tooluniverse-antibody-engineering

抗体エンジニアリングと最適化

前臨床のリードから臨床候補までを対象とする、AI による抗体最適化パイプラインです。配列のヒト化、構造モデリング、親和性最適化、開発可能性評価、免疫原性予測、製造実現可能性を扱います。

主な原則：

1. レポート優先のアプローチ - 解析前に最適化レポートを作成します
2. エビデンスに基づくヒト化 - 生殖細胞系列とのアラインメントおよびフレームワークの保持率に基づいてスコアを付けます
3. 開発可能性を重視 - 凝集、安定性、PTM、免疫原性を評価します
4. 構造に基づく解析 - CDR 解析には AlphaFold/PDB 構造を使用します
5. 臨床実績の参照 - 検証のため、承認済み抗体を参照します
6. 定量的なスコアリング - 複数の要因を組み合わせた開発可能性スコア（0～100）
7. 英語優先のクエリ - ユーザーが別の言語で記述していても、ツール呼び出しでは常に英語の用語を使用します。回答はユーザーの言語で行います

---

推測せず、調べる

科学的事実に確信が持てない場合は、記憶に基づいて推論するのではなく、まずデータベース（PubMed、UniProt、ChEMBL、ClinVar など）を検索してください。データベースで検証した回答は、推測よりも常に信頼性が高くなります。

---

使用する場面

ユーザーから次のような依頼があった場合に使用します：

• 「このマウス抗体配列をヒト化して」
• 「[target] に対する抗体の親和性を最適化して」
• 「この抗体の開発可能性を評価して」
• 「[sequence] の免疫原性リスクを予測して」
• 「[targets] に対する二重特異性抗体を設計して」
• 「抗体製剤の凝集を抑えて」
• 「pH 依存性の結合を示す抗体を設計して」
• 「CDR 配列を解析して、変異を提案して」

---

重要なワークフロー要件

1. レポート優先のアプローチ（必須）

1. 最初にレポートファイルを作成します：antibody_optimization_report.md
2. 解析の完了に合わせて、段階的に更新します
3. 別ファイルとして出力します：
   • optimized_sequences.fasta - 最適化したすべてのバリアント
   • humanization_comparison.csv - 最適化前後の比較
   • developability_assessment.csv - 詳細なスコア

セクション形式を含むレポートの完全なテンプレートについては、REPORT_TEMPLATE.md を参照してください。

2. ドキュメント作成基準（必須）

最適化ではすべてのバリアントについて、必ず次の内容を記録します：

• 元の配列と最適化後の配列
• ヒト化スコア（ヒトフレームワークの割合）
• CDR が保持されていることの確認
• 指標の表（ヒトらしさ、凝集リスク、予測 KD、免疫原性）
• データソースの引用

---

フェーズ 0：ツールの確認

必須ツール

ツール	目的	カテゴリ
IMGT_search_genes	生殖細胞系列遺伝子の特定	ヒト化
IMGT_get_sequence	ヒトフレームワーク配列	ヒト化
SAbDab_search_structures	抗体構造の先例	構造
TheraSAbDab_search_by_target	臨床抗体のベンチマーク	検証
ESMFold_predict_structure	Fv 構造モデリング（VH-linker-VL scFv）	構造
alphafold_get_prediction	UniProt アクセッション（標的抗原）を指定して、事前計算済みの AlphaFold DB モデルを取得	構造
iedb_search_epitopes	エピトープの特定	免疫原性
iedb_search_bcell	B 細胞エピトープの予測	免疫原性
UniProt_get_entry_by_accession	標的抗原の情報	標的
STRING_get_interaction_partners	タンパク質相互作用ネットワーク	二重特異性抗体
PubMed_search_articles	文献上の先例	検証

重要：SOAP ツール（IMGT、SAbDab、TheraSAbDab）では、operation パラメーターが必要です。正しい使い方については、QUICK_START.md を参照してください。

---

ワークフローの概要

Phase 1: Input Analysis & Characterization
├── Sequence annotation (CDRs, framework)
├── Species identification
├── Target antigen identification
├── Clinical precedent search
└── OUTPUT: Input characterization
    ↓
Phase 2: Humanization Strategy
├── Germline gene alignment (IMGT)
├── Framework selection
├── CDR grafting design
├── Backmutation identification
└── OUTPUT: Humanization plan
    ↓
Phase 3: Structure Modeling & Analysis
├── AlphaFold prediction
├── CDR conformation analysis
├── Epitope mapping
├── Interface analysis
└── OUTPUT: Structural assessment
    ↓
Phase 4: Affinity Optimization
├── In silico mutation screening
├── CDR optimization strategies
├── Interface improvement
└── OUTPUT: Affinity variants
    ↓
Phase 5: Developability Assessment
├── Aggregation propensity
├── PTM site identification
├── Stability prediction
├── Expression prediction
└── OUTPUT: Developability score
    ↓
Phase 6: Immunogenicity Prediction
├── MHC-II epitope prediction (IEDB)
├── T-cell epitope risk
├── Aggregation-related immunogenicity
└── OUTPUT: Immunogenicity risk score
    ↓
Phase 7: Manufacturing Feasibility
├── Expression level prediction
├── Purification considerations
├── Formulation stability
└── OUTPUT: Manufacturing assessment
    ↓
Phase 8: Final Report & Recommendations
├── Ranked variant list
├── Experimental validation plan
├── Next steps
└── OUTPUT: Comprehensive report

---

フェーズ 1：入力の分析と特徴付け

目標：配列に注釈を付け、種／生殖細胞系列を特定し、臨床での先例を探します。

主な手順：

1. 抗体番号付けツールを使ってCDRに注釈を付け、ラベルを配列インデックスに対応付けます（IMGT CDR-H1：27-38、CDR-H2：56-65、CDR-H3：105-117）。特に挿入や末端の延長がある場合、これらのラベルは配列配列のオフセットと一致するとは限りません。
2. IMGT_search_genes を使って、最も近いヒト生殖細胞系列遺伝子を特定します。
3. TheraSAbDab_search_by_target を使って、臨床での先例を検索します。
4. UniProt_get_entry_by_accession を使って、標的抗原の情報を取得します。

出力：配列情報テーブル、CDR注釈、標的情報、臨床での先例リスト。

コード例は WORKFLOW_DETAILS.md のフェーズ 1 を参照してください。

---

フェーズ 2：ヒト化戦略

目標：ヒトフレームワークを選択し、CDR移植を設計して、復帰変異を特定します。

主な手順：

1. IMGTでヒトIGVH/IGKV生殖細胞系列遺伝子を検索します。
2. 配列同一性、CDR適合性、臨床使用実績に基づいて、候補フレームワークをスコアリングします。
3. 選択したフレームワークへのCDR移植を設計します。
4. 復帰変異が必要となる可能性のあるVernierゾーン残基を特定します（位置2、27-30、47-48、67、69、71、78、93-94）。
5. 少なくとも2つのバリアントを作成します：完全ヒト化、および主要な復帰変異を加えたもの。
6. ヒト化スコアを算出します（フレームワークのヒトらしさ、CDRの保持、T細胞エピトープ、凝集リスク）。

出力：フレームワーク選択の根拠、移植設計、復帰変異の分析、ヒト化配列。

コード例は WORKFLOW_DETAILS.md のフェーズ 2 を参照してください。

---

フェーズ 3：構造モデリングと分析

目標：構造を予測し、CDRのコンフォメーションを分析して、エピトープをマッピングします。

主な手順：

1. ESMFold_predict_structure を使ってFv構造を予測します（VH-linker-VL scFv。alphafold_get_prediction が取得するのは、UniProtアクセッションによる事前計算済みモデルのみです）。
2. 領域（フレームワーク、CDR、界面）ごとにpLDDTスコアを評価します。
3. CDRのカノニカル構造を分類し、RMSDを算出します。
4. iedb_search_epitopes を使って既知のエピトープを検索します。
5. SAbDab_search_structures を使って、臨床で使用される抗体の構造と比較します。

出力：構造品質テーブル、CDRコンフォメーション分析、エピトープマッピング、構造比較。

コード例は WORKFLOW_DETAILS.md のフェーズ 3 を参照してください。

---

フェーズ 4：親和性の最適化

目標：計算スクリーニングを通じて、親和性を高める変異を設計します。

主な手順：

1. 界面残基を特定します（距離カットオフ4.5 A）。
2. CDR界面の各位置で、すべてのアミノ酸置換をスクリーニングします。
3. 手法とキャリブレーションが妥当な場合に限り、計算による結合エネルギー変化に基づいて順位付けします。符号規約と不確実性を明記してください。例示的なカットオフは、普遍的な結合判定基準ではありません。
4. 組み合わせ戦略を設計します：単一変異体 -> 二重変異体 -> 三重変異体。
5. CDR-H3の延長、チロシンの増加、塩橋の形成を検討します。
6. 任意：ヒスチジン置換を検討する前に、より強い酸性条件での結合、または中性条件で結合して酸性条件で解離する設計を指定します。どちらの挙動も、HisのpKaから自動的に導かれるものではありません。対照実験と条件を揃えたアッセイを用いて、結合状態と遊離状態における完全なプロトン化の前提を検証してください。Protein Design Campaign とそのpHに関するリファレンスを使用してください。

出力：順位付けした変異仮説、組み合わせ戦略、裏付けがある場合の計算指標、未検証の親和性／条件依存的結合に関する主張の明示。KDの範囲や改善倍率を捏造しないでください。

コード例は WORKFLOW_DETAILS.md のフェーズ 4 を参照してください。

フェーズ 5：開発適性評価

目標：5 つの評価軸にわたる包括的な開発適性スコア（0～100）の算出。

主な手順：

1. 凝集性、pI、疎水性パッチ（配列から計算可能）：scripts/developability.py --seq <VH/VL> を実行します。AGGRESCAN による凝集しやすい領域（残基ごとの実際の傾向）、等電点、Kyte-Doolittle による疎水性パッチが返されます。
2. PTM リスク：脱アミド化（NG/NS）、異性化（DG/DS）、酸化（Met/Trp）、N-グリコシル化（N-X-S/T）をスキャンします。
3. 安定性（Tm）および4. 発現力価：配列だけからは計算できません。外部予測ツール（配列から Tm／力価を予測する ML ツール）を使用し、実際に実行した場合に限り報告します。Tm／力価の数値を捏造しないでください。
4. 溶解性：外部の溶解性予測ツール（例：NetSolP）を使用します。

スコアリング：加重平均（凝集性 0.30、PTM 0.25、安定性 0.20、発現 0.15、溶解性 0.10）。 評価区分：T1（>75）、T2（60～75）、T3（<60）。

出力：各項目のスコア、総合スコア、評価区分、リスク軽減の推奨事項。

スコアリングの詳細は WORKFLOW_DETAILS.md のフェーズ 5 および CHECKLISTS.md を参照してください。

---

フェーズ 6：免疫原性予測

目標：免疫原性リスクを予測し、脱免疫化戦略を設計します。

主な手順：

1. 9-mer ペプチドを IEDB と照合し、MHC-II 結合エピトープを調べます。
2. フレームワーク領域内の非ヒト由来残基を数えます。
3. 凝集に関連する免疫原性を評価します。
4. 総リスクスコア（0～100、低いほど良好）を算出します：低リスク <30、中リスク 30～60、高リスク >60。
5. 脱免疫化変異を提案します（CDR を維持しながら T 細胞エピトープを除去します）。
6. 臨床実績の ADA 発生率と比較します。

出力：T 細胞エピトープの一覧、リスクスコアの内訳、脱免疫化戦略、臨床比較。

コード例は WORKFLOW_DETAILS.md のフェーズ 6 を参照してください。

---

フェーズ 7：製造実現可能性

目標：発現、精製、製剤化、CMC の実現可能性を評価します。

主な手順：

1. CHO 向けのコドン最適化を評価し、使用頻度の低いコドンを特定します。CodonUsage_get_optimal_codons(taxid=<Cricetulus griseus NCBI taxid>) は、比較対象となるアミノ酸ごとの CHO 優先コドンを返します。taxid がまだ判明していない場合は、推測せず、まず特定してください。CodonUsage_get_table（同じ taxid）では、さらにコドンごとの使用頻度が得られます。これは実際の配列内で CHO において使用頻度の低いコドンを特定するために必要です。tooluniverse-sequence-analysis などで使われるヒトのコドン使用頻度表は、ここでは適切な参照先ではありません。ヒトで使用頻度の低いコドンと CHO で使用頻度の低いコドンは同じとは限りません。
2. シグナルペプチドを設計します。
3. 3 段階の精製を計画します：Protein A による捕捉 -> カチオン交換によるポリッシング -> ウイルスナノろ過。
4. 製剤を推奨します（バッファー、pH、安定化剤、等張性）。
5. 分析特性評価パネルを定義します（SEC-MALS、CEX、CE-SDS、SPR、DSF）。
6. CMC の期間とコストを見積もります（通常 18～24 か月、IND まで $1.65～2.65M）。

出力：発現評価、精製戦略、製剤の推奨事項、CMC の期間。

製造に関する詳細は MANUFACTURING.md、コードは WORKFLOW_DETAILS.md のフェーズ 7 を参照してください。

---

フェーズ 8：最終レポートと推奨事項

目標：すべての調査結果をまとめ、検証計画を含む優先順位付きの推奨事項を提示します。

主な出力：

1. 最有力候補と主要指標（ヒト化度、親和性、開発適性、免疫原性、安定性、発現）
2. 主な改善点：最適化前後を比較する表
3. 実験的検証計画：in vitro（3～4 か月）-> リード最適化（2～3 か月）-> 前臨床（6～12 か月）
4. バックアップ変異体とそのプロファイルおよび推奨事項
5. IP に関する考慮事項：FTO 分析、CDR の新規性、特許性
6. 次のステップ：直近（1～3 か月）、短期（4～6 か月）、長期（7～24 か月）

レポートの完全なテンプレートは REPORT_TEMPLATE.md を参照してください。

---

ツールリファレンス

IMGT ツール

• IMGT_search_genes：生殖細胞系列遺伝子（IGHV、IGKV など）を検索します
• IMGT_get_sequence：生殖細胞系列配列を取得します
• IMGT_get_gene_info：データベース情報を取得します

抗体データベース

• SAbDab_search_structures：抗体構造を検索します
• SAbDab_get_structure：構造の詳細を取得します
• TheraSAbDab_search_therapeutics：名前で検索します
• TheraSAbDab_search_by_target：標的抗原で検索します

免疫原性

• iedb_search_epitopes：エピトープを検索します
• iedb_search_bcell：B細胞エピトープ
• iedb_search_mhc：MHC-II エピトープ
• iedb_get_epitope_references：引用文献

構造と標的

• ESMFold_predict_structure：配列から Fv 構造を予測します
• alphafold_get_prediction：UniProt アクセッションを指定して、事前計算済みの AlphaFold DB モデルを取得します
• UniProt_get_entry_by_accession：標的情報
• RCSBData_get_entry：実験で得られた構造

試薬の検証（Antibody Registry）

• AntibodyRegistry_search：標的（標的遺伝子／タンパク質名、抗体名、またはベンダーのキーワード）に対する検証済みの市販抗体を検索します。各検索結果について、RRID、標的（UniProt／Entrez ID を含む）、クローン性、宿主生物、用途、ベンダー／カタログ番号、および根拠となる引用文献を返します。フェーズ 1（標的／先行研究の調査）では、新しい抗体を設計する前に標的抗原に対する既存の抗体試薬を確認する際に、フェーズ 8（検証計画）ではベンチマーク試薬を特定する際に役立ちます。
• AntibodyRegistry_get_by_rrid：方法のセクションで引用されている特定の RRID（例：AB_2298772。数字のみの ID、または RRID:AB_... 形式も受け付けます）を完全なレコードに照合します。名前だけで推測せず、論文で実際に使用された抗体を確認できます。実データで検証済み：どちらのツールも実際のレコードを返します（例：AntibodyRegistry_search(query="GFAP") → UniProt 標的 P14136 を持つ実在の GFAP ウサギ mAb）。
• SciCrunch_resolve_rrid：抗体以外のあらゆる項目を対象とする汎用 RRID 解決ツールです。細胞株（CVCL_ プレフィックス）、モデル生物、ソフトウェア／ツール（SCR_ プレフィックス）、プラスミドに対応します。臨床的先行研究や検証論文の方法のセクションで、抗体とともに使用した細胞株やソフトウェアも引用されている場合に使用します。AB_ RRID も解決できますが、汎用フィールド（name、description、categories、proper_citation）のみを返し、標的／クローン性／宿主の情報は含まれません。そのため、抗体の RRID には AntibodyRegistry_get_by_rrid を優先してください。実データで検証済み：SciCrunch_resolve_rrid(rrid="CVCL_0045") は実在する HEK293 細胞株のレコード（12 個の同義語、proper_citation: "NCBI_Iran Cat# C497, RRID:CVCL_0045"）を返します。また、上記と同じ抗体 RRID AB_2298772 では標的情報なしで name／description／categories のみを返し、抗体に関する詳細フィールドの違いを確認できます。

システム生物学（バイスペシフィック向け）

• STRING_get_interaction_partners：タンパク質間相互作用
• STRING_get_enrichment：経路解析

---

参照ファイル

ファイル	内容
QUICK_START.md	入門ガイド、SOAP ツールのパラメーター、Python SDK と MCP の使用方法
WORKFLOW_DETAILS.md	8 フェーズすべてのコード例
REPORT_TEMPLATE.md	セクション形式と表の例を含む完全なレポートテンプレート
MANUFACTURING.md	詳細な製造内容（発現、精製、製剤化、CMC）
EXAMPLES.md	臨床シナリオの完全な例（ヒト化、親和性、バイスペシフィック）
CHECKLISTS.md	エビデンスの評価、完全性チェックリスト、スコアリングの詳細、特別な考慮事項