AIRIVA：一种自适应免疫组库的深度生成模型
定量方法
2023-04-28 v1 机器学习
摘要
免疫组学的最新进展表明，通过利用T细胞受体（TCR）与疾病抗原结合的高度特异性，TCR特征能够准确预测活动性 or 近期感染。然而，适应性免疫组库的极端多样性给可靠识别疾病特异性TCR带来了挑战。群体遗传学和测序深度也会对组库产生强烈的系统性影响，这在开发诊断模型时需要仔细考量。我们提出了一种自适应免疫组库不变变分自编码器（AIRIVA），这是一种生成模型，可学习TCR组库的低维、可解释且可组合的表示，以解耦组库中的此类系统性效应。我们将AIRIVA应用于两项传染病案例研究：COVID-19（自然感染与疫苗接种）和单纯疱疹病毒（HSV-1与HSV-2），并通过实证表明我们能够解耦个体疾病信号。我们进一步展示了AIRIVA的能力：从未经标记的样品中学习；通过对潜在因子进行干预生成计算机模拟的TCR组库；以及利用来自外部检测数据的TCR注释鉴定疾病相关TCR。
引用
@article{arxiv.2304.13737,
title = {AIRIVA: A Deep Generative Model of Adaptive Immune Repertoires},
author = {Melanie F. Pradier and Niranjani Prasad and Paidamoyo Chapfuwa and Sahra Ghalebikesabi and Max Ilse and Steven Woodhouse and Rebecca Elyanow and Javier Zazo and Javier Gonzalez and Julia Greissl and Edward Meeds},
journal= {arXiv preprint arXiv:2304.13737},
year = {2023}
}