JP7160843B2

JP7160843B2 - 残基固有の分子構造特徴を用いた分子変異体の分子特性の予測

Info

Publication number: JP7160843B2
Application number: JP2019568247A
Authority: JP
Inventors: シェイヴァー，ジェレミー，マーティン; ケチェム，ランダル，ロバート
Original assignee: ジャスト－エヴォテックバイオロジクス，インコーポレイテッド
Priority date: 2017-06-08
Filing date: 2018-06-08
Publication date: 2022-10-25
Anticipated expiration: 2038-06-08
Also published as: CA3066223A1; US20200143904A1; JP7411758B2; EP3635593A1; JP2020529060A; JP2023001132A; WO2018227167A1; US11804283B2

Description

現代のバイオテクノロジーに基づき画期的な治療法を開発するコストは非常に高いため、このような治療法はほとんどの人々には利用できない。高コストの一因は、抗体のような分子の新たな変異体の分子特性を同定することが困難なことにある。分子の分子特性を決定するのに役立つ様々なツールが利用可能であるが、それらは、その変異体を合成できることに大部分を依存しており、それ自体が高価であり、時間がかかる可能性がある。

いくつかの実施形態におけるＭＰＰシステムのコンポーネントを示すブロック図である。

いくつかの実施形態におけるＭＰＰシステムのモデル生成コンポーネントの処理を示すフロー図である。

いくつかの実施形態におけるＭＰＰシステムの構造特徴情報収集コンポーネントの処理を示すフロー図である。

いくつかの実施形態におけるＭＰＰシステムの変異体情報収集コンポーネントの処理を示すフロー図である。

いくつかの実施形態におけるＭＰＰシステムの特徴ベクトル生成コンポーネントの処理を示すフロー図である。

いくつかの実施形態におけるＭＰＰシステムの特徴生成コンポーネントの処理を示すフロー図である。

いくつかの実施形態におけるＭＰＰシステムの分子特性予測コンポーネントの処理を示すフロー図である。

親分子（例えば抗体分子）の新たな変異体の分子特性を、その新たな変異体の合成前に推定するための方法及びシステムが提供される。いくつかの実施形態において、分子特性予測（「ＭＰＰ」：molecular property prediction）システムは、分子の一組の変異体について測定された分子特性と併せて、親分子（分子と称する）中の残基（synthesis）の様々な構造特徴を使用する。ＭＰＰシステムは、変異体の各々について構造モデルを計算する必要なく、新たな変異体の分子特性を予測することをサポートする。ＭＰＰシステムはまた、一般的な抗体の分子特性を予測することを試みる、はるかに複雑な「全分子」モデルの作成を回避する。ＭＰＰシステムは、「全分子」モデルよりも、所与の分子により固有かつよりロバストな予測モデルを提供する。いくつかの実施形態において、ＭＰＰシステムは、これらに限定されないが、抗体融解温度（「Ｔｍ」）、変異体の発現及び精製中に予測される高分子量のパーセンテージ（「ＨＭＷ」）、化学的展開挙動（chemical unfolding behavior,）、溶解性（solubility）、粘性及び凝集挙動（例えば自己相互作用ナノ粒子分光法「ＳＩＮＳ」（nanoparticle spectroscopy））等を含む分子特性を予測する。

いくつかの実施形態において、ＭＰＰシステムは、分子の変異体の分子特性を予測するためのモデルを生成する。ＭＰＰシステムは、分子の残基の構造特徴の値にアクセスする。例えば分子の構造特徴は、電荷パッチ又は疎水性パッチにおける残基の関与（participation）及び隣接する残基の基多様性（group diversity）を含み得る。分子の各変異体について、ＭＰＰシステムは、分子の残基配列内のどの残基が変異体を形成するように修飾（modify）されたか及び変異体の分子特性の値を示す、変異体情報（variant information）にアクセスする。各構造特徴について、ＭＰＰシステムは、変異体を形成するために修飾された分子の残基の構造特徴の値を集計し、変異体の特徴ベクトルを生成する。ＭＰＰシステムは、変異体の分子特性の値を特徴ベクトルに割り当てる。各変異体の特徴ベクトル及び割り当てられた値はトレーニングデータを形成する。次に、ＭＰＰシステムは、トレーニングデータを使用して、分子特性の値を予測するための予測モデルを生成する。例えばＭＰＰシステムは、線形回帰技術、ニューラルネットワーク、ランダムフォレスト技術、Ｌａｓｓｏ回帰技術及び部分最小二乗回帰技術を用いて予測モデルを生成することができる。ＭＰＰシステムは、各分子特性について別個の予測モデルを生成することができる。

予測モデルが作成された後、ＭＰＰシステムは、新たな変異体を合成する必要なく、予測モデルを使用して分子の新たな変異体の分子特性の値を予測し、将来の変異体の作成及び実験を案内するのを助ける情報を提供することができる。ＭＰＰシステムは、（例えばあるアミノ酸を別のアミノ酸に置き換えることによって）変化することになる分子の残基の指示（indication）を入力する。ＭＰＰシステムは、トレーニングデータの特徴ベクトルが生成される方法と同様の方法で、変異体のための新しい特徴ベクトルを生成する。次に、ＭＰＰシステムは、分子特性の予測モデルを新しい特徴ベクトルに適用して分子特性の値を予測する。

図１は、いくつかの実施形態におけるＭＰＰシステムのコンポーネントを示すブロック図である。ＭＰＰシステム１００は、生成コンポーネント１１０、予測コンポーネント１２０、生成データ１３０、モデルデータ１４０及び予測データ１５０を含む。生成コンポーネントは、モデル生成コンポーネント１１１、構造特徴情報収集コンポーネント１１２、変異体情報収集コンポーネント１１３、特徴ベクトル生成コンポーネント１１４及び特徴生成コンポーネント１１５を含む。モデル生成コンポーネント１１１は、構造特徴情報収集コンポーネント１１２、変異体情報収集コンポーネント１１３及び特徴ベクトル生成コンポーネント１１４を呼び出し、次いでモデルをトレーニングすることによって、モデルの全体的な生成を制御する。構造特徴情報収集コンポーネント１１２は、分子の残基についての構造特徴の値を収集する。構造特徴情報は、各残基の行と、分子の残基の特徴の値を示すエントリを有する各特徴の列とを含む、構造マトリックス１３３に格納される。変異体情報収集コンポーネント１１３は、分子のどの残基が修飾されたか及び変異体の各分子特性の値を含む、分子の変異体に関する情報を収集する。修飾された変異体に関連する情報は、各変異体の行と、残基がその変異体において修飾されているか否かを示すエントリを有する、各残基の列とを含む、残基マトリックス１３２に格納される。分子特性の値に関連する情報は、各変異体の行と、各変異体の各分子特性の値を示すエントリを有する各分子特性の列とを含む、分子特性マトリックス１３１に格納される。特徴ベクトル生成コンポーネント１１４は、各変異体について特徴の特徴ベクトルを生成する。変異体の特徴ベクトルは、各構造特徴について、修飾されたその変異体の残基のその構造特徴の値から生成される１つ以上の統計値（statistics）を含む。変異体の特徴ベクトルを生成するために、特徴ベクトル生成コンポーネント１１４は、その変異体についての修飾残基構造マトリックス１３４を生成する。変異体についての修飾残基構造マトリックス１３４は、その変異体の各々の修飾された残基の列と、分子のその残基におけるその構造特徴の値を示すエントリを有する各特徴の行とを含む。次に、特徴生成コンポーネント１１５は、ある変異体について、修飾残基構造マトリックス１３４からの値を集計する。特徴生成コンポーネント１１５は、各変異体の行と、特徴の値を示すエントリを有する各特徴の列とを含む、構造特徴要約（structural feature summary）マトリックス１３５を生成することができる。特徴の値は、例えばその変異体の合計、平均及び標準偏差といった統計値であってよい。構造特徴要約マトリックス１３５の各行は、変異体の特徴ベクトルを表す。次に、モデル生成コンポーネントは、変異体の各特徴ベクトルに、分子特性マトリックス１３１からのその変異体の分子特性の値を割り当てる。

次に、モデル生成コンポーネント１１１は、割り当てられた値を有する特徴ベクトルを使用して予測モデルをトレーニングする。モデル生成コンポーネント１１１は、トレーニング中に学習されたパラメータをモデルパラメータストア１４１に格納する。予測モデルが生成されると、分子特性予測コンポーネント１２１を使用して、新たな変異体についての分子特性の値を予測することができる。分子特性予測コンポーネントは、分子の各残基について、新たな変異体内の対応する残基が修飾されているか否かを示す、残基アレイ１５１を入力する。分子特性予測コンポーネント１２１は、特徴ベクトル生成コンポーネントを呼び出して、新たな変異体のための新たな特徴ベクトルを生成する。次に、分子特性予測コンポーネント１２１は、モデルを新たな特徴ベクトルに適用して新たな変異体の分子特性の値を予測する。

以下のマトリックスは、ＭＰＰシステムの様々なマトリックスの例示的な値を提供する。構造マトリックスは、変異体２について作成される。修飾残基構造マトリックスは、残基マトリックスの「真」の値を有するエントリに対応する構造マトリックスの３つの行を含む。構造特徴要約マトリックスは、各変異体の行を含み、各統計値のついての列、すなわち、疎水性領域、正領域（positive area）及び溶媒アクセシビリティ（「ＳＡ」：solvent accessibility）構造特徴の各々についての最大、平均及び標準偏差の列を有する。例えば変異体２の正領域の最大、平均及び標準偏差（「ＳＤ」（standard deviation））は、それぞれ１８０、６０及び８４．８５３である。

ＭＰＰシステムが実装され得るコンピューティングシステムは、中央処理ユニット、入力デバイス、出力デバイス（例えばディスプレイデバイス及びスピーカ）、ストレージ（例えばメモリ及びディスクドライブ）、ネットワークインタフェース、グラフィックス処理ユニット等を含んでよい。入力デバイスは、キーボード、ポインティングデバイス、タッチスクリーン、ジェスチャ認識デバイス（例えばエアジェスチャ用）、ヘッド及びアイトラッキングデバイス、音声認識用マイクロホン等を含んでよい。コンピューティングシステムは、デスクトップコンピュータ、ラップトップ、タブレット、サーバ等を含んでよい。コンピューティングシステムは、コンピュータ読取可能記憶媒体及びデータ伝送媒体を含むコンピュータ読取可能媒体にアクセスすることができる。コンピュータ読取可能記憶媒体は、一時的な伝搬信号を含まない有形の記憶手段である。コンピュータ可能な記憶媒体の例には、プライマリメモリ、キャッシュメモリ、セカンダリメモリ（例えばＤＶＤ）及び他のストレージ等のメモリが含まれる。コンピュータ読取可能記憶媒体は、その上に記録されていてもよく、あるいはＭＰＰシステムを実装するコンピュータ実行可能命令又はロジックで符号化されていてもよい。データ伝送媒体は、有線又は無線接続を介して、一時的な伝搬信号又は搬送波（例えば電磁気）によりデータを伝送するために使用される。

ＭＰＰシステムは、１つ以上のコンピュータ、プロセッサ又は他のデバイスによって実行されるプログラムモジュール及びコンポーネントのような、コンピュータ実行可能命令の一般的な文脈で説明されてもよい。一般に、プログラムモジュール又はコンポーネントは、特定のタスクを実行する又は特定のデータタイプを実装するルーチン、プログラム、オブジェクト、データ構造等を含む。典型的には、プログラムモジュールの機能性は、様々な実施例において所望のとおりに組み合わされるか又は分散されてもよい。ＭＰＰシステムの側面は、例えば特定用途向け集積回路又はフィールド・プログラマブル・ゲート・アレイ（「ＦＰＧＡ」）を使用して、ハードウェアで実装されてよい。

いくつかの実施形態において、実際の分子特性は、各々の以前に合成された変異体について測定され（すなわち、トレーニングに使用される）、「Ｙ値」と呼ばれる。分子特性マトリックス１３１において、各変異体（行）及び各分子特性（列として－例えばＴｍ、ＨＭＷ、ＳＩＮＳ）について別個の値が収集される。

いくつかの態様において、残基マトリックス１３２は、所与の変異体を作るために親分子内のどの残基が修飾されたかを記述するブール（Boolean）マトリックスである。このマトリックスの各行は、１つの変異体を表し、各列は、所与の残基が突然変異したかどうかを示すブールベクトルを表す。

いくつかの態様において、分子の修飾に利用可能な各残基についての分子の構造特徴は、構造マトリックス１３３に格納される。構造マトリックス１３３は、個々の構造特徴を表す列と、残基としての行を含む。構造マトリックス１３３は、各残基について以下のような構造特徴の値を抽出することによって、分子の構造モデルから導き出すことができる：
・正又は負の荷電パッチ（charge patches）又は疎水性パッチにおける残基の関与
・隣接する残基の基の多様性（例えば所与の距離内の疎水性、酸性、塩基性又は中性の残基の数－距離は三次構造に基づく）
・残基の溶媒アクセシビリティ（分子の表面で高い）
・領域／チェーン・インタフェース（chain interface）への近さ（例えばＦｖ及び定常ドメイン・インタフェース（constant domain interface）への距離）
・二次構造環境
・元の残基（分子内）と新たな残基（変異体内）の長さ又はサイズ
・元の残基と新たな残基のｐＫａ（すなわち、酸性度）

ＭＰＰシステムの目標は、以前に合成された変異体のセット（較正セットとして知られている）の両方について所与の分子特性を推定し、新たな変異体の分子特性を（これらの分子特性の合成及び測定なしに）推定するために使用することができる、構造特徴のサブセットを同定できることである。ＭＰＰシステムは、残基マトリックス１３２を使用して、所与の変異体について修飾された残基について構造マトリックス１３３の列を抽出することによって始まる。修飾残基構造マトリックス１３４は、その修飾された残基の数と同じ数の行を有する。修飾残基構造マトリックス１３４は、必ずしもこれらに限定されないが、合計、平均、標準偏差、歪み（skew）、尖度、最小、最大、積及び絶対値の対数の合計及び平均（例えば合計又は平均される元の値の符号で事後乗算された（post-multiplied）対数）を含む一組の統計メトリックを各列に適用することによって、単一の行に圧縮される。これらの演算の各々をそれぞれの元の構造特徴の列に適用した結果、統計値は新しい列に向けられる。したがって、それぞれの元の構造特徴に対して、（例えば上記の１０個の統計メトリックのセットが与えられると）１０個の新しい列がある。したがって、ＭＰＰシステムは、残基を特別に列挙する必要なく、修飾された残基のセットの分子変異体を捕捉する。すべての変異体にわたって反復した後、ＭＰＰシステムは、各行が変異体であり、列が、修飾された構造特徴の各セットの統計的要約である、構造特徴要約マトリックス１３５を生成する。次に、構造特徴要約マトリックス１３５は、Ｙ値（例えば分子特性）を予測するために、次元低減回帰又は分類モデル（例えば部分最小二乗法又は隠れ層ノードを低減するニューラルネットワーク）で使用されるか、あるいは変数の数を低減するために変数選択方法（variable selection method）（例えば遺伝的アルゴリズム又は相関ベースの選択）で使用される。後者の場合、回帰モデル又は分類モデルでは、選択された変数のみが使用される。

いくつかの実施形態において、ＭＰＰシステムは、分子一般化モデルをサポートすることができる。各分子は、所与の分子特性に対して異なる開始値を有し、かつ各分子は修飾された残基の特性に対して異なる感度を有する可能性があるため、上記のモデルは、固有の親分子にのみ適用可能であることが予想される。しかしながら、いくつかの特性予測は、分子エンコーディング変数を加えることによって、あるいは先天的補正（a priori corrections）を行うこと、例えばＹ値を親分子に対して相対的にすることによって、分子固有性をより低くすることができる。そのような場合、異なる分子についての複数の構造特徴要約マトリックスを、それらの対応するＹ値と一緒に組み合わせて、単一モデルで処理することができる。例えば組み合された構造特徴要約マトリックスは、変異体の親分子を同定するための列を含んでもよい。このような場合、ＭＰＰシステムは、複数の隠れ層を有するニューラルネットワークのような深層学習スタイルのモデルを使用してもよい。

図２は、いくつかの実施形態におけるＭＰＰシステムのモデル生成コンポーネントの処理を示すフロー図である。モデル生成コンポーネント２００は、予測で使用するために分子についてのモデルを生成するために呼び出される。ブロック２０１において、コンポーネントは、構造特徴情報収集コンポーネントを呼び出して分子の構造特徴を収集する。ブロック２０２において、コンポーネントは、変異体情報収集コンポーネントを呼び出して、モデルを生成するために使用される、各変異体についての変異体情報を収集する。ブロック２０３～ブロック２０６において、コンポーネントは、各変異体について特徴ベクトルの生成をループする。ブロック２０３において、コンポーネントは次の変異体を選択する。決定ブロック２０４において、すべての変異体がすでに選択されている場合、コンポーネントはブロック２０７に続き、そうでなければ、コンポーネントはブロック２０５に続く。ブロック２０５において、コンポーネントは、特徴ベクトル生成コンポーネントを呼び出して変異体の指示を渡す。ブロック２０６において、コンポーネントは、変異体の分子特性の値を特徴ベクトルに割り当てて、特徴ベクトルと割り当てられた値とのトレーニングデータを形成する。次いで、コンポーネントは、ブロック２０３にループして次の変異体を選択する。ブロック２０７において、コンポーネントは、トレーニングデータを使用して予測モデルをトレーニングして完了する。

図３は、いくつかの実施形態におけるＭＰＰシステムの構造特徴情報収集コンポーネントの処理を示すフロー図である。構造特徴情報収集コンポーネント３００は、分子の構造特徴を収集するために呼び出される。ブロック３０１において、コンポーネントは分子の次の残基を選択する。決定ブロック３０２において、すべての残差がすでに選択されている場合、コンポーネントは完了し、そうでなければ、コンポーネントはブロック３０３に続く。ブロック３０３において、コンポーネントは残基の次の構造特徴を選択する。決定ブロック３０４において、選択された残基のすべての構造特徴がすでに選択されている場合、コンポーネントはブロック３０１にループして次の残基を選択し、そうでなければ、コンポーネントはブロック３０５に続く。ブロック３０５において、コンポーネントは、選択された残基の構造特徴の値にアクセスする。ブロック３０６において、コンポーネントは、その値を構造マトリックス１３３に格納し、次いで、ブロック３０３にループして次の構造特徴を選択する。

図４は、いくつかの実施形態におけるＭＰＰシステムの変異体情報収集コンポーネントの処理を示すフロー図である。変異体情報収集コンポーネント４００は、どの残基が修飾されたかの指示とともに、変異体の分子特性を収集するために呼び出される。ブロック４０１において、コンポーネントは次の変異体を選択する。決定ブロック４０２において、すべての変異体がすでに選択されている場合、コンポーネントは完了し、そうでなければ、コンポーネントはブロック４０３に続く。ブロック４０３において、コンポーネントは、分子の次の残基を選択する。決定ブロック４０４において、すべての残基がすでに選択されている場合、コンポーネントはブロック４０１にループして次の変形を選択し、そうでなければ、コンポーネントはブロック４０５に続く。決定ブロック４０５において、変異体で残差が修飾されている場合、コンポーネントはブロック４０６に続き、そうでなければ、コンポーネントはブロック４０７に続く。ブロック４０６において、コンポーネントは、選択された変異体で残基が修飾されたことを示すように、選択された変異体及び選択された残基についてのエントリを残基マトリックス１３２に設定する。ブロック４０７において、コンポーネントは次の分子特性を選択する。決定ブロック４０８において、すべての分子特性がすでに選択されている場合、コンポーネントは、ブロック４０３にループして分子内の次の残基を選択し、そうでなければ、コンポーネントはブロック４０９に続く。ブロック４０９において、コンポーネントは、分子特性の値にアクセスする。ブロック４１０において、コンポーネントは、その値を分子特性マトリックス１３１に格納し、次いでブロック４０７にループして次の分子特性を選択する。

図５は、いくつかの実施形態におけるＭＰＰシステムの特徴ベクトル生成コンポーネントの処理を示すフロー図である。特徴ベクトル生成コンポーネント５００は、渡された変異体の特徴ベクトルを生成するために呼び出される。ブロック５０１において、コンポーネントは次の構造特徴を選択する。決定ブロック５０２において、すべての構造特徴がすでに選択されている場合、コンポーネントは完了し、そうでなければ、コンポーネントはブロック５０３に続く。ブロック５０３において、コンポーネントは、渡された変異体のために次の修飾残基を選択する。決定ブロック５０４において、すべての修飾残基がすでに選択されている場合、コンポーネントはブロック５０７に続き、そうでなければ、コンポーネントはブロック５０５に続く。ブロック５０５において、コンポーネントは、選択された構造特徴の値にアクセスする。ブロック５０６において、コンポーネントは、その値を、その変異体についての修飾残基構造マトリックス１３４に格納し、次いで、ブロック５０３にループして次の修飾残基を選択する。ブロック５０７において、コンポーネントは、特徴生成コンポーネントを呼び出して、修飾残基構造マトリックス１３４に格納された選択された構造特徴の値から変異体の特徴を生成し、次いでブロック５０１にループして次の構造特徴を選択する。

図６は、いくつかの実施形態におけるＭＰＰシステムの特徴生成コンポーネントの処理を示すフロー図である。特徴生成コンポーネント６００は、変異体及び構造特徴の指示を渡され、その構造特徴に基づいて、統計値ごとに、変異体の特徴ベクトルについて特徴を生成する。ブロック６０１において、コンポーネントは次の統計値を選択する。決定ブロック６０２において、すべての統計値がすでに選択されている場合、コンポーネントは完了し、そうでなければ、コンポーネントはブロック６０３に続く。ブロック６０３において、コンポーネントは、渡された変異体の修飾残基構造マトリックス１３４内の値に基づいて、変異体の構造特徴について、選択された統計値を生成する。ブロック６０４において、コンポーネントは、構造特徴要約マトリックス１３５内に統計値を格納し、次いでブロック６０１にループして次の統計値を選択する。

図７は、いくつかの実施形態におけるＭＰＰシステムの分子特性予測コンポーネントの処理を示すフロー図である。特性予測コンポーネント７００は、新たな変異体の分子特性を予測するために呼び出される。新たな変異体は、修飾された残基によって示される。ブロック７０１において、コンポーネントは、特徴ベクトル生成コンポーネントを呼び出して、残基アレイ１５１によって示されるように、修飾残基に基づいて、新たな変異体の特徴ベクトルを生成する。ブロック７０２では、コンポーネントは、予測モデルを特徴ベクトルに適用して、新たな変異体の分子特性の値を生成する。ブロック７０３において、分子特性の値のコンポーネントを出力し、次いで完了する。

以下の段落では、ＭＰＰシステムの側面の様々な実施形態について説明する。ＭＰＰシステムの実装は、実施形態の任意の組合せを採用してよい。以下で説明される処理は、ＭＰＰシステムを実装するコンピュータ実行可能記憶媒体に記憶されたコンピュータ実行可能命令を実行するプロセッサを有するコンピューティングデバイスによって実行されてもよい。

いくつかの実施形態において、分子の変異体の分子特性を予測するためのモデルを生成するためにコンピューティングシステムによって実行される方法が提供される。この方法では、分子の残基の構造特徴の値にアクセスする。分子の複数の変異体の各々について、本方法は、分子の残基配列内のどの残基が変異体を形成するように修飾されたか及びその変異体の分子特性の値を示す変異体情報にアクセスする。分子の複数の変異体の各々について、本方法はまた、構造特徴ごとに、変異体を形成するように修飾された分子の残基の構造特徴の値を集計し、変異体の特徴ベクトルを形成する。分子の複数の変異体の各々について、方法は、その変異体の分子特性の値を特徴ベクトルに割り当て、ここで、特徴ベクトル及び割り当てられた値はトレーニングデータを形成する。次いで、この方法は、複数の変異体に対するトレーニングデータを用いて分子特性の値を予測するためのモデルを生成する。いくつかの実施形態では、本方法は更に、分子の残基配列内のどの残基が変異体を形成するよう修飾されたかを示す新たな変異体情報にアクセスすることによって、新たな修飾体の分子特性の値を予測し；各構造特徴について、新たな変異体を形成するよう修飾された分子の残基の構造特徴の値を集計して、新たな変異体の新たな特徴ベクトルを形成し；新たな特徴ベクトルにモデルを適用して、新たな変異体の分子特性の値を予測する。いくつかの実施形態では、モデルは、入力としてトレーニングデータを用いて線形回帰技術を使用して生成される。いくつかの実施形態では、モデルは、トレーニングデータを入力として用いてニューラルネットワークを学習することによって生成される。いくつかの実施形態では、モデルの生成は、トレーニングデータの次元を低減することを含む。いくつかの実施形態では、分子はタンパク質である。いくつかの実施形態において、変異体は、分子のアミノ酸を異なるアミノ酸で置換することによって形成される。いくつかの実施形態において、分子特性は、抗体融解温度、高分子量のパーセンテージ、化学的展開挙動、溶解性、粘性及び凝集挙動からなる群より選択される。いくつかの実施形態では、構造特徴は、荷電パッチ又は疎水性パッチにおける残基の関与、隣接する残基の基多様性、残基の溶媒アクセシビリティ、領域／チェーン・インタフェースへの近さ、二次構造環境、分子及び変異体における残基のサイズ、並びに分子及び変異体における残基の酸性度からなる群から選択される。いくつかの実施形態において、構造特徴の値の集計は、和、平均、標準偏差、歪み、尖度、最小、最大、積、絶対値の対数の和、絶対値の対数の平均からなる群から選択される統計を生成する。

いくつかの実施形態において、分子の新たな変異体の分子特性の値を予測するためのコンピューティングシステムが提供される。コンピューティングシステムは、コンピュータ実行可能命令を記憶する１つ以上のコンピュータ読取可能記憶媒体と、１つ以上のコンピュータ読取可能媒体に記憶されたコンピュータ実行可能命令を実行するための１つ以上のプロセッサとを含む。コンピュータ実行可能命令は、分子の残基配列内のどの残基が変異体を形成するように修飾されたかを示す変異体情報にアクセスするようにコンピューティングシステムを制御する。分子の残基の複数の構造特徴の各々について、コンピュータ実行可能命令は、変異体を形成するように修飾された分子の残基の構造特徴の値を集計し、新たな変異体の新たな特徴ベクトルを形成するように、コンピューティングシステムを制御する。コンピュータ実行可能命令は、モデルを新たな特徴ベクトルに適用して、新たな変異体の分子特性の値を予測するように、コンピューティングシステムを制御する。モデルは、分子の変異体の構造特徴の値から導出される特徴ベクトルと、これらの変異体の分子特性の値とを備えるトレーニングデータを用いて生成される。いくつかの実施形態では、コンピュータ実行可能命令は、分子の残基の構造特徴の値にアクセスするように、コンピューティングシステムを更に制御する。分子の複数の変異体の各々について、コンピュータ実行可能命令は、分子の残基配列内のどの残基が変異体を形成するよう修飾されたか及び変異体の分子特性の値を示す、変異体情報にアクセスし；各構造特徴について、変異体を形成するよう修飾された分子の残基の構造特徴の値を集計して、変異体の特徴ベクトルを形成し；変異体の分子特性の値を特徴ベクトルに割り当て、ここで、特徴ベクトル及び割り当てられた値がトレーニングデータを形成するように、コンピューティングシステムを制御する。コンピュータ実行可能命令は、複数の変異体についてのトレーニングデータを使用して、分子特性の値を予測するモデルを生成するように、コンピューティングシステムを制御する。いくつかの実施形態において、モデルは、入力としてトレーニングデータを用いて線形回帰技術を使用して生成される。いくつかの実施形態では、モデルは、トレーニングデータを入力として用いてニューラルネットワークを学習することによって生成される。いくつかの実施形態では、コンピュータ実行可能命令は、トレーニングデータの次元を低減するよういコンピューティングシステムを更に制御する。いくつかの実施形態では、分子はタンパク質である。いくつかの実施形態では、変異体は、分子のアミノ酸を異なるアミノ酸で置換することによって形成される。いくつかの実施形態において、分子特性は、抗体融解温度、高分子量のパーセンテージ、化学的展開挙動、溶解性、粘性及び凝集挙動からなる群より選択される。いくつかの実施形態では、構造特徴は、荷電パッチ又は疎水性パッチにおける残基の関与、隣接する残基の基多様性、残基の溶媒アクセシビリティ、領域／チェーン・インタフェースへの近さ、二次構造環境、分子及び変異体における残基のサイズ、並びに分子及び変異体における残基の酸性度からなる群から選択される。いくつかの実施形態において、コンピュータ実行可能命令は、構造特徴の値を集計し、和、平均、標準偏差、歪み、尖度、最小、最大、積、絶対値の対数の和、絶対値の対数の平均からなる群から選択される統計値を更に生成するように、コンピューティングシステムを制御する。

本主題は、構造特徴及び／又は動作に特有の言語で記載されているが、添付の請求の範囲において定義された主題は、必ずしも上述の特有の特徴又は動作に限定されないことを理解されたい。むしろ、上述の特定の特徴及び動作は、請求項を実装する例示的な形態として開示されている。したがって、本発明は、添付の請求項によるもの以外は限定されない。

Claims

親タンパク質の変異体の分子特性の値を予測するためのコンピューティングシステムによって、実行される方法であって、前記方法は、以下の：
前記変異体を生成するために修飾された前記親タンパク質の残基の配列における第１の修飾された残基の数を決定するステップ；
前記第１の修飾された残基の数及び前記変異体の分子特性に対する第１値を示す変異体の情報を決定するステップ；
前記第１の修飾された残基の数の構造的特徴に対する第１値を収集するステップ；
収集された前記第１の修飾された残基の数の構造的特徴に関する第１値について、１つ以上の統計操作を実行して、前記変異体の第１特徴ベクトルを生成するステップであって、前記第１特徴ベクトルは、各前記構造的特徴に関する１つ以上の統計マトリクスの第１値を含むステップ；
前記変異体の分子特性に対する第１値を前記第１特徴ベクトルに割り当てるステップであって、前記第１特徴ベクトルおよび前記分子特性に対する第１値は、モデルのトレーニングデータの一部を形成し、前記トレーニングデータは、前記親タンパク質の複数の変異体に対する複数の特徴ベクトルおよび前記複数の変異体に対する前記分子特性の複数の値を含むステップ；
回帰モデルまたは分類モデルを用いて、前記トレーニングデータを用いて前記分子特性の値を予測するためのモデルのパラメータ数を生成するステップ；
修飾された前記親タンパク質の第２の修飾残基の数を示す新しい変異体の情報にアクセスして前記親タンパク質の新しい変異体を形成するステップ；
前記第２の修飾残基の数の構造的特徴に対する第２値を収集するステップ；
前記第２の修飾残基の数の構造的特徴について収集された前記第２値に関して１つ以上の統計的演算を実行して、各構造的特徴についての１つ以上の統計マトリクスの第２値を含む第２特徴ベクトルを生成するステップ；かつ、
前記第２特徴ベクトルにモデルを適用して、前記新しい変異体の分子特性の第２値を決定するステップ；
を含む、方法。
さらに、前記変異体の構造モデルを用いて、前記第１の修飾された残基の数の構造的特徴の第１値を決定するステップ、を含む、請求項１に記載の方法。
前記モデルが、前記トレーニングデータを入力として線形回帰手法を用いて生成される、請求項１又は２に記載の方法。
前記モデルが、前記トレーニングデータを入力としてニューラルネットワークを学習することにより生成される、請求項１～３のいずれか一項に記載の方法。
前記モデルの生成は、前記トレーニングデータの次元を減らすことを含む、請求項１～４のいずれか一項に記載の方法。
前記変異体の残基の構造的特徴の値を、前記残基に隣接する残基の多様性に関連して、以下の：
前記残基の距離内の疎水性残基の数を決定すること；
前記残基の距離内の酸性残基の数を決定すること；
前記残基の距離内の塩基性残基の数を決定すること；かつ
前記変異体の残基の距離内の中性残基の数を決定すること；
によって決定させる、方法であって、ここで、
前記距離は、前記変異体の三次構造に基づく、
請求項１～５のいずれか一項に記載の方法。
前記変異体が前記親タンパク質のアミノ酸を異なるアミノ酸で置換することにより形成される、請求項１～６のいずれか一項に記載の方法。
前記分子特性が、抗体融解温度、高分子量の比率、化学的非折り畳み挙動、溶解度、粘度、および凝集挙動からなる群から選択される、請求項１に記載の方法。
さらに、以下の：
前記変異体の表面への修飾残基の近接性に基づいて、溶媒に対する修飾残基のアクセシビリティを決定することにより、前記変異体の修飾残基の第１構造的特徴の第１値を決定すること；及び
親分子のｐＫａ値に対する変異体のｐＫａ値を決定することによって、前記修飾残基の第２構造的特徴の第２値を決定すること；
を含む、請求項１～８のいずれか一項に記載の方法。
１つ以上の統計的測定基準が、合計、平均、標準偏差、スキュー、クルトシス、最小、最大、積、絶対値の対数の合計、および絶対値の対数の平均からなる群から選択される、請求項１～９のいずれか一項に記載の方法。
親タンパク質の変異体の分子特性の値を予測するコンピューティングシステムであって、以下の：
１つ以上のプロセッサと
前記コンピューティングシステムを以下の：
前記変異体を生成するために修飾された前記親タンパク質の残基の配列における第１の修飾された残基の数を決定するステップ；
前記第１の修飾された残基の数及び前記変異体の前記分子特性に対する第１値を示す変異体情報を決定するステップ；
前記第１の修飾された残基の数の構造的特徴に対する第１値を収集するステップ；
収集された前記第１の修飾された残基の数の構造的特徴に関する第１値について、１つ以上の統計操作を実行して、前記変異体の第１特徴ベクトルを生成するステップであって、前記第１特徴ベクトルは、各前記構造的特徴に関する１つ以上の統計マトリクスの第１値を含むステップ；
前記変異体の分子特性に対する第１値を前記第１特徴ベクトルに割り当てるステップであって、前記第１特徴ベクトルおよび前記分子特性に対する第１値は、モデルのトレーニングデータの一部を形成し、前記トレーニングデータは、親タンパク質の複数の変異体に対する複数の特徴ベクトルおよび前記複数の変異体に対する前記分子特性の複数の値を含むステップ；
回帰モデルまたは分類モデルを用いて、前記トレーニングデータを用いて前記分子特性の値を予測するためのモデルのパラメータ数を生成するステップ；
修飾された前記親タンパク質の第２の修飾残基の数を示す新しい変異体の情報にアクセスして前記親タンパク質の新しい変異体を形成するステップ；
前記第２の修飾残基の数の構造的特徴に対する第２値を収集するステップ；
前記第２の修飾残基の数の構造的特徴について収集された前記第２値に関して１つ以上の統計的演算を実行して、各構造的特徴についての１つ以上の統計的マトリクスの第２値を含む第２特徴ベクトルを生成するステップ；かつ、
前記第２特徴ベクトルにモデルを適用して、前記新しい変異体の分子特性の第２値を決定するステップ；
のように制御するために前記１つ以上のプロセッサによって実行可能なコンピュータ実行可能命令を格納する１つ以上のコンピュータ可読記憶媒体；
を含む、コンピューティングシステム。
前記コンピュータ実行可能命令が、前記分子特性の値を予測するために前記構造的特徴のサブセットを識別するように前記コンピューティングシステムをさらに制御する、請求項１１に記載のコンピューティングシステム。
前記構造的特徴は、電荷パッチまたは疎水性パッチへの残基の参加、隣接する残基のグループの多様性、残基の溶媒へのアクセシビリティ、領域／鎖のインターフェースへの近さ、二次構造環境、分子および変異体中の残基のサイズ、および分子および変異体中の残基の酸性度からなるグループから選択される、請求項１１又は１２に記載のコンピューティングシステム。
前記１つ以上の非一時的コンピュータ可読記憶媒体は、前記１つ以上の処理ユニットによって実行されると、新しい変異体分子のために修飾された残基の数を生成するため、前記親タンパク質の残基に対する変化を示す入力を前記コンピューティングシステムに取得させる、追加のコンピュータ実行可能命令を格納する、請求項１１～１３のいずれか１項に記載のコンピューティングシステム。
前記１つ以上のコンピュータ可読記憶媒体は、前記１つ以上のプロセッサによって実行されると、前記コンピューティングシステムに、新しい変異体分子の各残基について、前記新しい変異体各々の残基が前記親タンパク質の対応する位置の残基に対して変化したかどうかを示す配列を含む前記新しい変異体の情報を生成させる、追加のコンピュータ実行可能命令を格納する、請求項１４に記載のコンピューティングシステム。