KR101618458B1 - 항체에서 항원-항체 결합력과 양의 상관관계를 갖는 아미노산 서열에 대한 정보를 얻는 방법 - Google Patents
항체에서 항원-항체 결합력과 양의 상관관계를 갖는 아미노산 서열에 대한 정보를 얻는 방법 Download PDFInfo
- Publication number
- KR101618458B1 KR101618458B1 KR1020140168334A KR20140168334A KR101618458B1 KR 101618458 B1 KR101618458 B1 KR 101618458B1 KR 1020140168334 A KR1020140168334 A KR 1020140168334A KR 20140168334 A KR20140168334 A KR 20140168334A KR 101618458 B1 KR101618458 B1 KR 101618458B1
- Authority
- KR
- South Korea
- Prior art keywords
- amino acid
- antigen
- antibody binding
- acid sequence
- antibody
- Prior art date
Links
Images
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
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- 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
Abstract
본 발명은 항체의 아미노산 서열에서 항원-항체 결합력과 양의 상관관계를 갖는 아미노산 잔기에 대한 정보를 얻는 방법 및 이러한 방법이 프로그램으로 기록된 컴퓨터 판독 가능한 기록매체에 관한 것이다. 본 발명의 방법에 의하면, 항원-항체 결합력과 항체 CDR 내의 아미노산 서열 사이의 상관관계를 체계적이고 효율적으로 분석할 수 있는 방법을 제공할 수 있는 효과가 있다. 또한, 본 발명의 방법에 의해 축적된 항체 CDR 내의 아미노산 서열 데이터는 항원과의 결합력이 뛰어난 항체를 설계하는데 매우 유용하게 사용될 수 있다.
Description
본 발명은 항체에서 항원-항체 결합력과 양의 상관관계를 갖는 아미노산 서열에 대한 정보를 얻는 방법에 관한 것이다.
항체는 적응 면역의 가장 중요한 요소이며 인간 면역에서 가장 널리 알려진 물질이기도 하다. 항체는 알려진 것과 같이 면역세포의 성장과정에서 유전자 재조합에 의해 거의 무한한 종류의 항원에 대해 인식을 할 수 있으며 그렇기에 면역에서의 항체의 기본 전략은 외부 유래의 항원을 인지하는 것에서부터 시작한다. 이와 같은 항원-항체 반응을 실험적으로 조작하여 특정 질병을 일으키는 항원 또는 암세포에 특이적으로 반응하는 항체를 선별하거나 디자인할 수 있다. 국내에서도 항체신약개발에 대한 관심이 높아지면서 단순히 항체의 구조를 밝히고 재조합하여 항체의약품을 개발하는 것을 넘어서 항체를 목적과 편의에 맞게 디자인하여 항체 라이브러리를 형성하고 개인맞춤의학을 실현하려고 하는 다양한 시도들이 진행 중이다. 그러나 항체를 디자인 하는 것은 쉬운 일이 아니며, 이 과정에서 나온 대량의 항체 데이터들을 분석하는 것 또한 여건이 갖추어지지 않은 실험실에서는 어려울 수 있다.
엑셀이나 일반 프로그램으로는 실험을 통해 얻은 다양한 데이터들을 종합하고 다각적으로 접근, 분석하는 것에 한계가 있고, 관련 지식을 요구하기 때문에 이런 환경이 갖추어지지 않은 실험실에서는 데이터를 얻었다 하더라도 이를 차후 실험진행에 응용하기에 무리가 있을 수 있다.
본 명세서 전체에 걸쳐 다수의 논문 및 특허문헌이 참조되고 그 인용이 표시되어 있다. 인용된 논문 및 특허문헌의 개시 내용은 그 전체로서 본 명세서에 참조로 삽입되어 본 발명이 속하는 기술 분야의 수준 및 본 발명의 내용이 보다 명확하게 설명된다.
본 발명자들은 항체의 아미노산 서열에서 항원-항체 결합력과 양의 상관관계를 갖는 아미노산 잔기를 체계적이고 효율적으로 분석할 수 있는 방법을 개발하기 위해 연구 노력한 결과, 대량으로 합성한 항체들의 CDR (Complementarity Determining Region) 내의 아미노산 잔기의 서열 정보와 항원-항체의 결합력 정보를 이용하여 항원-항체 결합력과 양의 상관관계를 나타내는 항체의 특정 아미노산 잔기를 예측할 수 있는 알고리즘을 성공적으로 개발함으로써 본 발명을 완성하였다.
따라서, 본 발명의 목적은 항체의 CDR (Complementarity Determining Region) 내에서 항원-항체 결합력과 양의 상관관계를 갖는 아미노산 잔기에 대한 정보를 얻는 방법을 제공하는 데에 있다.
본 발명의 다른 목적은 상기 방법이 프로그램으로 기록된 컴퓨터 판독 가능한 기록매체를 제공하는 데에 있다.
본 발명의 목적 및 장점은 하기의 발명의 상세한 설명, 청구의 범위 및 도면에 의해 보다 명확하게 된다.
본 발명의 일 양태에 따르면, 본 발명은 다음의 단계를 포함하는 항체에서 항원-항체 결합력과 양의 상관관계를 갖는 아미노산 서열에 대한 정보를 얻는 방법을 제공한다:
(a) CDR (Complementarity Determining Region) 내의 아미노산 서열을 변화시켜 합성한 다수의 항체들에서 CDR 내의 아미노산 서열 정보를 얻는 단계;
(b) 상기 다수의 항체들의 항원-항체 결합력에 대한 정보를 얻는 단계;
(c) 상기 다수의 항체들의 CDR 내의 아미노산 서열 정보와 항원-항체 결합력 정보를 매칭시켜 병합시키는 단계;
(d) 상기 다수의 항체들의 CDR 내의 아미노산 서열 정보를 항원-항체 결합력 순위에 따라 정렬하는 단계;
(e) 상기 정렬된 아미노산 서열 및 항원-항체 결합력 정보의 데이터로부터 항원-항체 결합력 순위에 따라 특정 개수의 항체들을 그룹화하는 단계;
(f) 상기 각 그룹에서 아미노산 서열의 아미노산의 위치(position) 및 이 위치에서 나타나는 아미노산의 비율이 기록된 매트릭스(matrix)를 작성하는 단계;
(g) 상기 작성된 각 그룹별 매트릭스로부터 각 아미노산의 위치별로 항원-항체 결합력에 관한 정보를 얻는 단계;
(h): 상기 정보로부터 각 아미노산 위치에서 아미노산 및 항원-항체 결합력에 대한 표(table)를 작성한 후 상기 아미노산과 항원-항체 결합력과의 상관관계를 분석하는 단계;
(i) 상기 분석한 상관관계로부터 각 아미노산 위치별로 항원-항체 결합력과 양(positive)의 상관관계를 나타내는 아미노산을 선별하는 단계;
(j) 상기 선별된 아미노산을 종합하는 단계; 및
(k) 상기 단계 (j)의 결과로부터 항원-항체 결합력 증가에 영향을 미치는 CDR 내의 아미노산 서열을 예측하는 단계.
이하에서 각 단계에 따라, 본 발명을 보다 상세하게 설명한다.
단계 (a): CDR (Complementarity Determining Region) 내의 아미노산 서열을 변화시켜 합성한 다수의 항체들에서 CDR 내의 아미노산 서열 정보를 얻는 단계
본 발명의 단계 (a)에서는 특정 항원에 결합하는 항체에서 CDR (Complementarity Determining Region) 내의 아미노산 서열을 변화시켜 합성한 다수의 항체들을 준비한다. 상기 다수의 항체들에서 다수는 통계학적으로 의미를 가질 수 있는 개수를 의미하며, 본 발명의 일 구현예에 따르면, 10000 개 이상의 항체이다. 상기 CDR은 항원과의 결합에 관여하는 영역으로서 CDR 내에서 아미노산 서열을 변화시키는 영역은 항원과의 결합 특성을 연구하고자 하는 관심의 영역이다. 이 관심의 영역은 CDR 내에서 임의의 영역으로 설정할 수 있다. 상기 합성한 다수의 각 항체들에서 변화된 아미노산 서열을 포함하는 영역의 아미노산 서열 정보를 얻는다.
단계 (b): 상기 다수의 항체들의 항원-항체 결합력에 대한 정보를 얻는 단계
상기 합성한 다수의 항체들의 항원-항체 결합력에 대한 정보를 얻는다. 본 명세서에서 사용된 용어 “항원-항체 결합력”은 항원에 대한 항체의 친화력(affinity) 및 항체의 결합력(avidity)를 모두 포함하는 의미이다. 상기 항원-항체 결합력은 당업계에 공지된 방법, 예컨대 평형투석방법 또는 ELISA (enzyme-linked immunosorbent assay) 방법 등을 통해 측정할 수 있다. 본원 명세서에서 상기 용어 “항원-항체 결합력”은 "알파-시그날(α-signal)" 이라는 용어와 동일한 의미로 혼용하여 사용된다.
단계 (c): 상기 다수의 항체들의 CDR 내의 아미노산 서열 정보와 항원-항체 결합력 정보를 매칭시켜 병합시키는 단계
다수의 항체들에서 각 항체의 CDR 내의 아미노산 서열 정보와 항원-항체 결합력 정보를 매칭시킨 후 병합한다. 이 단계를 통해 각각 항체는 CDR 내의 아미노산 서열 정보와 함께 항원-항체 결합력 정보가 동시에 기록된다.
단계 (d): 상기 다수의 항체들의 CDR 내의 아미노산 서열 정보를 항원-항체 결합력 순위에 따라 정렬하는 단계
상기 각 항체의 CDR 내의 아미노산 서열 정보와 항원-항체 결합력 정보를 매칭시켜 병합한 후, 상기 다수의 항체들의 CDR 내의 서열 정보를 항원-항체 결합력 순위에 따라 정렬한다. 이 단계를 통해, 항원-항체 결합력이 가장 높은 항체의 아미노산 서열로부터 항원-항체 결합력이 가장 낮은 항체의 아미노산 서열 정보 까지 순차적으로 정렬된다.
단계 (e): 상기 정렬된 아미노산 서열 및 항원-항체 결합력 정보의 데이터로부터 항원-항체 결합력 순위에 따라 특정 개수의 항체들을 그룹화하는 단계
아미노산 서열 및 항원-항체 결합력 정보의 데이터로부터 항원-항체 결합력 순위에 따라 특정 개수의 항체들을 그룹화한다. 상기 그룹화하는 항체들의 개수는 분석 목적에 따라 적합하게 선택할 수 있다. 본 발명의 일 구현예에 따르면, 상기 그룹화하는 항체들의 개수는 50 - 200 개의 범위에서 선택할 수 있다.
단계 (f): 상기 각 그룹에서 아미노산 서열의 아미노산의 위치(position) 및 이 위치에서 나타나는 아미노산의 비율이 기록된 매트릭스(matrix)를 작성하는 단계
각 그룹에서 분석하고자 하는 항체의 CDR 내의 아미노산 서열 중의 아미노산의 위치(position)을 지정하고, 이 지정된 아미노산 위치에서 나타나는 아미노산 종류의 비율이 기록된 매트릭스를 각각 작성한다. 보다 구체적으로 설명하면, 도 3에 나타난 바와 같이 100개의 항체로 이루어진 제1의 그룹(group 1)의 매트릭스에서 X축은 아미노산의 종류가 기재되고, Y축은 아미노산 위치가 기재되며, 매트릭스 내부에는 Y축의 아미노산의 위치에 따라 X축의 아미노산 종류의 비율이 기재된다. 상기와 같은 매트릭스는 각 그룹별로 작성하며, 예컨대 100개의 그룹이 제작되면 100개의 매트릭스가 생성된다.
단계 (g): 상기 작성된 각 그룹별 매트릭스로부터 각 아미노산의 위치별로 아미노산 비율 및 항원-항체 결합력에 관한 정보를 얻는 단계
상기 작성한 각 그룹별 매트릭스로부터 각 아미노산의 위치별로 아미노산의 비율 및 항원-항체 결합력에 관한 정보를 얻는다. 도 4에 도시된 바와 같이, 각 그룹별 메트릭스에서 각 아미노산 위치 별로 아미노산의 비율 및 항원-항체 결합력에 관한 정보를 추출한다. 즉, 1번 아미노산 위치에서의 아미노산의 비율 및 항원-항체 결합력에 관한 정보, 2번 아미노산 위치에서의 아미노산의 비율 및 항원-항체 결합력에 관한 정보, 3번 아미노산 위치에서의 아미노산의 비율 및 항원-항체 결합력에 관한 정보와 같이, 각 아미노산 위치에서의 아미노산 비율 및 항원-항체 결합력에 관한 정보를 얻는다.
단계 (h): 상기 정보로부터 각 아미노산 위치에서 아미노산 및 항원-항체 결합력에 대한 표(table)를 작성한 후 상기 아미노산과 항원-항체 결합력과의 상관관계를 분석하는 단계
상기 단계 (g)에서 얻은 각 아미노산의 위치별 아미노산 비율 및 항원-항체 결합력에 관한 정보를 토대로 각 아미노산 위치에서 아미노산 비율에 따른 항원-항체 결합력에 대한 표(table)를 생성한 후, 상기 아미노산 비율과 항원-항체 결합력과의 상관관계를 분석한다. 이러한 상관관계 분석 시에 항원-항체의 결합력은 각 개별 그룹으로 이루어지는 하나의 매트릭스에서의 평균값을 사용한다. 예컨대, 100개의 아미노산으로 이루어지는 그룹 1의 매트릭스에서의 항원-항체 결합력의 평균값을 사용한다. 또한, 특정의 아미노산 위치에 다른 종류의 복수의 아미노산이 위치하는 경우 복수의 아미노산 별로 상관관계 분석을 행한다. 예컨대, 특정 아미노산 위치에 11개의 다른 아미노산이 올 수 있다면 11개의 아미노산 각각에 대해 서로 다른 상관관계 분석을 수행한다.
단계 (i): 상기 분석한 상관관계로부터 각 아미노산 위치별로 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산을 선별하는 단계
상기 단계 (h)에서 분석한 상관관계로부터 각 아미노산 위치별로 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산을 선별한다.
단계 (j): 상기 선별된 아미노산 잔기를 종합하는 단계
상기 항원-항체 결합력과 양의 상관관계를 나타내는 것으로 선별된 아미노산 잔기들을 종합한다. 즉, 각 위치별로 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산 잔기들을 선별하고 이를 종합한다. 예를 들어, 3번, 4번 및 5번 위치에서 항원-항체 결합력과 강한 양의 상관관계를 나타내는 아미노산이 각각 Y, Y, H(또는 S)로 나타난 경우 이들의 아미노산 결과를 종합한다.
단계 (k): 상기 단계 (j)의 결과로부터 항원-항체 결합력 증가에 영향을 미치는 CDR 내의 아미노산 서열을 예측하는 단계
상기 종합된 각 위치에서의 아미노산 잔기의 데이터로부터 항원-항체 결합력 증가에 영향을 미치는 CDR 내의 아미노산 서열을 예측한다.
본 발명의 다른 양태에 따르면, 본 발명은 다음의 단계를 포함하는 항체에서 항원-항체 결합력과 양의 상관관계를 갖는 아미노산 서열에 대한 정보를 얻는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체를 제공한다:
(a) CDR (Complementarity Determining Region) 내의 아미노산 서열을 변화시켜 합성한 다수의 항체들에서 CDR 내의 아미노산 서열 정보를 얻는 단계;
(b) 상기 다수의 항체들의 항원-항체 결합력에 대한 정보를 얻는 단계;
(c) 상기 다수의 항체들의 CDR 내의 아미노산 서열 정보와 항원-항체 결합력 정보를 매칭시켜 병합시키는 단계;
(d) 상기 다수의 항체들의 CDR 내의 아미노산 서열 정보를 항원-항체 결합력 순위에 따라 정렬하는 단계;
(e) 상기 정렬된 아미노산 서열 및 항원-항체 결합력 정보의 데이터로부터 항원-항체 결합력 순위에 따라 특정 개수의 항체들을 그룹화하는 단계;
(f) 상기 각 그룹에서 아미노산 서열의 아미노산의 위치(position) 및 이 위치에서 나타나는 아미노산의 비율이 기록된 매트릭스(matrix)를 작성하는 단계;
(g) 상기 작성된 각 그룹별 매트릭스로부터 각 아미노산의 위치별로 아미노산 비율 및 항원-항체 결합력에 관한 정보를 얻는 단계;
(h) 상기 정보로부터 각 아미노산 위치에서 아미노산 및 항원-항체 결합력에 대한 표(table)를 작성한 후 상기 아미노산과 항원-항체 결합력과의 상관관계를 분석하는 단계;
(i) 상기 분석한 상관관계로부터 각 아미노산 위치별로 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산을 선별하는 단계;
(j) 상기 선별된 아미노산을 종합하는 단계; 및
(k) 상기 단계 (j)의 결과로부터 항원-항체 결합력 증가에 영향을 미치는 CDR 내의 아미노산 서열을 예측하는 단계.
본 명세서에서 상기 프로그램이 기록된 컴퓨터 판독 가능한 기록매체에 관한 구체적인 내용은 상기 항체에서 항원-항체 결합력과 양의 상관관계를 갖는 아미노산 서열에 대한 정보를 얻는 방법에 관한 내용에 설명되어 있으며, 양 발명의 서로 중복된 내용은 명세서의 과도한 복잡성을 피하기 위해 중복하여 설명하지 않는다.
본 발명은 항체의 아미노산 서열에서 항원-항체 결합력과 양의 상관관계를 갖는 아미노산 잔기에 대한 정보를 얻는 방법 및 이러한 방법이 프로그램으로 기록된 컴퓨터 판독 가능한 기록매체에 관한 것이다. 본 발명의 방법에 의하면, 항원-항체 결합력과 항체 CDR 내의 아미노산 서열 사이의 상관관계를 체계적이고 효율적으로 분석할 수 있는 방법을 제공할 수 있는 효과가 있다. 또한, 본 발명의 방법에 의해 축적된 항체 CDR 내의 아미노산 서열 데이터는 항원과의 결합력이 뛰어난 항체를 설계하는데 매우 유용하게 사용될 수 있다.
도 1은 본 발명의 방법을 수행하는 과정을 전체적으로 도시한 도면이다. 항체들에서 변경된 CDR 내의 아미노산 서열에 관한 정보와 항원-항체 결합력에 대한 정보를 준비하고, 항원-항체 결합력(알파-시그널, α-signal)에 따라 각 항체들을 그룹화한 후에, 통계학적 분석을 시행한다.
도 2는 다수의 항체들의 CDR 내의 아미노산 서열 정보 및 항원-항체 결합력에 대한 정보 수득한 후 이들을 서로 매칭하여 병합시키는 과정을 보여주는 도면이다.
도 3은 아미노산 서열 정보 및 항원-항체 결합력 정보가 병합된 정보를 이용하여 항원-항체 결합력 순위에 따라 항체의 CDR 내의 아미노산 서열을 정렬하고, 항원-항체 결합력이 높은 순으로 항체들을 100개 씩 그룹화한 후에, 100개의 항체들 정보로 이루어지는 각각 그룹내에서 각 아미노산의 위치별 아미노산의 비율을 나타낸 매트릭스를 작성하는 과정을 보여준다.
도 4는 제작한 100개의 매트릭스에서 각 아미노산 위치별로 아미노산 비율에 관한 정보를 얻고, 상기 아미노산 잔기와 항원-항체 결합력과의 상관관계를 분석하는 과정을 보여주는 도면이다.
도 5는 1번, 2번, 7번 및 9번 위치에서 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산을 선별하는 과정을 보여준다.
도 6은 3번 및 4번 위치에서 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산을 선별하는 과정을 보여준다.
도 7은 5번 및 6번 위치에서 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산을 선별하는 과정을 보여준다.
도 8은 8번 위치에서 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산을 선별하는 과정을 보여준다.
도 9는 본 발명의 방법에 따라 분석한 결과 항원-항체 결합력 증가에 영향을 미치는 아미노산 서열이 3번, 4번, 5번 위치에서 각각 “YYH”및 “YYS" 서열임을 보여준다.
도 2는 다수의 항체들의 CDR 내의 아미노산 서열 정보 및 항원-항체 결합력에 대한 정보 수득한 후 이들을 서로 매칭하여 병합시키는 과정을 보여주는 도면이다.
도 3은 아미노산 서열 정보 및 항원-항체 결합력 정보가 병합된 정보를 이용하여 항원-항체 결합력 순위에 따라 항체의 CDR 내의 아미노산 서열을 정렬하고, 항원-항체 결합력이 높은 순으로 항체들을 100개 씩 그룹화한 후에, 100개의 항체들 정보로 이루어지는 각각 그룹내에서 각 아미노산의 위치별 아미노산의 비율을 나타낸 매트릭스를 작성하는 과정을 보여준다.
도 4는 제작한 100개의 매트릭스에서 각 아미노산 위치별로 아미노산 비율에 관한 정보를 얻고, 상기 아미노산 잔기와 항원-항체 결합력과의 상관관계를 분석하는 과정을 보여주는 도면이다.
도 5는 1번, 2번, 7번 및 9번 위치에서 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산을 선별하는 과정을 보여준다.
도 6은 3번 및 4번 위치에서 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산을 선별하는 과정을 보여준다.
도 7은 5번 및 6번 위치에서 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산을 선별하는 과정을 보여준다.
도 8은 8번 위치에서 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산을 선별하는 과정을 보여준다.
도 9는 본 발명의 방법에 따라 분석한 결과 항원-항체 결합력 증가에 영향을 미치는 아미노산 서열이 3번, 4번, 5번 위치에서 각각 “YYH”및 “YYS" 서열임을 보여준다.
이하, 실시예를 통하여 본 발명을 더욱 상세히 설명하고자 한다. 이들 실시예는 오로지 본 발명을 보다 구체적으로 설명하기 위한 것으로, 본 발명의 요지에 따라 본 발명의 범위가 이들 실시예에 의해 제한되지 않는다는 것은 당업계에서 통상의 지식을 가진 자에 있어서 자명할 것이다.
실시예
실시예 1: 다수 항체들의 CDR 내의 변화된 아미노산 서열 정보 수득
CDR (Complementarity Determining Region) 내의 항원 결합 부위 중 특정 관심 부위의 아미노산 서열을 변화시켜 합성한 10,000개의 항체들을 준비하였다. 이들 각 항체들의 CDR (Complementarity Determining Region) 내의 변화된 아미노산 서열에 관한 정보 데이터를 수득하였다(도 2 참조). 보다 구체적으로 설명하면, 본 발명 분석에 사용한 항체들은 항원 CSF1R, IL-17R, CTLA4, HGFR, TRAIL R1, TRAIL R2, CD40, Frizzled-7, CD30, 4-1BB 들에 대해 합성한 항체들로서, 중쇄(Heavy chain)의 경우 케벳 번호(kabat numbering)로 95, 97, 99, 100, 100a, 100b, 100c번 위치에서, 경쇄(Light chain)의 경우 91, 92. 93, 94, 96 번 위치에서 다양성 설계를 하였다.
실시예 2: 다수 항체들의 항원-항체 결합력에 대한 정보 수득
상기 실시예 1에서 제작한 10,000개의 항체들의 항원-항체 결합력을 알파-시그널(α-signal)로서 측정한 값들을 수득하여 데이터베이스화 하였다(도 2 참조). 본 실시예에서 항원-항체 결합력을 측정하기 위해 사용되어진 알파 분석법(Alpha assay, Amplified Luminescent Proximity Homogeneous Assay)은 비드(bead)에 결합한 도너(donor)와 억셉터 비드(acceptor bead) 사이의 거리 범위를 도너 비드(donor bead)로부터 생산되는 60,000개의 일중항 산소(singlet oxygen)로 인해 증폭된 신호를 측정하는 방법이다. 도너 비드들(donor beads)은 항원을 인지할 수 있는 태그를 가지고 있으며, 억셉터 비드들(acceptor beads)에는 항체를 인지할 수 있는 태그를 가지고 있어서 항원-항체 결합정도에 따라 알파-시그널(α-signal)을 측정하게 된다. 따라서, 알파-시그널(α-signal)은 항원 항체 결합력이 강할수록 증가하게 된다.
실시예 3: 다수의 항체들의 CDR 내의 아미노산 서열 정보와 항원-항체 결합력 정보를 매칭시켜 병합
상기 실시예 1 및 실시예 2에서 수득한 다수의 항체들의 CDR 내의 아미노산 서열 정보와 항원-항체 결합력 정보를 매칭하여 병합시켰다(도 2 참조). 즉, 각 항체별로 CDR 내의 아미노산 서열 정보와 함께 항원-항체 결합력 정보를 정리하여 나타내었다.
실시예 4: 항원-항체 결합력 순위에 따라 항체의 CDR 내의 아미노산 서열 정렬
상기 실시예 3에서 병합된 정보를 이용하여 항원-항체 결합력 순위에 따라 항체의 CDR 내의 아미노산 서열을 정렬하였다(도 3 참조).
실시예 5: 항원-항체 결합력 순위에 따라 항체들의 그룹화 및 매트릭스 작성
실시예 4에서 항원-항체 결합력 순위에 따라 정렬된 항체의 CDR 내의 아미노산 서열 정보를 이용하여, 항원-항체 결합력이 높은 순으로 항체들을 100개 씩 그룹화하였다. 이어서, 100개의 항체들 정보로 이루어지는 각각 그룹내에서의 각 아미노산의 위치별 아미노산의 비율을 기재한 매트릭스를 작성하였다. 도 3을 참조하여 보다 구체적으로 설명하면, 상기 제작한 각 그룹별 매트릭스의 X축은 아미노산의 종류를 기재하였고, Y축은 아미노산 위치를 기재하였으며, 매트릭스 내부에는 Y축의 아미노산의 위치에 따라 X축의 아미노산의 비율을 기재하였다. 상기와 같은 매트릭스는 각 그룹별로 작성하였으며, 100 개의 항체들로 이루어진 각 그룹별로 100개의 매트릭스를 작성하였다.
실시예 6: 각 아미노산 위치별 아미노산 비율 및 항원-항체 결합력에 관한 정보 작성
상기 작성된 각 그룹별 매트릭스로부터 각 아미노산의 위치별로 아미노산 비율 및 항원-항체 결합력에 관한 정보를 얻었다. 도 4를 참조하여 보다 구체적으로 설명하면, 상기 제작한 100개의 매트릭스에서 각 아미노산 위치별로 아미노산 비율에 관한 정보를 얻었다. 즉, 각각 매트릭스에서 1번 위치에서의 아미노산 비율 정보 및 항원-항체 결합력 정보를 모아서 분류하였다. 이러한 과정을 각 아미노산 위치(2번 위치, 3번 위치 등)에 따라 행하였다(도 4 참조).
실시예 7: 각 아미노산 위치에서 아미노산과 항원-항체 결합력과의 상관관계 분석
각 아미노산 위치에서 아미노산 잔기와 이에 대응하는 항원-항체 결합력이 기재된표(table)를 작성하고, 이 표로부터 상기 아미노산 잔기와 항원-항체 결합력과의 상관관계를 켄달 상관관계 분석법(Kendall correlation test)에 의해 분석하였다(도 4 참조).
실시예 8: 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산 선별
상기 실시예 7에서 분석한 상관관계로부터 각 아미노산 위치별로 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산을 선별하였다. 도 5 내지 도 8에서는 각 아미노산 위치별로 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산을 선별하는 과정을 나타내었다. 도 5에 나타낸 바와 같이, 1번, 2번, 7번 및 9번 위치에서 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산은 존재하지 않았다. 도 6에 나타낸 바와 같이, 3번 및 4번 위치에서는 Y (Tyrosine) 아미노산이 항원-항체 결합력과 양의 상관관계를 나타내었다. 도 7에 나타낸 바와 같이, 5번 위치에서는 H (Histidine) 또는 S (Serine) 아미노산이 항원-항체 결합력과 양의 상관관계를 나타내었다. 도 8에 나타낸 바와 같이, 8번 위치에서는 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산은 존재하지 않았다.
실시예 9: 항원-항체 결합력 증가에 영향을 미치는 아미노산 서열의 예측
상기 실시예 8에서 선별한 아미노산 잔기들을 종합하고, 이로부터 항원-항체 결합력 증가에 영향을 미치는 CDR 내의 아미노산 서열을 예측하였다. 도 9에 나타낸 바와 같이 3번, 4번, 5번 위치에서 각각 “YYH”및 “YYS" 서열이 항원-항체 결합력 증가에 영향을 미치는 아미노산 서열로 확인되었다.
이상으로 본 발명의 특정한 부분을 상세히 기술하였는 바, 당업계의 통상의 지식을 가진 자에게 있어서 이러한 구체적인 기술은 단지 바람직한 구현 예일 뿐이며, 이에 본 발명의 범위가 제한되는 것이 아닌 점은 명백하다. 따라서, 본 발명의 실질적인 범위는 첨부된 청구항과 그의 등가물에 의하여 정의된다고 할 것이다.
Claims (8)
- 다음의 단계를 포함하는 항체에서 항원-항체 결합력과 양의 상관관계를 갖는 아미노산 서열에 대한 정보를 얻는 방법:
(a) CDR (Complementarity Determining Region) 내의 아미노산 서열을 변화시켜 합성한 다수의 항체들에서 CDR 내의 아미노산 서열 정보를 얻는 단계;
(b) 상기 다수의 항체들의 항원-항체 결합력에 대한 정보를 얻는 단계;
(c) 상기 다수의 항체들의 CDR 내의 아미노산 서열 정보와 항원-항체 결합력 정보를 매칭시켜 병합시키는 단계;
(d) 상기 다수의 항체들의 CDR 내의 아미노산 서열 정보를 항원-항체 결합력 순위에 따라 정렬하는 단계;
(e) 상기 정렬된 아미노산 서열 및 항원-항체 결합력 정보의 데이터로부터 항원-항체 결합력 순위에 따라 특정 개수의 항체들을 그룹화하는 단계;
(f) 상기 각 그룹에서 아미노산 서열의 아미노산의 위치(position) 및 이 위치에서 나타나는 아미노산의 비율이 기록된 매트릭스(matrix)를 작성하는 단계;
(g) 상기 작성된 각 그룹별 매트릭스로부터 각 아미노산의 위치별로 아미노산 비율 및 항원-항체 결합력에 관한 정보를 얻는 단계;
(h) 상기 정보로부터 각 아미노산 위치에서 아미노산 및 항원-항체 결합력에 대한 표(table)를 작성한 후 상기 아미노산과 항원-항체 결합력과의 상관관계를 분석하는 단계;
(i) 상기 분석한 상관관계로부터 각 아미노산 위치별로 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산을 선별하는 단계;
(j) 상기 선별된 아미노산을 종합하는 단계; 및
(k) 상기 단계 (j)의 결과로부터 항원-항체 결합력 증가에 영향을 미치는 CDR 내의 아미노산 서열을 예측하는 단계.
- 제 1 항에 있어서, 상기 단계 (a)에서의 CDR 내에서 아미노산 서열을 변화시키는 영역은 항원과의 결합 특성을 연구하고자 하는 관심의 영역인 것을 특징으로 하는 방법.
- 제 1 항에 있어서, 상기 단계 (a)에서의 다수의 항체는 10,000 개 이상의 항체인 것을 특징으로 하는 방법.
- 제 1 항에 있어서, 상기 단계 (e)에서의 항체의 특정 개수는 50 - 200 개인 것을 특징으로 하는 방법.
- 제 1 항에 있어서, 상기 단계 (h)의 아미노산과 항원-항체 결합력과의 상관관계 분석은 켄달 상관관계 분석 (Kendall correlation test)에 의해 행하는 것을 특징으로 하는 방법.
- 제 1 항에 있어서, 상기 단계 (h)에서 각 아미노산 위치에서 나타나는 아미노산이 복수개 이상인 경우 각각의 아미노산에 따라 서로 다른 상관관계 분석을 행하는 것을 특징으로 하는 방법.
- 제 1 항에 있어서, 상기 단계 (h)에서 상관관계 분석 시 항원-항체의 결합력은 각 개별 그룹으로 이루어지는 하나의 매트릭스에서의 평균값을 사용하여 행하는 것을 특징으로 하는 방법.
- 다음의 단계를 포함하는 항체에서 항원-항체 결합력과 양의 상관관계를 갖는 아미노산 서열에 대한 정보를 얻는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체:
(a) CDR (Complementarity Determining Region) 내의 아미노산 서열을 변화시켜 합성한 다수의 항체들에서 CDR 내의 아미노산 서열 정보를 얻는 단계;
(b) 상기 다수의 항체들의 항원-항체 결합력에 대한 정보를 얻는 단계;
(c) 상기 다수의 항체들의 CDR 내의 아미노산 서열 정보와 항원-항체 결합력 정보를 매칭시켜 병합시키는 단계;
(d) 상기 다수의 항체들의 CDR 내의 아미노산 서열 정보를 항원-항체 결합력 순위에 따라 정렬하는 단계;
(e) 상기 정렬된 아미노산 서열 및 항원-항체 결합력 정보의 데이터로부터 항원-항체 결합력 순위에 따라 특정 개수의 항체들을 그룹화하는 단계;
(f) 상기 각 그룹에서 아미노산 서열의 아미노산의 위치(position) 및 이 위치에서 나타나는 아미노산의 비율이 기록된 매트릭스(matrix)를 작성하는 단계;
(g) 상기 작성된 각 그룹별 매트릭스로부터 각 아미노산의 위치별로 아미노산 비율 및 항원-항체 결합력에 관한 정보를 얻는 단계;
(h) 각 아미노산 위치에서 아미노산 잔기에 따른 항원-항체 결합력에 대한 표(table)를 생성한 후 상기 아미노산 잔기와 항원-항체 결합력과의 상관관계를 분석하는 단계;
(i) 상기 분석한 상관관계로부터 각 아미노산 위치별로 항원-항체 결합력과 양의 상관관계를 나타내는 아미노산 잔기를 선별하는 단계;
(j) 상기 선별된 아미노산 잔기를 종합하는 단계; 및
(k) 상기 단계 (j)의 결과로부터 항원-항체 결합력 증가에 영향을 미치는 CDR 내의 아미노산 서열을 예측하는 단계.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140168334A KR101618458B1 (ko) | 2014-11-28 | 2014-11-28 | 항체에서 항원-항체 결합력과 양의 상관관계를 갖는 아미노산 서열에 대한 정보를 얻는 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140168334A KR101618458B1 (ko) | 2014-11-28 | 2014-11-28 | 항체에서 항원-항체 결합력과 양의 상관관계를 갖는 아미노산 서열에 대한 정보를 얻는 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101618458B1 true KR101618458B1 (ko) | 2016-05-10 |
Family
ID=56021078
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140168334A KR101618458B1 (ko) | 2014-11-28 | 2014-11-28 | 항체에서 항원-항체 결합력과 양의 상관관계를 갖는 아미노산 서열에 대한 정보를 얻는 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101618458B1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0239400A2 (en) | 1986-03-27 | 1987-09-30 | Medical Research Council | Recombinant antibodies and methods for their production |
| KR101075123B1 (ko) | 2008-10-24 | 2011-10-19 | 아주대학교산학협력단 | 핵산가수분해 능 및 암세포내 침투능력을 갖는 인간화된 항체 및 그 용도 |
| JP2012095654A (ja) | 2004-11-08 | 2012-05-24 | Epitomics Inc | 抗体エンジニアリングのための方法 |
-
2014
- 2014-11-28 KR KR1020140168334A patent/KR101618458B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0239400A2 (en) | 1986-03-27 | 1987-09-30 | Medical Research Council | Recombinant antibodies and methods for their production |
| JP2012095654A (ja) | 2004-11-08 | 2012-05-24 | Epitomics Inc | 抗体エンジニアリングのための方法 |
| KR101075123B1 (ko) | 2008-10-24 | 2011-10-19 | 아주대학교산학협력단 | 핵산가수분해 능 및 암세포내 침투능력을 갖는 인간화된 항체 및 그 용도 |
Non-Patent Citations (1)
| Title |
|---|
| 비특허문헌 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Griffiths et al. | Antibodies for immunolabeling by light and electron microscopy: not for the faint hearted | |
| Kalina et al. | Relevance of antibody validation for flow cytometry | |
| Edwards et al. | Flow cytometry: impact on early drug discovery | |
| Bublil et al. | Stepwise prediction of conformational discontinuous B‐cell epitopes using the Mapitope algorithm | |
| Walsh et al. | Mass spectrometry-based proteomics in biomedical research: emerging technologies and future strategies | |
| Abdiche et al. | Antibodies targeting closely adjacent or minimally overlapping epitopes can displace one another | |
| Dalkas et al. | Cation–π, amino–π, π–π, and H‐bond interactions stabilize antigen–antibody interfaces | |
| Sikorski et al. | A high-throughput pipeline for validation of antibodies | |
| RU2010145939A (ru) | Антигенсвязывающая молекула, способная к многократному связыванию двух или более молекул антигена | |
| Cavallaro et al. | Multiparametric profiling of single nanoscale extracellular vesicles by combined atomic force and fluorescence microscopy: correlation and heterogeneity in their molecular and biophysical features | |
| Billing et al. | Complementarity of SOMAscan to LC-MS/MS and RNA-seq for quantitative profiling of human embryonic and mesenchymal stem cells | |
| Adler et al. | A natively paired antibody library yields drug leads with higher sensitivity and specificity than a randomly paired antibody library | |
| van Oostrum et al. | Classification of mouse B cell types using surfaceome proteotype maps | |
| Binder et al. | B‐cell receptor epitope recognition correlates with the clinical course of chronic lymphocytic leukemia | |
| Lundberg et al. | Creation of an antibody‐based subcellular protein atlas | |
| Brooks et al. | High-throughput epitope binning of therapeutic monoclonal antibodies: why you need to bin the fridge | |
| Uhlen et al. | Generation and validation of affinity reagents on a proteome‐wide level | |
| Steiner et al. | Enabling routine MHC-II-associated peptide proteomics for risk assessment of drug-induced immunogenicity | |
| Zhang et al. | Automated ligand purification platform accelerates immunopeptidome analysis by mass spectrometry | |
| Luczak et al. | Optimization of plasma sample pretreatment for quantitative analysis using iTRAQ labeling and LC-MALDI-TOF/TOF | |
| Taussig et al. | Development of proteome‐wide binding reagents for research and diagnostics | |
| Kreimer et al. | Parallelization with dual-trap single-column configuration maximizes throughput of proteomic analysis | |
| Martin et al. | Prophossi: automating expert validation of phosphopeptide–spectrum matches from tandem mass spectrometry | |
| KR101618458B1 (ko) | 항체에서 항원-항체 결합력과 양의 상관관계를 갖는 아미노산 서열에 대한 정보를 얻는 방법 | |
| Medina-Cucurella et al. | Preferential identification of agonistic OX40 antibodies by using cell lysate to pan natively paired, humanized mouse-derived yeast surface display libraries |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20190321 Year of fee payment: 4 |