増田 元希 ますだ げんき

研究テーマ

• 抗原プロンプトによる抗体配列生成と免疫応答の評価

  抗原を「プロンプト」として抗体言語モデルに配列を生成させ、生成配列を用いて抗原特異的な免疫応答を評価する取り組みです。

  抗体言語モデルは、既存の配列を同定するだけでなく、新しい配列を生成することもできます。抗原の情報を プロンプトとして与えて配列を生成し、それが狙った抗原への応答をどれだけ反映しているかを評価する 取り組みを進めています。抗体設計や免疫応答の解析につなげることが狙いです。

  情報処理学会バイオ情報学研究会（SIGBIO）で、抗原プロンプトに基づく生成配列を用いた免疫応答の評価 （第84回, 2026年3月）と、抗原特異性を獲得する配列条件付き抗体生成モデルの開発（第85回, 2026年7月）を 口頭発表しました。

  • Antibody Design
  • Sequence Generation
  • Language Model

• BCRレパトアからの抗原特異的配列の同定 — LM-QASAS

  B細胞受容体（BCR）レパトアから、既知の抗体データベースに頼らずに抗原特異的な配列を同定する枠組み LM-QASAS を開発しています。

  BCRレパトアには、その人が経てきた免疫イベントが記録されています。ただ、そこから抗原特異的な 配列を見つける従来の手法は既知の抗体データベースを参照する必要があり、参照先の無い新興感染症には 使えないという制約がありました。

  抗体言語モデル（AbLang2）が作る意味空間の中で、免疫刺激のあとに局所的なクローン密度が一過性に 高くなる配列クラスタを探すことで、参照配列なしに抗原応答の候補を抽出する枠組み LM-QASAS を 提案しています。SARS-CoV-2 mRNAワクチン接種者では、既知の中和抗体データベース（CoV-AbDab）と 重なる配列をランダム対照より大きく濃縮でき、抽出した配列を疑似的な参照データベースとして使うことで、 外部データベース無しに免疫応答の推移を追跡できました。一方インフルエンザワクチンのコホートでは 感度が限定的で、この手法が mRNAワクチンのように強く同期したクローン増殖が起きる条件で最も 有効であることが分かっています。

  • BCR Repertoire
  • Antibody Language Model
  • Reference-free
  • 論文 (medRxiv)

経歴