Une récente Rapports scientifiques L’étude fournit des lignes directrices sur le séquençage de nouvelle génération (NGS) pour la découverte d’anticorps.
Étude: Aperçu des stratégies de sélection d’anticorps guidées par séquençage de nouvelle génération. Crédit d’image : motorolka/Shutterstock.com
Sommaire
Arrière-plan
L’une des technologies les plus couramment utilisées pour générer des anticorps candidats principaux est la in vitro méthode d’affichage. Ici, des bibliothèques appropriées sont utilisées pour sélectionner des anticorps présentant les propriétés requises pour des applications thérapeutiques. Lors d’une campagne de sélection, une technique de pression sélective ou de concentration cible est appliquée.
Une étude récente a indiqué qu’une bibliothèque d’anticorps équipée d’un système séquentiel in vitro L’affichage sur phages et levures peut identifier des pistes de type médicament avec des affinités de liaison idéales et des propriétés développables. Cette bibliothèque a identifié avec succès 31 anticorps anti-coronavirus 2 (SARS-CoV-2) du syndrome respiratoire aigu sévère en moins d’un mois. Certains anticorps ont montré la capacité de neutraliser les virus vivants avec des affinités élevées et des propriétés biophysiques exceptionnelles.
Bien que la sélection de colonies soit une méthode efficace pour sélectionner des candidats anticorps thérapeutiques dans une période relativement courte, elle est associée à un biais inhérent en faveur de clones plus abondants dans le processus de sélection. Les campagnes de sélection à haut débit sont rarement traitées par dominance clonale.
La méthode NGS a dévoilé une association non linéaire entre diversité et profondeur de séquençage. Cette technique a démontré que des lectures de séquençage plus substantielles sont nécessaires pour obtenir des gains marginaux de diversité dans les campagnes de sélection.
Il est important de comprendre dans quelle mesure l’augmentation de la diversité est réelle et n’est pas la conséquence d’une erreur de séquencement. De même, il est impératif de déterminer si les heuristiques NGS, les outils informatiques et l’apprentissage automatique (ML) peuvent différencier les clones fonctionnels et artefactuels.
Le séquençage à lecture longue surmonte les limitations traditionnelles des premières plates-formes NGS basées sur des lectures courtes de domaines uniques ou de régions déterminant la complémentarité (CDR). Le ML a été utilisé dans la découverte d’anticorps et l’ingénierie moléculaire, au cours desquels les chercheurs ont utilisé cette technologie pour prédire les liants d’antigènes de in silico bibliothèques, élucidant les représentations fonctionnelles vitales des récepteurs des cellules B (BCR) et l’identification des structures moléculaires pour les propriétés développables.
Il existe deux approches pour les applications ML, notamment les approches supervisées et non supervisées. Des algorithmes ML ont été développés pour minimiser la perte d’étiquettes ou de valeurs prédites qui permettent une prédiction précise des données expérimentales.
À propos de l’étude
L’étude actuelle a évalué si la méthode ML et l’heuristique peuvent être appliquées aux ensembles de données NGS résultant de in vitro campagnes de découverte pour aider à la priorisation des pistes pour la découverte d’anticorps. L’étude actuelle a abordé certaines questions vitales concernant l’utilisation du NGS dans les campagnes de découverte.
Toutes les questions étaient basées sur le contexte de l’infection par le SRAS-CoV-2. L’objectif principal de cette étude était de déterminer les grands principes applicables à toutes les campagnes de sélection.
Résultats de l’étude
Au total, trois campagnes de sélection ont été menées à l’aide de la plateforme de bibliothèque semi-synthétique Gen3 à fragment variable à chaîne unique (scFv) contre le monomère S1 et le domaine de liaison au récepteur (RBD) du SRAS-CoV-2. Les anticorps ont été sélectionnés à l’aide de protéines biotinylées en utilisant deux cycles de scFv de phage, suivis d’une présentation sur levure. Les protéines liées aux trois cibles ont été sélectionnées et soumises au NGS à l’aide de codes-barres NGS en ligne 5 ‘et 3’.
Deux concentrations d’antigènes pour trois antigènes cibles ont été analysées. De plus, des colonies aléatoires basées sur une population triée nanomolaire (nM) pour les trois cibles ont été séquencées à l’aide du séquençage Sanger.
Les chercheurs ont exploré si l’abondance des clones identifiés par NGS était associée aux résultats du dépistage aléatoire. Les sorties de sélection suivaient une loi de puissance ; si la fréquence dérivée du NGS était considérée comme une vérité terrain, les clones de Sanger doivent apparaître au seuil de fréquence supérieur dans la population NGS. L’abondance des clones NGS était également fortement liée au dépistage aléatoire.
L’incorporation de NGS dans la campagne de découverte a permis l’isolement de plus de 30 anticorps ayant des affinités inférieures à 100 pM. Une plus grande diversité d’épitopes a été observée parmi ceux identifiés par NGS, soulignant ainsi l’importance du NGS au cours de la campagne de découverte dans l’identification des propriétés des anticorps liées à l’affinité de liaison et à la diversité des épitopes.
Le nombre de lectures nécessaires pour obtenir la diversité d’anticorps souhaitable a été estimé. Par exemple, 1 000 HCDR3 uniques lors d’une sélection répétée pour trois cibles à 10 nM et une affinité nM nécessiteraient 215 à 402 000 lectures de séquence pour chaque population cible.
L’abondance relative et l’enrichissement en plis pourraient être utilisés pour faire la distinction entre les anticorps liants et non liants. Lorsque les anticorps ont été analysés après une seule étape sélective de 10 à 1 nM, une association faible à modérée a été trouvée entre l’affinité, l’abondance et l’enrichissement.
L’étude actuelle présente une approche simple pour identifier les anticorps dans la population en sélectionnant le clone supérieur pour chaque groupe. Cela permet la ségrégation des liants en fonction de la diversité des paratopes et minimise le nombre de séquences aberrantes. Des algorithmes ML ont été utilisés pour classer les anticorps comme liants ou non-liants et améliorer les corrélations avec les affinités.
AbScan au sein du module AbXtract a été développé sur la base des propriétés chimiques des acides aminés pour une approche de regroupement impartiale.
Conclusions
L’étude actuelle met en valeur les avantages du NGS dans la découverte d’anticorps. Les données NGS sont bénéfiques pour attribuer des anticorps sélectionnés aux clusters HCDR3, car cette approche offre une diversité épitopique et paratopique supplémentaire. Ainsi, les données NGS peuvent fournir des informations et des recommandations importantes pour la découverte efficace d’anticorps thérapeutiques.
