Opponent Shaping for Antibody Development

要約

抗ウイルス療法は通常、現在のウイルス株を標的とするように設計されています。
ゲーム理論的には、これは近視眼的な、つまり近視眼的な反応に相当します。
しかし、治療によって引き起こされる選択圧がウイルス抗原に作用して変異株の出現を促し、その変異株に対する初期治療の有効性が低下します。
抗体とウイルス抗原間の結合の計算モデル (Absolut! フレームワーク) に基づいて、このようなウイルスの進化的逃避の遺伝的シミュレーションを設計および実装します。
重要なのは、これにより、抗体最適化アルゴリズムがウイルスの回避曲線全体を考慮して影響を与える、つまりウイルスの進化をガイド（または「形成」）できるようになります。
これは、近視眼的な最善の反応をプレイするのではなく、一般和学習において、協力プレイヤーの適応を説明する対戦相手の形成にインスピレーションを得ています。
したがって、最適化された抗体をシェイパーと呼びます。
私たちのシミュレーションでは、シェイパーが現在およびシミュレートされた将来のウイルス変異体の両方をターゲットにし、近視眼的な方法で選択された抗体を上回るパフォーマンスを示すことを実証しました。
さらに、シェイパーは近視性抗体と比較して、ウイルスに対して特異的な進化圧力を及ぼすことを示します。
まとめると、シェイパーはウイルス株の進化の軌跡を修正し、近視性のウイルス株と比較してウイルスの逃走を最小限に抑えます。
これは単純化されたモデルですが、シミュレーション ツールの機能の急速な進歩により、私たちが提案するパラダイムにより、将来的にはより優れた長寿命ワクチンや抗体療法の発見が可能になることを期待しています。
私たちのコードは https://github.com/olakalisz/antibody-shapers で入手できます。

要約(オリジナル)

Anti-viral therapies are typically designed to target the current strains of a virus. Game theoretically, this corresponds to a short-sighted, or myopic, response. However, therapy-induced selective pressures act on viral antigens to drive the emergence of mutated strains, against which initial therapies have reduced efficacy. Building on a computational model of binding between antibodies and viral antigens (the Absolut! framework), we design and implement a genetic simulation of such viral evolutionary escape. Crucially, this allows our antibody optimisation algorithm to consider and influence the entire escape curve of the virus, i.e. to guide (or ”shape”) the viral evolution. This is inspired by opponent shaping which, in general-sum learning, accounts for the adaptation of the co-player rather than playing a myopic best response. Hence we call the optimised antibodies shapers. Within our simulations, we demonstrate that our shapers target both current and simulated future viral variants, outperforming the antibodies chosen in a myopic way. Furthermore, we show that shapers exert specific evolutionary pressure on the virus compared to myopic antibodies. Altogether, shapers modify the evolutionary trajectories of viral strains and minimise the viral escape compared to their myopic counterparts. While this is a simplified model, we hope that our proposed paradigm will enable the discovery of better long-lived vaccines and antibody therapies in the future, enabled by rapid advancements in the capabilities of simulation tools. Our code is available at https://github.com/olakalisz/antibody-shapers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google