估计 T 细胞受体的因果效应
机器学习
2024-10-21 v1 机器学习
基因组学
摘要
人体免疫学的核心问题之一是患者 T 细胞受体（TCR）储备对疾病的影响。本文引入一种方法，通过观测性 TCR 储备测序数据和临床结果数据推断 TCR 序列对患者结果的因果效应。我们的方法通过使用患者未经选择的 TCR 储备来纠正未观察到的混杂因素，例如患者的环境和生活史。未经选择的储备可从非生产性 TCR 数据估计得出，这些数据在当前广泛可用。由随机突变过程 V(D)J 重组产生，为自然实验。我们形式化地说明如何使用未经选择的储备进行因果推断，并开发了一个可扩展的神经网络估计器用于我们的识别公式。我们的方法产生一种干预性地将特定 TCR 序列添加到患者储备中的效应估计。作为演示，我们利用它分析 TCR 对 COVID-19 重症的影响，发现潜在的治疗性 TCR，其 (1) 在患者中观察到， (2) 能体外结合 SARS-CoV-2 抗原， (3) 对临床结果具有强正向影响。
关键词
引用
@article{arxiv.2410.14127,
title = {Estimating the Causal Effects of T Cell Receptors},
author = {Eli N. Weinstein and Elizabeth B. Wood and David M. Blei},
journal= {arXiv preprint arXiv:2410.14127},
year = {2024}
}