亲爱的编辑,gydF4y2Ba

COVID-19大流行已经持续了近两年半，新的SARS-CoV-2关注变种(VOCs)不断出现，这推动了广泛中和抗体的开发。gydF4y2Ba1gydF4y2Ba，gydF4y2Ba2gydF4y2Ba据报道，delta (B.1.617.2谱系)和Omicron (BA.1和BA.2)等变体对目前的一些治疗性抗体表现出免疫逃避。gydF4y2Ba2gydF4y2Ba，gydF4y2Ba3.gydF4y2Ba

不断发展的SARS-CoV-2需要快速预测抗体与新变体的结合，并开发广泛中和的抗体。考虑到深度学习在抗体工程和优化中的应用，我们想知道针对SARS-CoV-2变体的广泛反应性抗体是否可以通过深度学习快速设计和生成。在这里，我们报告一个阿特劳斯卷积神经网络(ACNN)的发展。gydF4y2Ba4gydF4y2Ba基于深度学习框架:交叉反应性B细胞受体网络(XBCR-net)，可以直接从单细胞BCR序列预测针对SARS-CoV-2和VOCs的广泛反应性抗体。XBCR-net由两部分组成，第一部分通过三分支ACNN提取抗体-抗原相互作用的相关特征，第二部分通过残差结构多层感知器(residual structural Multi-Layer Perceptron)预测抗体与抗原(14个不同的RBD序列)的结合概率(图。gydF4y2Ba1gydF4y2Ba；gydF4y2Ba补充信息gydF4y2Ba,无花果。gydF4y2BaS1agydF4y2Ba)．对基于acnn的XBCR-net预测SARS-CoV-2结合的性能进行了评估，结果表明，与其他框架相比，XBCR-net的准确率、精密度和召回值均显著提高(图2)。gydF4y2Ba1gydF4y2Ba；gydF4y2Ba补充信息gydF4y2Ba,无花果。gydF4y2Ba印地gydF4y2Ba)．gydF4y2Ba

图1:基于acnn的深度学习框架XBCR-net开发广泛反应性抗体。gydF4y2Ba
图1gydF4y2Ba

一个gydF4y2Ba提取VH、VL和RBD序列的氨基酸序列特征，进行局部定位和max-pooled，连接在一起作为全连接层的输入。利用多层感知机(Multi-Layer Perceptron)处理潜伏空间中的活性特征，预测抗体与多种抗原的结合概率。在局部直方图影响评分图上计算VH、VL和RBD的影响评分，表示指定氨基酸在VH、VL (gydF4y2BaygydF4y2Ba轴)和RBD (gydF4y2BaxgydF4y2Ba轴)。通过ACNN(紫色)、Transformer(灰色)、FCN(红色)和CNN(蓝色)的Precision-Recall曲线对预测结果进行评价。gydF4y2BabgydF4y2Ba预测的SARS-CoV-2和Omicron变体结合剂的HCDR3序列采用80%序列相似度聚类。簇大小表示簇中BCR序列的数量。对于每个展开的集群，HCDR3序列被可视化为序列标识图，其中gydF4y2BaygydF4y2Ba-轴表示单个氨基酸在中相应位置的频率gydF4y2BaxgydF4y2Ba设在。主导VH基因的频率列在标志上方。gydF4y2BacgydF4y2Ba显示泛sars2序列的特定V区到J区配对编码的抗体频率的Circos图。gydF4y2BadgydF4y2Ba分析了四组BCR曲目的多样性，这与每组的样本数有关。gydF4y2BaegydF4y2Ba通过ELISA检测预测的交叉反应抗体与SARS-CoV-2的RBD和Omicron变体(左图)的结合。具有代表性的外径读数绘制为热图，范围为0.05至5.0，外径0.1为临界值(gydF4y2BangydF4y2Ba=每组3名)。gydF4y2BafgydF4y2Ba通过荧光素酶8次稀释的读数，生成SARS-CoV-2 Omicron变体(BA.1) XBN-1、XBN-6和XBN-11单抗伪病毒中和曲线(gydF4y2BangydF4y2Ba= 3)。gydF4y2BaggydF4y2BaXBN-1和XBN-11的HCDR3序列与已发表的研究中最收敛的抗sars - cov -2抗体一致。gydF4y2BahgydF4y2Ba泛sars组的优势簇(由IGHV3-30和IGKV1-13编码)的HCDR3序列频率如图所示。gydF4y2Ba

全尺寸图像gydF4y2Ba

为评估XBCR-net对未见VOCs的适应性，采用Omicron新变体(BA.1、BA.2和BA.4)的RBD和142种抗Omicron单克隆抗体(包括治疗性抗体LY-CoV016、AZD-1061、REGN10933和S309)进行测试。gydF4y2Ba5gydF4y2BaXBCR-net预测142种结合物中有102种为阳性，142种非结合物(抗sars - cov -2抗体，不与Omicron结合)中有116种为阴性，说明XBCR-net在预测与Omicron结合抗体时的实用性(gydF4y2Ba补充信息gydF4y2Ba、表gydF4y2BaS1gydF4y2Ba、数据gydF4y2BaS3gydF4y2Ba)．gydF4y2Ba

然后，我们使用XBCR-net从COVID患者(GSE171703)的单细胞BCR数据集中预测野生型(WT) SARS-CoV-2和VOC结合物，这些患者未被Omicron变体感染。gydF4y2Ba6gydF4y2Ba基于预测SARS-CoV-2结合剂和Omicron变体结合剂80% HCDR3序列相似性，我们鉴定了153和89个簇(图5)。gydF4y2Ba1 bgydF4y2Ba)．3个簇的大小大于8，预计对SARS-CoV-2和Omicron变体具有交叉反应。优势聚类(聚类1)与IGHV1-58编码的一种经过充分研究的公共克隆型高度收敛，包括治疗性抗体Tixagevimab，据报道Tixagevimab可中和SARS-CoV-2。gydF4y2Ba7gydF4y2Ba另外两个簇(簇2和簇3)也分别属于由IGHV3-30(如治疗性抗体REGN 10987)和IGHV4-59 v区(如交叉反应性抗体47D11)编码的公共抗sars - cov -2克隆型(图3)。gydF4y2Ba1 bgydF4y2Ba)．在一些研究中也描述了簇4抗体，如COV2-2733和COV2-2752，它们与SARS-CoV-2结合，但不与SARS-CoV结合。gydF4y2Ba8gydF4y2Ba

XBCR-net预测，6743个BCRs中有336个对WT型SARS-CoV的RBD区域及其VOCs(泛sars2，包括alpha、beta、delta和gamma变体)具有交叉反应，而其中只有54个对SARS-CoV的RBD(泛sars)具有交叉反应。泛sars -2的V-J区IGHV3-30、IGHV3-23和IGKV1-39基因使用率略高(图5)。gydF4y2Ba1 cgydF4y2Ba)．与泛sars抗体序列相比，在泛sars抗体序列中观察到IGHV3-30的使用更偏倚，多样性更低(图2)。gydF4y2Ba1 dgydF4y2Ba；gydF4y2Ba补充信息gydF4y2Ba,无花果。gydF4y2BaS2a bgydF4y2Ba)．gydF4y2Ba

由于我们在预测的交叉反应性RBD结合剂中观察到IGHV3-30的偏倚使用和IGHV3-30簇的扩大(图2)。gydF4y2Ba1 cgydF4y2Ba；gydF4y2Ba补充信息gydF4y2Ba,无花果。gydF4y2BaS2a-cgydF4y2Ba)，我们从过滤的抗体列表中选择了10个IGHV3-30抗体和15个不同IGHV用法的抗体(描述在gydF4y2Ba补充信息gydF4y2Ba)．与阴性对照抗体相比，所有25单抗在1 μg/mL时均能与WT SARS-CoV-2的RBD结合。与Omicron验证数据集一致，25个单克隆抗体中有20个对SARS-CoV-2 Omicron变体的RBD具有1 μg/mL的交叉反应。gydF4y2Ba1 egydF4y2Ba)．有趣的是，我们研究中所有的IGHV3-30抗体都能结合Omicron变体(图。gydF4y2Ba1 egydF4y2Ba)．为了进一步实证验证XBCR-net，我们将其应用于克隆的25株SARS-CoV结合单克隆抗体。在预测与SARS-CoV发生交叉反应的8个单克隆抗体中，有6个与SARS-CoV的RBD显著结合(gydF4y2Ba补充信息gydF4y2Ba,无花果。gydF4y2BaS3gydF4y2Ba)．这些结果证明了XBCR-net在不需要额外训练数据的情况下，可以推断出BCR的交叉反应性。gydF4y2Ba

据报道，SARS-CoV-2 Omicron变体可以逃避一些治疗性单抗药物的中和。然后，我们测试了这些交叉反应单克隆抗体对SARS-CoV-2的Omicron和delta变体的中和能力。XBN-1与IC对delta (B.1.617.2)和Omicron (BA.1)均有中和活性gydF4y2Ba50gydF4y2Ba分别为7 ng/mL和418 ng/mL。XBN-6用IC中和delta (D614G)gydF4y2Ba50gydF4y2Ba而XBN-11在IC作用下对Omicron (BA.1)中和gydF4y2Ba50gydF4y2Ba17ng /mL(图;gydF4y2Ba1 fgydF4y2Ba；gydF4y2Ba补充信息gydF4y2Ba、表gydF4y2BaS2gydF4y2Ba)．gydF4y2Ba

由于SARS-CoV-2在不断进化，因此需要迅速更新新变体的治疗方法，以便临床决策。gydF4y2Ba9gydF4y2Ba，gydF4y2Ba10gydF4y2Ba我们的XBCR-net在获得RBD序列后，可以快速预测新发现的SARS-CoV-2变体的抗体结合。我们克隆的IGHV1-58单抗与已发表的中和SARS-CoV-2的抗体PDI-306和C598具有收敛性。我们克隆的IGHV3-30单抗显示出与已发布的冠状病毒抗体PDI234和COV2-2700的重链收敛(图2)。gydF4y2Ba1gydF4y2Bag). PDI234和COV2-2700不与SARS-CoV结合，gydF4y2Ba8gydF4y2Ba这表明HCDR3和不同轻链(IGKV1-13)上的关键突变可以使IGHV3-30克隆型单抗交叉反应。通过XBCR-net的预测，我们发现IGHV3-30和IGKV1-13编码的聚类衍生的单抗除SARS-CoV-2外，还能与SARS-CoV和Omicron变体结合(图2)。gydF4y2Ba1 egydF4y2Bah;gydF4y2Ba补充信息gydF4y2Ba,无花果。gydF4y2BaS3gydF4y2Ba)，表明我们发现的IGHV3-30、IGKV1-13编码簇可以进一步发展成为广泛中和SARS-CoV和SARS-CoV-2的抗体。总之，我们的XBCR-net可以预测针对新发现的SARS-CoV-2变体的广泛反应性抗体，而无需事先了解新的变体特异性抗体，有助于快速生成针对SARS-CoV-2变体和其他新出现的病毒的抗体。gydF4y2Ba