Disentangling multispecific antibody function with graph neural networks

Technische Samenvatting: Het ontrafelen van de functie van multispecifieke antilichamen met behulp van Graph Neural Networks

Probleemstelling
Multispecifieke antilichamen (msAbs) bieden een transformerend therapeutisch potentieel door meerdere epitopen gelijktijdig te binden, maar hun rationele ontwerp wordt gehinderd door het onvermogen om te voorspellen hoe subtiele veranderingen in de domeintopologie de functionele uitkomsten beïnvloeden. In tegenstelling tot traditionele monospecifieke antilichamen is de effectiviteit van msAbs een emergente eigenschap die wordt beheerst door complexe moleculaire architecturen, waarbij variaties in bindingsvalentie en geometrische ordening de potentie, specificiteit en veiligheid (bijv. cytokine release syndroom) drastisch kunnen veranderen. Huidige computationele benaderingen kampen met twee primaire knelpunten:

1. Datascarciteit: Uitgebreide experimentele functionele data voor diverse msAb-formaten is schaars, duur om te genereren en correleert vaak onvoldoende met de bindingsaffiniteit van de ouderlijke antilichamen.
2. Modelbeperkingen: Traditionele sequentiegebaseerde machine learning-modellen behandelen antilichamen als lineaire strengen of ongeordende verzamelingen, waardoor ze niet in staat zijn om de niet-lokale 3D-interacties en topologische beperkingen (bijv. sterische afscherming, aviditeit-poorting) te vatten die de multispecifieke functie definiëren. Bijgevolg kunnen deze modellen geen onderscheid maken tussen verschillende moleculaire formaten die identieke variabele domeinen bevatten, maar gerangschikt zijn in verschillende geometrieën.

Methodologie
Om deze uitdagingen aan te pakken, introduceren de auteurs een duaal computationeel framework bestaande uit een pipeline voor de generatie van synthetische data en een topologie-bewuste leerarchitectuur.

1. Synapse (Synthetic Network of Antibody Protein Structure Elements):

   • Generatief Framework: De auteurs hebben Synapse ontwikkeld om grootschalige, realistische synthetische functionele landschappen te creëren. Dit framework simuleert grondwaarheid-data voor willekeurige antilichaamformaten door het antilichaam te modelleren als een graaf waarbij knopen (nodes) de bindingsdomeinen vertegenwoordigen en randen (edges) de fysieke connectiviteit vertegenwoordigen.
   • Intrinsieke Fitness: Domeinsequenties worden gesampled uit een Position-Specific Scoring Matrix (PSSM) afgeleid van de Observed Antibody Space (OAS) om biofysische plausibiliteit te waarborgen. Intrinsieke fitnessscores worden toegewezen met behulp van een uitbreiding van Ehrlich-functies, die niet-lineaire, epistatische interacties modelleren op basis van "gapped motifs".
   • Globale Readout: Een connectiviteitsafhankelijke readoutfunctie berekent de globale biologische activiteit. In tegen te stelle met additieve modellen, modelleert deze functie expliciet hoe de bijdrage van een domein chemisch en sterisch wordt beïnvloed door zijn buren (bijv. 1-hop en 2-hop interacties), wat fenomenen zoals sterische afscherming en aviditeit simuleert.

2. Graph Neural Network (GNN) Architectuur:

   • Modelontwerp: De auteurs stellen een Graph Isomorphism Network (GIN) voor om functionele eigenschappen te voorspellen. Het model codeert het antilichaam als een graaf $G=(V, E)$, waarbij node-features worden afgeleid van aminozuursequenties en edge-informatie wordt gevangen via de adjacency matrix.
   • Mechanisme: Met behulp van een message-passing paradigma aggregeert de GNN node-features recursief over lokale buurten. Dit stelt het model in staat om de topologische context te coderen, zoals de afstand van een variabel domein tot de Fc-kern of de relatieve positionering (proximaal versus distaal), wat sequentiegebaseerde modellen niet kunnen oplossen.
   • Baseline Vergelijking: De GNN wordt vergeleken met een Multi-Layer Perceptron (MLP) die het molecuul behandelt als een ongeordende verzameling domeinen (connectiviteitsagnostisch) en een format-geconditioneerde MLP die de topologie ontvangt als een one-hot gecodeerde vector.

Belangrijkste Resultaten

• Schaalbaarheid en Topologiegevoeligheid:

  • Voor monospecifieke en bispecifieke formaten presteerden de GNN en de MLP vergelijkbaar, aangezien de enkele mogelijke configuratie de MLP in staat stelt de functie te benaderen.
  • Voor trispecifieke, tetraspecifieke en pentaspecifieke formaten ontstond een aanzienlijk prestatieverschil. De prestaties van de MLP plateauiden omdat deze niet in staat was om onderscheid te maken tussen formaten met identieke domeinen in verschillende arrangementen. In tegenstelling hiertoe bereikte de GNN, door de adjacency matrix expliciet te coderen, consistente prestatieverbeteringen naarmate de dataset groeide, waarmee het structurele verschillen succesvol oploste.

• Topologie-afhankelijke Optimalisatie (Trispecifieke TCE's):

  • Het framework werd toegepast op een casestudy van trispecifieke T-cel engagers (TCE's) gericht op CD3, Ly6E en B7-H4. De grondwaarheid-functie formaliseerde een scenario waarin een hoge affiniteit voor binding aan B7-H4 de effectiviteit drijft, maar toxiciteit veroorzaakt als deze distaal ten opzichte van de Fc-kern gepositioneerd is.
  • De GNN maakte succesvol onderscheid tussen "veilige" (proximale) en "toxische" (distale) configuraties, wat aantoont dat het model geometrie-afhankelijke regels leert in plaats van enkel sequentie-affiniteitscorrelaties.

• Transfer Learning en Data-efficiëntie:

  • De studie toonde aan dat het voortrainen van de GNN op grote datasets van eenvoudige, single-domain affiniteitsdata de voorspellende nauwkeurigheid op complexe, geometrie-afhankelijke taken aanzienlijk verbeterde wanneer deze werd gefinetuned met beperkte multispecifieke data. Deze aanpak overbrugt effectief de kloof tussen high-throughput binding screens en low-throughput functionele assays.

• Common Light Chain (CLC) Retrieval:

  • Het model werd gebruikt om optimale common light chains te identificeren uit een combinatorische bibliotheek van 75.000 kandidaten. De gefinetunede GIN rangschikte effectief CLC's die de topologie-afhankelijke effectiviteit maximaliseerden, waarbij de theoretische grondwaarheid nauw werd gevolgd zonder uitgebreide experimentele validatie. Dit onderstreept het vermogen van het model om developability-beperkingen te optimaliseren, zoals het minimaliseren van mispaired bijproducten.

Betekenis en Claims
De auteurs stellen dat dit werk een robuuste benchmarkomgeving biedt voor het ontrafelen van de combinatorische complexiteit van multispecificaties. Door een topologie-bewust computationeel framework te vestigen, toont de studie aan dat:

1. Expliciete Topologische Codering Noodzakelijk is: Sequentiecompositie alleen is onvoldoende om de functie van msAbs te voorspellen; modellen moeten de moleculaire connectiviteit expliciet coderen om te kunnen generaliseren naar hogere-orde constructen.
2. Synthetische Landschappen Training Mogelijk Maken: Synthetische data gegenereerd via Synapse kan modellen trainen om complexe, niet-lineaire functionele eigenschappen te reproduceren, waardoor het tekort aan experimentele multi-formaat data wordt overwonnen.
3. Versneld Ontwerp: Het framework versnelt het rationele ontwerp van de volgende generatie therapeutica door de voorspelling van trade-offs tussen effectiviteit en toxiciteit mogelijk te maken en developability-beperkingen (bijv. CLC-selectie) te optimaliseren in data-arme regimes.

Het paper concludeert dat hoewel Synapse dient als een synthetische proxy, het de basis legt voor data-efficiënt, topologie-bewust antilichaamontwerp dat verder gaat dan de additieve aannames van traditionele engineering, waarbij toekomstig werk vereist is om deze voorspellingen te valideren tegen grootschalige wet-lab datasets.