴として使用して、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類すること
    を含む、請求項７２に記載の方法。
  79. 対象において、健常ドナーから再構成されたＴ細胞選択を適用するステップが、
    ａ）対象に由来する試料中のＴＣＲβ遺伝子をシーケンシングすること、
    ｂ）対象のＨＬＡ型を決定するか、または対象のＭＨＣ遺伝子をシーケンシングすること、
    ｃ）対象のＨＬＡ型により、各ＴＣＲβ遺伝子にタグ付けすること、
    ｄ）対象の各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類するステップ
    を含む、請求項７２に記載の方法。
  80. 逃避Ｔ細胞が、生産的ＴＣＲ遺伝子が、修復ＴＣＲβ遺伝子として誤分類されたＴ細胞である、請求項６７または７２に記載の方法。
  81. レシピエントにおける、臓器移植または細胞移植に由来する同種免疫を発症する危険性を予測する方法であって、
    ａ）請求項４５から６６のいずれか一項に記載の機械学習システムを使用して、Ｔ細胞受容体（ＴＣＲβ）遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβとして分類することにより、ドナーにおけるＴ細胞選択を再構成するステップ、
    ｂ）ドナーから再構成されたＴ細胞選択を、レシピエントへと適用するステップ、および
    ｃ）ドナー組織に対して非寛容であるレシピエントに由来するＴ細胞の数を決定するステップであって、
    レシピエントにおける、閾値を超える、非寛容Ｔ細胞の数が、臓器移植または細胞移植に由来する同種免疫を有するか、または発症する危険性を指し示し、
    これにより、レシピエントにおける、臓器移植または細胞移植に由来する同種免疫を発症する危険性を予測するステップ
    を含む方法。
  82. ドナーにおけるＴ細胞選択を再構成するステップが、ドナーに由来する試料中のＴ細胞受容体（ＴＣＲβ）遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含む、請求項８１に記載の方法。
  83. Ｔ細胞選択を、レシピエントへと適用するステップが、レシピエントに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含む、請求項８１に記載の方法。
  84. 非寛容Ｔ細胞が、生産的ＴＣＲ遺伝子が、修復ＴＣＲβ遺伝子として誤分類されたＴ細胞である、請求項８１に記載の方法。
  85. 非寛容Ｔ細胞が、ドナーにおけるＴ細胞選択に失格することが予測される、レシピエントに由来するＴ細胞である、請求項８４に記載の方法。
  86. 非寛容Ｔ細胞が、臓器移植拒絶または細胞移植拒絶を駆動する可能性が高い、レシピエントに由来するＴ細胞である、請求項８４に記載の方法。
  87. 試料が、末梢血試料または組織試料である、請求項７３、７４、７９、８２、または８３に記載の方法。
  88. レシピエントにおける、臓器移植または細胞移植に由来する移植片対宿主病（ＧｖＨＤ）を発症する危険性を予測する方法であって、
    ａ）請求項４５から６６のいずれか一項に記載の機械学習システムを使用して、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することにより、レシピエントにおけるＴ細胞選択を再構成するステップ、
    ｂ）レシピエントから再構成されたＴ細胞選択を、ドナーへと適用するステップ、および
    ｃ）レシピエントに対して非寛容である臓器または細胞に由来するＴ細胞の数を決定するステップであって、
    ドナーにおける、閾値を超える、非寛容Ｔ細胞の数が、臓器移植または細胞移植に由来するＧｖＨＤを有するか、または発症する危険性を指し示し、
    これにより、レシピエントにおける、臓器移植または細胞移植に由来するＧｖＨＤを発症する危険性を予測するステップ
    を含む方法。
  89. レシピエントにおけるＴ細胞選択を再構成するステップが、レシピエントに由来する試料中のＴ細胞受容体（ＴＣＲβ）遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含む、請求項８８に記載の方法。
  90. Ｔ細胞選択を、ドナーへと適用するステップが、ドナーに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含む、請求項８８に記載の方法。
  91. 非寛容Ｔ細胞が、生産的ＴＣＲ遺伝子が、修復ＴＣＲβ遺伝子として誤分類されたＴ細胞である、請求項８８に記載の方法。
  92. 非寛容Ｔ細胞が、レシピエントにおけるＴ細胞選択に失格することが予測される、ドナーに由来するＴ細胞である、請求項９１に記載の方法。
  93. 非寛容Ｔ細胞が、ＧｖＨＤを駆動する可能性が高い、ドナーに由来するＴ細胞である、請求項９１に記載の方法。
  94. レシピエントに由来する試料が、末梢血試料または組織試料である、請求項８９に記載の方法。
  95. ドナーに由来する試料が、移植に由来する試料である、請求項９０に記載の方法。
  96. レシピエントにおける、養子Ｔ細胞療法に由来する同種免疫を発症する危険性を予測する方法であって、
    ａ）請求項４５から６６のいずれか一項に記載の機械学習システムを使用して、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することにより、レシピエントにおけるＴ細胞選択を再構成するステップ、
    ｂ）レシピエントから再構成されたＴ細胞選択を、ドナーＴ細胞へと適用するステップ、および
    ｃ）レシピエントに対して非寛容であるドナーから提供されるＴ細胞の数を決定するステップであって、
    ドナーにおける、閾値を超える、非寛容Ｔ細胞の数が、養子Ｔ細胞療法に由来する同種免疫を有するか、または発症する危険性を指し示し、
    これにより、レシピエントにおける、養子Ｔ細胞療法に由来する同種免疫を発症する危険性を予測するステップ
    を含む方法。
  97. レシピエントにおけるＴ細胞選択を再構成するステップが、レシピエントに由来する試料中のＴ細胞受容体（ＴＣＲβ）遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含む、請求項９６に記載の方法。
  98. レシピエントに由来するＴ細胞選択を、ドナーＴ細胞へと適用するステップが、レシピエントに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含む、請求項９６に記載の方法。
  99. 非寛容Ｔ細胞が、生産的ＴＣＲ遺伝子が、修復ＴＣＲβ遺伝子として誤分類されたＴ細胞である、請求項９６に記載の方法。
  100. 非寛容Ｔ細胞が、レシピエントにおけるＴ細胞選択に失格することが予測される、ドナーに由来するＴ細胞である、請求項９９に記載の方法。
  101. 非寛容Ｔ細胞が、レシピエントにおける同種免疫を駆動する可能性が高い、ドナーに由来するＴ細胞である、請求項９９に記載の方法。
  102. 養子Ｔ細胞療法に由来する同種免疫が、レシピエントの細胞および組織に対する、ドナーＴ細胞からの、所望されない免疫攻撃を含む、請求項９６に記載の方法。
  103. 試料が、末梢血試料または組織試料である、請求項９７または９８に記載の方法。
  104. 養子Ｔ細胞療法における養子Ｔ細胞が、同種ＣＡＲ Ｔ細胞である、請求項９１に記載の方法。
  105. 養子Ｔ細胞療法における養子Ｔ細胞が、操作ＴＣＲを伴う、同種Ｔ細胞である、請求項９１に記載の方法。
  106. レシピエントにおける、操作Ｔ細胞受容体（ＴＣＲ）療法の適合性を予測する方法であって、
    ａ）請求項４５から６６のいずれか一項に記載の機械学習システムを使用して、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することにより、レシピエントにおけるＴ細胞選択を再構成するステップ、
    ｂ）レシピエントから再構成されたＴ細胞選択を、操作ＴＣＲへと適用するステップ、および
    ｃ）操作ＴＣＲが、レシピエントに対して非寛容であるのかどうかを決定し、
    これにより、操作ＴＣＲ療法との適合性を予測するステップ
    を含む方法。
  107. レシピエントにおけるＴ細胞選択を再構成するステップが、レシピエントに由来する試料中のＴ細胞受容体（ＴＣＲβ）遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲβ遺伝子として分類することを含む、請求項１０６に記載の方法。
  108. レシピエントに由来するＴ細胞選択を、操作ＴＣＲへと適用するステップが、レシピエントに由来する試料中のＴＣＲβ遺伝子をシーケンシングし、各ＴＣＲβ遺伝子を、生産的ＴＣＲβ遺伝子、または修復ＴＣＲ遺伝子として分類することを含む、請求項１０６に記載の方法。
  109. 非寛容ＴＣＲが、修復ＴＣＲβ遺伝子として誤分類された操作ＴＣＲβ遺伝子である、請求項１０６に記載の方法。
  110. 非寛容ＴＣＲが、レシピエントにおけるＴ細胞選択に失格することが予測される操作ＴＣＲである、請求項１０６に記載の方法。
  111. 非寛容ＴＣＲが、レシピエントにおける同種免疫を駆動する可能性が高い操作ＴＣＲである、請求項１１０に記載の方法。
  112. 養子Ｔ細胞療法に由来する同種免疫が、レシピエントの細胞および組織に対する、操作ＴＣＲからの、所望されない免疫攻撃を含む、請求項１０６に記載の方法。
  113. 試料が、末梢血試料または組織試料である、請求項１０７または１０８に記載の方法。
  114. 対象における、自己免疫疾患または自己免疫障害を発症する危険性を予測する方法であって、
    ａ）請求項４２に記載の機械学習システムを使用して、各Ｂ細胞受容体（ＢＣＲ）遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することにより、健常対象におけるＢ細胞選択を再構成するステップであって、免疫受容体鎖遺伝子が、ＢＣＲ遺伝子であるステップ、
    ｂ）健常ドナーから再構成されたＢ細胞選択を、対象に由来するＢ細胞へと適用するステップ、および
    ｃ）健常ドナーにおけるＢ細胞選択に失格する、対象における逃避Ｂ細胞の数を査定するステップであって、
    閾値を超える逃避Ｂ細胞の数が、自己免疫疾患または自己免疫障害を有するか、または発症する危険性を指し示し、
    これにより、対象における、自己免疫疾患または自己免疫障害を発症する危険性を予測するステップ
    を含む方法。
  115. 遺伝子セグメントが、バリアブル（Ｖ）遺伝子セグメント、ダイバーシティ（Ｄ）遺伝子セグメント、ジョイニング（Ｊ）遺伝子セグメント、およびこれらの任意の組合せからなる群から選択される、請求項１１４に記載の方法。
  116. 選択予測が、ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として同定する、請求項１１４に記載の方法。
  117. 機械学習システムが、複数の予測モデルのアンサンブルを含み、複数の予測モデルのアンサンブルに含まれる各予測モデルが、モデル予測を生成し、各予測モデルに由来するモデル予測が、選択予測を決定するように組み合わされる、請求項１１４に記載の方法。
  118. ２つを超える連続決定の階層的配置を含む改変型ニューラル決定木アーキテクチャーが、モデル予測を、選択予測へと統合するのに使用される、請求項１１４に記載の方法。
  119. ニューラル決定木のアーキテクチャーが、関数のコミッティーを含み、関数のコミッティーに含まれる関数の数が、ニューラル決定木内の終端決定から、ニューラル決定木上の基点決定へと増大する、請求項１１８に記載の方法。
  120. ＢＣＲ遺伝子、およびＢＣＲ遺伝子のＢＣＲタンパク質配列のライブラリーを含むトレーニングデータセットを得るステップ、および
    最適化過程を使用して、各予測モデルに含まれる重み値を決定することにより、トレーニングデータセットを使用して、機械学習システムに含まれる１つまたは複数の予測モデルをトレーニングするステップ
    をさらに含む、請求項１１４に記載の方法。
  121. ＢＣＲ遺伝子のライブラリーが、複数の生産的遺伝子、および複数の非生産的遺伝子を含む、請求項１１４に記載の方法。
  122. 非生産的ＢＣＲ遺伝子が、アウトオブフレームの遺伝子セグメントを伴うＢＣＲ遺伝子、または遺伝子セグメント間の体細胞接合部内の終止コドンを伴うＢＣＲ遺伝子である、請求項１２１に記載の方法。
  123. 複数の非生産的遺伝子の各々を修復するステップ；および修復された非生産的遺伝子の各々を、ＢＣＲタンパク質配列へと翻訳するステップをさらに含む、請求項１２２に記載の方法。
  124. 非生産的ＢＣＲ遺伝子を修復するステップが、遺伝子セグメント間の体細胞接合部において、１つもしくは複数のヌクレオチドを付加もしくは除去して、遺伝子セグメントを、同じリーディングフレーム内に組み込み、かつ／または遺伝子セグメント間の体細胞領域内のヌクレオチドを突然変異させて、終止コドンを、アミノ酸へと転換することを含む、請求項１２３に記載の方法。
  125. 非生産的として同定されたＢＣＲ遺伝子を修復するステップが、修復ＢＣＲ遺伝子を作出することを含む、請求項１２３に記載の方法。
  126. ＢＣＲ遺伝子、およびＢＣＲタンパク質配列のライブラリーが、ＨＬＡマッチ健常ドナーにより提供される試料から得られる、請求項１１４に記載の方法。
  127. 試料が、末梢血試料または組織試料である、請求項１２６に記載の方法。
  128. タンパク質特徴が、アミノ酸の特性と関連するデータの断片を含み、特性が、極性、１つもしくは複数の二次構造の会合、分子体積、コドン多様性、または帯電のうちの少なくとも１つである、請求項１１４に記載の方法。
  129. 特定の修復された非生産的遺伝子を作出するのに使用された修復が、対象の非生産的遺伝子において、天然で現れる確率に従い、修復された非生産的遺伝子の各々が、重み付けされる、請求項１１４に記載の方法。
  130. 健常対象におけるＢ細胞選択を再構成するステップが、健常対象に由来する試料中のＢ細胞受容体（ＢＣＲ）遺伝子をシーケンシングし、健常対象の各ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することを含む、請求項１１４に記載の方法。
  131. Ｂ細胞選択を適用するステップが、対象に由来する試料中のＢＣＲ遺伝子をシーケンシングし、各ＴＣＲ遺伝子を、生産的ＴＣＲ遺伝子、または修復ＴＣＲ遺伝子として分類することを含む、請求項１１４に記載の方法。
  132. 逃避Ｂ細胞が、生産的ＢＣＲ遺伝子が、修復ＢＣＲ遺伝子として誤分類されたＢ細胞である、請求項１１４に記載の方法。
  133. 対象における抗体薬の安全性を予測する方法であって、
    ａ）請求項４２に記載の機械学習システムを使用して、対象の各Ｂ細胞受容体（ＢＣＲ）遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することにより、対象におけるＢ細胞選択を再構成するステップであって、免疫受容体鎖遺伝子が、ＢＣＲ遺伝子であるステップ、および
    ｂ）抗体薬をコードするＢＣＲ遺伝子が、対象の自己抗原に対して寛容であるのかどうかを決定するステップであって、
    抗体薬をコードする寛容ＢＣＲ遺伝子が、生産的ＢＣＲ遺伝子として、適正に分類されたＢＣＲ遺伝子であり、
    これにより、対象における抗体薬の安全性を予測するステップ
    を含む方法。
  134. 遺伝子セグメントが、バリアブル（Ｖ）遺伝子セグメント、ダイバーシティ（Ｄ）遺伝子セグメント、ジョイニング（Ｊ）遺伝子セグメント、およびこれらの組合せからなる群から選択される、請求項１３３に記載の方法。
  135. 選択予測が、ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として同定する、請求項１３３に記載の方法。
  136. 対象におけるＢ細胞選択を再構成するステップが、対象に由来する試料中のＢＣＲ遺伝子をシーケンシングし、対象の各ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することを含む、請求項１３３に記載の方法。
  137. 抗体薬をコードする非寛容ＢＣＲ遺伝子が、修復ＢＣＲ遺伝子として誤分類されたＢＣＲ遺伝子である、請求項１３３に記載の方法。
  138. 抗体薬をコードする非寛容ＢＣＲ遺伝子が、対象におけるＢ細胞選択に失格することが予測されるＢＣＲ遺伝子である、請求項１３７に記載の方法。
  139. 抗体薬をコードする非寛容ＢＣＲ遺伝子が、対象における自己抗原に結合する可能性が高い抗体薬をコードする、請求項１３８に記載の方法。
  140. 自己抗原に結合する可能性が高い抗体薬として分類される抗体薬が、対象における抗体薬の使用の安全性の欠如を指し示す、請求項１３９に記載の方法。
  141. 試料が、末梢血試料または組織試料である、請求項１３３に記載の方法。
  142. 対象におけるキメラ抗原受容体（ＣＡＲ）－Ｔ細胞療法から、同種免疫を発症する危険性を予測する方法であって、ＣＡＲの抗原結合性ドメインが、対象の自己抗原に対して寛容であるのかどうかを決定するステップを含み、
    ＣＡＲの抗原結合性ドメインが、対象の自己抗原に対して寛容であるのかどうかを決定するステップが、
    ａ）請求項４２に記載の機械学習システムを使用して、対象の各ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することにより、対象におけるＢ細胞選択を再構成することであって、免疫受容体鎖遺伝子が、ＢＣＲ遺伝子であること、および
    ｂ）ＣＡＲの抗原結合性ドメインをコードするＢ細胞受容体（ＢＣＲ）遺伝子が、対象の自己抗原に対して寛容であるのかどうかを決定することであって、
    ＣＡＲの抗原結合性ドメインをコードする寛容ＢＣＲ遺伝子が、生産的ＢＣＲ遺伝子として、適正に分類されたＢＣＲ遺伝子であり、
    これにより、対象におけるキメラ抗原受容体（ＣＡＲ）－Ｔ細胞療法から、同種免疫を発症する危険性を予測すること
    を含む方法。
  143. 対象におけるＢ細胞選択を再構成するステップが、対象に由来する試料中のＢＣＲ遺伝子をシーケンシングし、対象の各ＢＣＲ遺伝子を、生産的ＢＣＲ遺伝子、または修復ＢＣＲ遺伝子として分類することを含む、請求項１４２に記載の方法。
  144. ＣＡＲの抗原結合性ドメインをコードする非寛容ＢＣＲ遺伝子が、修復ＢＣＲ遺伝子として誤分類されたＢＣＲ遺伝子である、請求項１４２に記載の方法。
  145. ＣＡＲの抗原結合性ドメインをコードする非寛容ＢＣＲ遺伝子が、対象におけるＢ細胞選択に失格することが予測されるＢＣＲ遺伝子である、請求項１４２に記載の方法。
  146. 抗体薬をコードする非寛容ＢＣＲ遺伝子が、対象における自己抗原に結合する可能性が高い抗体薬をコードする、請求項１４５に記載の方法。
  147. 自己抗原に結合する可能性が高いＢＣＲ遺伝子として分類されるＢＣＲ遺伝子が、対象におけるＣＡＲ－Ｔ細胞療法の使用の安全性の欠如を指し示す、請求項１４６に記載の方法。
  148. 試料が、末梢血試料または組織試料である、請求項１４２に記載の方法。
  149. 試料マッチ健常ドナーが、疾患の任意の症状の発生の前に回収された、対象に由来する生物学的検体である、請求項７３に記載の方法。
  150. 生物学的検体が、保存血である、請求項１４９に記載の方法。
  151. 生物学的検体が、免疫チェックポイント阻害剤療法の前に回収される、請求項１４９に記載の方法。
JP2023555495A 2021-03-12 2022-03-11 Ｔ細胞選択を再構成するための方法およびその使用 Pending JP2024514757A (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202163160299P 2021-03-12 2021-03-12
US63/160,299 2021-03-12
US202163274263P 2021-11-01 2021-11-01
US63/274,263 2021-11-01
PCT/US2022/019992 WO2022192699A1 (en) 2021-03-12 2022-03-11 Methods for reconstituting t cell selection and uses thereof

Publications (1)

Publication Number Publication Date
JP2024514757A true JP2024514757A (ja) 2024-04-03

Family

ID=83228368

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023555495A Pending JP2024514757A (ja) 2021-03-12 2022-03-11 Ｔ細胞選択を再構成するための方法およびその使用

Country Status (4)

Country Link
US (1) US20240161874A1 (ja)
EP (1) EP4305202A1 (ja)
JP (1) JP2024514757A (ja)
WO (1) WO2022192699A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240112750A1 (en) * 2022-10-04 2024-04-04 BioCurie Inc. Data-driven process development and manufacturing of biopharmaceuticals
WO2024097878A1 (en) * 2022-11-03 2024-05-10 The Board Of Regents Of The University Of Texas System Use of t cell tolerant fraction as a predictor of immune-related adverse events
CN116055108B (zh) * 2022-12-13 2024-02-20 四川大学 未知网络威胁的风险控制方法、装置、设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2017371498B2 (en) * 2016-12-09 2020-10-01 Regeneron Pharmaceuticals, Inc. Systems and methods for sequencing T cell receptors and uses thereof
WO2019182465A1 (en) * 2018-03-19 2019-09-26 Milaboratory, Limited Liability Company Methods of identification condition-associated t cell receptor or b cell receptor

Also Published As

Publication number Publication date
WO2022192699A1 (en) 2022-09-15
US20240161874A1 (en) 2024-05-16
WO2022192699A9 (en) 2022-10-20
EP4305202A1 (en) 2024-01-17

Similar Documents

Publication Publication Date Title
JP2024514757A (ja) Ｔ細胞選択を再構成するための方法およびその使用
US20210293812A1 (en) High throughput process for t cell receptor target identification of natively-paired t cell receptor sequences
Townsend et al. Significant differences in physicochemical properties of human immunoglobulin kappa and lambda CDR3 regions
Heidt et al. The 25th anniversary of the Eurotransplant Acceptable Mismatch program for highly sensitized patients
Herlands et al. T cell-independent and toll-like receptor-dependent antigen-driven activation of autoreactive B cells
Panigrahi et al. Post transplant development of MICA and anti-HLA antibodies is associated with acute rejection episodes and renal allograft loss
Duquesnoy HLA epitope based matching for transplantation
Kosmoliaptsis et al. Impact of donor mismatches at individual HLA-A,-B,-C,-DR, and-DQ loci on the development of HLA-specific antibodies in patients listed for repeat renal transplantation
Zuber et al. Macrochimerism in intestinal transplantation: association with lower rejection rates and multivisceral transplants, without GVHD
EP3463482B1 (en) Methods relating to t peripheral helper cells in autoantibody-associated conditions
JP2021501156A (ja) Ｔ細胞疲弊を予防および逆転するためのエピジェネティック標的および転写標的の同定
Hassan et al. Shared alloimmune responses against blood and transplant donors result in adverse clinical outcomes following blood transfusion post–renal transplantation
Taylor et al. Back to the future: application of contemporary technology to long-standing questions about the clinical relevance of human leukocyte antigen-specific alloantibodies in renal transplantation
CN108034006A (zh) 双抗原诱导的双功能互补作用
Roth‐Walter et al. Immune modulation via T regulatory cell enhancement: Disease‐modifying therapies for autoimmunity and their potential for chronic allergic and inflammatory diseases—An EAACI position paper of the Task Force on Immunopharmacology (TIPCO)
Chung et al. Gut and liver b cells of common clonal origin in primary sclerosing cholangitis–inflammatory bowel disease
WO2018071796A2 (en) Compositions and methods for identifying functional anti-tumor t cell responses
Messina et al. Relationship among C1q-fixing de novo donor specific antibodies, C4d deposition and renal outcome in transplant glomerulopathy
Ali et al. Analysis of the capability of IgG antibodies and receptors with their relationships to food tolerance and autoimmune disorders
CN117295823A (zh) 用于重构t细胞选择的方法及其用途
CN104379600A (zh) 抗hla单克隆嵌合免疫球蛋白,使用这种单克隆嵌合免疫球蛋白的方法和试剂盒
US11754552B2 (en) Use of immune repertoire diversity for predicting transplant rejection
JP6952295B2 (ja) ヒト抗ｈｌａモノクローナル抗体の作製方法
US20140170169A1 (en) Blocking antibody for transplantation
WO2024094097A1 (en) Machine learning for antibody discovery and uses thereof