基于距离异常评分的低频抗原特异性TCR无监督识别方法TCR-RADAR

《Briefings in Bioinformatics》：Unsupervised identification of low-frequency antigen-specific TCRs using distance-based anomaly scoring

　　

在人类多样化的T细胞受体（TCR）库中识别抗原特异性TCR仍然具有挑战性，尤其是对于低频克隆型。本研究提出TCR-RADAR（TCR Rare Antigen-specific Detection by Anomaly Ranking），一种通过TCR序列空间中的距离异常检测来发现低频抗原特异性TCR的无监督方法。研究人员利用TCRdist3量化序列距离，识别出在其V-J基因组合内相对于参考库存在异常的查询TCR。该方法在三种免疫学背景下得到验证：COVID-19感染、流感疫苗接种和黄热病疫苗接种。在COVID-19患者中检测SARS-CoV-2特异性TCR时，该方法达到了34.3%的精确率，显著高于基于相似性的方法（ALICE：8.0%）和基于频率的方法（edgeR：5.8%，Pogorelyy方法：6.3%），并且能够独特地检测到克隆计数仅为1的低频抗原特异性TCR。与常规方法的最小重叠（三个数据集中为0%-6.7%）表明，该方法捕获了现有分析所忽视的不同TCR克隆。这种基于距离的策略为TCR特异性检测提供了一种互补方法，尤其有助于识别对理解免疫反应至关重要的稀有抗原特异性克隆。

论文解读：基于距离异常评分的低频抗原特异性TCR无监督识别方法TCR-RADAR

一、研究背景与问题

T细胞通过其表面的T细胞受体（T cell receptor, TCR）识别病原体衍生肽段，在适应性免疫中发挥核心作用。人体拥有约10¹¹个T细胞，每个T细胞表达独特的TCR，这些TCR通过体细胞重组产生，形成极其多样的TCR库。识别该庞大库中的抗原特异性TCR对于理解免疫反应至关重要，并直接应用于传染病诊断、治疗监测和癌症免疫疗法。然而，TCR频率的幂律分布以及某些抗原特异性TCR极低的频率，给它们的检测和表征带来了重大挑战。

当前的计算机方法主要分为有监督和无监督两类。有监督的深度学习模型（如DeepTCR、NetTCR、TCR-BERT）对于训练数据中充分代表的表位表现出可靠的预测性能，但对未见过的表位泛化能力有限。这促使了不依赖TCR-肽-主要组织相容性复合体（pMHC）结合数据的无监督方法的发展。在无监督方法中，基于序列相似性的方法（如ALICE、GLIPH2、ClusTCR）利用序列相似的TCR常共享抗原特异性的观察，但它们主要关注检测TCR群组而非预测单个TCR的特异性，且序列相似性与功能相似性并非完全对应。基于频率的方法（如edgeR、Pogorelyy方法）通过统计抗原刺激后的克隆扩增来检测抗原特异性TCR，但对于低增殖能力的克隆或弱免疫反应场景效果有限，且通常需要多个生物学重复。

为解决上述问题，特别是针对现有方法难以检测的低频抗原特异性TCR，研究人员开发了TCR-RADAR这一基于距离异常检测的新型无监督方法。

二、主要技术方法

研究人员采用的主要关键技术方法包括：

1. 1.
   TCRdist3距离度量：用于量化TCR序列之间的差异，计算配对距离。
2. 2.
   V-J基因分组策略：根据数据集规模自适应选择按V-J基因对或仅按V基因进行分组，在组内计算异常分数，以降低计算复杂度。
3. 3.
   距离基异常评分算法：为每个查询TCR计算其与参考库中所有TCR的TCRdist3距离之和作为基础分数，并通过聚合其邻近查询TCR的基础分数来得到最终异常分数。
4. 4.
   候选TCR选择：根据异常分数降序排列，选取前1000个TCR作为候选抗原特异性序列。
5. 5.
   验证数据库：使用来自公开数据库的已知TCR-表位结合对进行验证，包括COVID-19的ImmuneCODE数据库（154,320对）、流感的VDJdb数据库（6,669对）以及黄热病的已发表数据集（1,851个NS4B特异性CD8⁺ T细胞）。
6. 6.
   对比基准方法：与基于相似性的方法（ALICE）和基于频率的方法（edgeR、Pogorelyy方法）进行比较。

三、研究结果

1. 抗原特异性TCR在V基因簇内的非均匀分布启发了距离基异常分数的设计

研究人员首先通过t-分布随机邻域嵌入（t-SNE）可视化了一名COVID-19感染者的TCR库，发现不同V基因家族形成了不同的簇。将SARS-CoV-2表位特异性TCR映射到该可视化图上后，发现它们在每个V基因簇内呈非均匀分布，而非集中在簇中心。这一观察促使研究人员尝试通过量化每个查询TCR到参考库的距离来分离抗原特异性TCR。

2. 在检测低频SARS-CoV-2特异性TCR方面表现优越

在COVID-19感染数据上，TCR-RADAR实现了34.3%的精确率，显著高于ALICE（8.0%）、edgeR（5.8%）和Pogorelyy方法（6.3%）。该方法与现有方法的识别重叠极小（0.3%-0.6%），表明其捕获了被常规分析忽略的功能重要的TCR群体。关键优势在于其检测低频TCR的能力：TCR-RADAR成功检测到克隆计数低至1的抗原特异性TCR，而基于频率的方法只能检测到最小克隆计数为8（edgeR）和20（Pogorelyy方法）的TCR。

3. 在流感疫苗接种中独立于克隆扩增幅度的稳健检测

在克隆扩增有限的流感疫苗接种数据中，TCR-RADAR仍保持了22.5%的精确率，显著高于ALICE（7.2%）、edgeR（5.3%），而Pogorelyy方法未能识别任何表位特异性TCR（0%）。该方法与ALICE的重叠为6.7%，与edgeR无重叠，再次证明了其捕获独特TCR群体的能力。TCR-RADAR检测到的流感特异性TCR克隆计数可低至1，而edgeR所需的平均最小计数为8.5。

4. 在黄热病疫苗接种强免疫反应中的性能特征

在黄热病疫苗接种数据中，尽管TCR-RADAR的整体精确率（15.6%）低于ALICE（29.4%）和基于频率的方法（edgeR: 17.1%, Pogorelyy方法: 18.8%），但它与其他方法的重叠极小（≤1.3%），表明其检测到了互补的TCR群体。TCR-RADAR继续保持其在检测低频克隆方面的核心优势，识别出克隆计数为1的黄热病特异性TCR，而基于频率的方法的最低检测计数分别为8（edgeR）和17（Pogorelyy方法）。

四、讨论与结论

研究人员开发的TCR-RADAR是一种通过距离基异常检测来发现低频抗原特异性TCR的无监督方法，它超越了传统的基于频率和基于相似性的方法二分法，引入了基于异常的新视角。该方法特别针对现有方法因算法限制而难以检测的低频抗原特异性TCR。分析显示，克隆计数为1的TCR在抗原特异性群体中占有相当比例（COVID-19: 44.9%, 流感: 66.1%, 黄热病: 68.8%），凸显了检测这些稀有克隆的重要性。此外，PCR扩增偏差和测序错误等技术因素也可能人为降低真实丰度克隆的表观频率，因此频率无关的检测方法至关重要。

TCR-RADAR补充了实验验证方法。由于已知TCR-抗原训练对的稀缺，有监督模型对未见表位的泛化能力较差。TCR-RADAR以一种与现有方法（包括有监督模型）在很大程度上互补的方式，优先排序用于实验验证的TCR候选物，这可能降低实验成本和精力，同时加速扩展稳健机器学习模型评估所需的抗原特异性TCR数据库。

关于黄热病数据上性能较低的原因，研究人员推测可能是黄热病诱导的免疫反应本质不同，或者验证数据库的限制所致。该研究也存在局限性，包括依赖于三个超参数（用于基因分组的TCR计数阈值、邻域半径和候选数），以及仅关注了来自批量库数据的TCRβ链等。

研究结论：研究人员提出了一种通过距离基异常检测来发现抗原特异性TCR的新策略，该策略超越并补充了传统的基于频率和基于相似性的方法。这种无监督方法能识别被常规方法遗漏的低频TCR，将查询TCR作为相对于参考库的异常进行排序。在三个不同的免疫学背景下——COVID-19感染、流感疫苗接种和黄热病疫苗接种——TCR-RADAR展示了其独特的能力，即检测克隆计数仅为1的抗原特异性TCR，对SARS-CoV-2特异性TCR达到34.3%的精确率，而现有方法仅限于检测更高频率的克隆。与常规方法的最小重叠（三个数据集中为0%-6.7%）证实了TCR-RADAR捕获了不同的TCR群体，为全面的免疫库分析提供了互补工具。随着TCR测序技术的进步和表位数据库的扩展，TCR-RADAR为优先排序稀有抗原特异性克隆以进行实验验证提供了有价值的策略，可能加速诊断工具和免疫疗法的开发。