あなたの免疫系を、体の境界線をパトロールする高度に訓練された警備隊だと想像してみてください。その任務は、ウイルス、細菌、あるいはがん細胞といった侵入者を見つけ出し、警報を鳴らすことです。これを行うために、警備員（T細胞）は侵入者の「顔」を見る必要があります。しかし、警備員は侵入者を直接見るわけではありません。彼らは、すべての細胞の表面にある特別な掲示板に表示された、「ペプチド」と呼ばれる侵入者の小さな断片を見ているのです。この掲示板は、主要組織適合遺伝子複合体（MHC）と呼ばれます。
問題は、考えられるペプチド断片が何十億通りもあり、掲示板には数千種類の異なる形状（アレル）が存在し、それぞれが掲示するものに対して独自の「好み」を持っていることです。それはまるで、巨大で絶えず変化するジグソーパズルのなかで、どの特定のピースがどの特定の溝に適合するかを予測しようとする試みに似ています。科学者たちは、これらの適合を推測するためのコンピュータプログラムを構築してきましたが、それらは主に一つの特定の種類、すなわち質量分析（マススペクトロメトリー）のデータに基づいて学習してきました。質量分析を、細胞内の掲示板に現在かかっているペプチドの写真を撮るハイテクカメラだと考えてください。これは非常に優れたものですが、死角もあります。一部のタイプのピースを見逃したり、適合しないピースを容易に捉えることができなかったりするのです。一方で、一度に数百万のピースをテストできる、より高速な新しい実験も登場していますが、それらはパズルを少し異なる角度から見ています。大きな疑問は、これら新しい、より高速な実験からコンピュータプログラムに学習させる方法を、既存のハイテクカメラから学んだことを忘れることなく、どのようにして教えるかということです。
ここで、Chati氏とその仲間たちによって導入された、巧妙な新しいフレームワークであるPepCLが登場します。これは、これらのコンピュータモデルにとっての「やり直し（do-over）」ボタンのような役割を果たします。研究者たちは、単に新しいデータでモデルを再学習させることは、新しい言語をその言語だけで話すことで学ぼうとするようなものだと気づきました。その言語には上手くなるかもしれませんが、母国語を忘れてしまうかもしれません。そこで彼らは、**継続学習（continual learning）**と呼ばれる手法を開発しました。学生が数学のテストに向けて勉強している場面を想像してください。通常、もし彼らが歴史のテストの勉強を始めたら、数学の公式を忘れてしまうかもしれません。しかし、PepCLを使えば、学生は歴史を勉強しながら、古い数学の問題の「カンニングペーパー（リプレイ・データ）」を与えられます。歴史の問題に答えるたびに、古いルールを忘れていないか確認するために、数学のカンニングペーパーにも目をやるのです。
チームは、学生の役割を果たすための、非常に柔軟で新しいモデルであるMHCPrimeを構築しました。そして、酵母ディスプレイやEpiScanを含む様々な新しい実験のデータを用いて、このモデルを更新するためにPepCLを使用しました。その結果は目覚ましいものでした。モデルは、古いカメラが見逃していたトリッキーな疎水性ペプチドを見分ける方法といった、新しい実験特有の詳細を学習しましたが、実際のヒト細胞内で何が起きているかを予測する能力を失うことはありませんでした。実際、従来の標準的な手法（ファインチューニングと呼ばれます）を用いてモデルを更新しようとすると、モデルは「混乱」し、新しい実験には適応したものの、古いものについては使い物にならなくなりました。これは「破滅的忘却（catastrophic forgetting）」として知られる現象です。しかし、PepCLはバランスを維持しました。これは、新しい科学的ツールが発明されるにつれて、私たちの免疫系の「顔認識」ソフトウェアを、ハードドライブを完全に消去することなく、新しいデータでアップグレードすることが可能であることを示唆しています。このアプローチは、予測ツールをよりスマートで適応性の高いものにすることで、科学者がより優れたワクチンやがん治療法を設計する助けとなる可能性があります。
技術要約：PepCL – ペプチド-MHCモデルのためのリプレイベースの継続学習フレームワーク
問題提起
ペプチド-主要組織適合遺伝子複合体（MHC）クラスIの結合予測は、ワクチン設計や免疫療法において極めて重要であるが、40,000を超えるMHCアレルが存在するため、組合せ爆発という課題に直面している。質量分析（MS）は、予測モデルの学習において最大のデータセットを提供してきたが、MS由来のリガンドームは不完全かつ偏りがあり、特定の配列クラス（例：システイン含有ペプチドや高度に疎水的なペプチド）を過小評価し、非結合体を捉えきれていない。新たな実験的アッセイ（酵母ディスプレイ、EpiScan、結合親和性、ESCAPE-seqなど）は、実験的に検証された非結合体や連続的なアウトプットを含む、相補的なデータを提供する。しかし、既存のペプチド-MHC予測器は通常、固定されたバージョンのモデルとして配布される。これらの新しい直交するデータソースを組み込むには、通常、フル再学習または従来のファインチューニング（FT）が必要となる。FTは「破滅的忘却」を引き起こすことが多く、モデルが新しいアッセイ特有のバイアスや分布に過剰適合し、MSデータから学習した生物学的に根拠のある内因性ペプチド提示の貴重な知識を上書きしてしまう。
手法
新しいデータへの適応と既知の知識の保持とのトレードオフに対処するため、著者らはリプレイベースの継続学習フレームワークであるPepCL（Peptide-MHC Continual Learning）を導入する。
- MHCPrimeバックボーン: 著者らは、MS溶出リガンド（EL）データで学習された、新しい最先端のパンアレル的トランスフォーマーベースのモデルであるMHCPrimeを開発した。クローズドソースのアンサンブルモデル（HLApolloなど）とは異なり、MHCPrimeはオープンソースであり、GPU最適化されており、継続学習を容易にするためにパラメータ、ロジット、および勾配への直接的なアクセスが可能である。これは、ConformerおよびTransformerブロックを介して生化学的特徴と局所的なコンテキストを取り入れるデュアルエンコーダアーキテクチャ（ペプチドおよびMHC擬似配列）を利用している。
- PepCLフレームワーク: PepCLは、以下の3つのメカニズムを組み合わせて、学習済みMHCPrimeモデルを更新する。
- 新規データ更新: 入力されるアッセイデータ（酵母ディスプレイ、EpiScanなど）を用いてモデルを学習させる。
- データリプレイ: 新しいデータの分布に対して勾配を相殺する勾配を提供するために、元のMS学習データのバッチを更新中にインターリーブ（交互に挿入）する。
- ドリフト正則化: 学習済みのコピーを凍結状態で保持する。更新されたモデルが、リプレイデータに対する予測において、凍結されたモデルの予測から大きく逸脱した場合、ペナルティ（ロジットに対する平均二乗誤差による）が課される。このペナルティはハイパーパラメータ λ によって制御される。
- 学習目的: フレームワークは、ランキングのための微分可能なSmooth-AP損失を用いた分類損失を、新しいデータとリプレイデータの両方から組み合わせる。連続的なアウトプットを持つアッセイ（結合親和性、ESCAPE-seqなど）については、新しいデータに対して微分可能なソフトランク損失を使用しつつ、リプレイセットに対しては分類損失を維持する。
主な結果
著者らは、感染症やがんを含む多様な生物学的コンテキストにおいて、複数のアッセイモダリティを用いてPepCLとMчHPrimeを評価した。
- ベースモデルの性能: MHCPrimeは、保持されたMSベンチマークにおいて、単一の非アンサンブルモデルでありながら、HLApolloのようなクローズドソースのアンサンブルモデルに匹敵またはそれを上回る最先端の性能を達成した。しかし、他のMS学習モデルと同様に、非MSデータセットでは性能が低下した。
- 破滅的忘却の軽減: 新しいMSサブセットや特定のモチーフクラスターでモデルを更新した制御実験において、従来のFTは元のデータに対する性能の深刻な劣化（忘却）を引き起こした。PepCLは、元のMS分布における性能を維持しながら、新しい情報を正常に取り込むことに成功した。
- アッセイ適応: 非MSデータ（酵母ディスプレイ、EpiScan、結合親和性、ESCAPE-seq）で更新した場合：
- FTはターゲットのアッセイにおける性能を向上させたが、MSベンチマークおよび関連ドメインにおいて不釣り合いな損失を引き起こした。
- PepCLは、MSベンチマークの性能を維持または向上させつつ、新しいアッセイにおいて同等の利得を得た。
- PepCLは、「ハードネガティブ」（例：EpiScanの再学習ライブラリにおけるもの）や連続的なアウトプットから学習する優れた能力を示し、アッセイ特有のアーティファクトへの過学習を防いだ。
- クロスアレル転移: 重要な知見は、PepCLがアッセイ由来の信号を、更新セットに含まれていないアレルへと転移させたことである。MHCPrimeのパンアレル的表現を活用することで、フレームワークは未知のアレルに対する予測を改善したが、FTではこれらのアレルに対する従来のMSドメインの性能が低下することが多かった。
- 保守的な適応: 配列モチーフの分析により、FTがアッセイ特有のバイアス（例：特定の変異による酵母ディスプレイでのC末端制約の緩和）を完全に吸収したのに対し、PepCLはこれらの信号をより保守的に採用し、生物学的に妥当なMS由来の結合特性に留まっていることが明らかになった。
意義と主張
本論文は、PepCLが、ペプチド-MHCモデルの有用性を、免疫ペプチドミクスのアッセイが進展するにつれて拡張するための柔軟なフレームワークを確立すると主張している。著者らは次のように述べている。
- 継続学習の必要性: 分野は、既知の知識を破棄することなく新しい実験的証拠を統合できる、静的な一度限りの学習から、更新可能なフレームワークへと移行しなければならない。
- バランスの取れた適応: PepCLは、多様なアッセイ（これらはしばしば異なるバイアスやエンドポイントを持つ）から得られる相補的な情報を吸収しつつ、従来のファインチューニングに伴う過剰適合や破滅的忘果を防ぐための制御されたメカニズムを提供する。
- 臨床的関連性: 自然な提示（endogenous presentation）を正確に予測することが極めて重要となるネオアンチゲン優先順位付けやワクチン設計などの臨床応用において、MSの事前知識（自然な提示を反映するもの）を保持しつつ新しい信号を統合することで、PepCLはより堅牢な道筋を提供する。
- スケーラビリティ: フレームワークは、限定的なアレルのアッセイデータを、より広範なパンアレル空間へと伝播させることを可能にし、多くの臨床的に重要なアレルにおけるデータの希薄さという課題に対処する。
著者らは、ペプチド-MHC予測の進歩は、モデルのアーキテクチャだけでなく、新しいデータセットが登場するにつれて予測範囲を拡大するための実用的な経路を提供するPepCLのようなフレームワークにますます依存することになると結論付けている。
毎週最高の bioinformatics 論文をお届け。
スタンフォード、ケンブリッジ、フランス科学アカデミーの研究者に信頼されています。
受信トレイを確認して登録を完了してください。
問題が発生しました。もう一度お試しください。
スパムなし、いつでも解除可能。
週刊ダイジェスト — 最新の研究をわかりやすく。登録