딥러닝 기반의 SARS-CoV-2 및 그 옴부로논 변이에 대한 광범위한 반응성을 갖는 항체의 빠른 생성

코로나19 팬데믹은 거의 2년 반 동안 지속되고 있으며, SARS-CoV-2의 우려되는 변이체(VOCs)가 계속해서 등장하고 있어 광범위한 중화 항체 개발이 시급한 상황이다. 델타(B.1.617.2 계통) 및 오미크론(BA.1 및 BA.2)과 같은 변이체는 기존 치료용 항체에 대해 면역 회피 능력을 보인다는 보고가 있다. 지속적으로 진화하는 SARS-CoV-2에 대응하기 위해 새로운 변이체에 대한 항체 결합 예측 및 광범위한 중화 항체 개발이 빠르게 이루어져야 한다. 항체 공학 및 최적화 분야에서 딥러닝의 응용을 고려할 때, SARS-CoV-2 변이체에 대해 광범위한 반응성을 보이는 항체가 딥러닝을 통해 빠르게 설계되고 생성될 수 있을지 궁금해졌다. 본 연구에서는 단일세포 B 세포 수용체(BCR) 서열로부터 SARS-CoV-2 및 VOCs에 대한 광범위한 반응성을 가진 항체를 직접 예측할 수 있는, 아트로우스 컨볼루션 신경망(ACNN) 기반의 딥러닝 프레임워크인 ‘교차 반응성 B 세포 수용체 네트워크(XBCR-net)’를 개발하였다. XBCR-net는 두 가지 구성 요소로 이루어져 있다. 첫 번째 구성 요소는 3개의 분기로 구성된 ACNN을 통해 항체-항원 상호작용과 관련된 특징을 추출하고, 두 번째 구성 요소는 잔차 구조를 가진 다층 퍼셉트론(MLP)을 사용하여 항체가 항원(14개의 다른 RBD 서열)에 결합할 확률을 예측한다. SARS-CoV-2에 대한 결합 예측 성능을 평가한 결과, XBCR-net는 다른 프레임워크보다 유의미하게 높은 정확도, 정밀도 및 재현율을 보였다.