神戸大学医学部附属病院 腫瘍・血液内科の船越洋平講師、薬師神公和准教授、南博信教授、感染症内科の大路剛准教授、および、東京科学大学情報理工学院情報工学系の増田元希大学院生、飯棲俊介大学院生（当時）、大上雅史准教授らは、抗体言語モデルとワクチン接種前後のB細胞受容体（BCR）レパトアを組み合わせ、既知の抗原特異的抗体データベースを使わずに、免疫刺激に反応した可能性の高いBCR配列候補を抽出・追跡する解析法「LM-QASAS」を開発しました(QASAS, Quantification of Antigen-specific Antibody Sequence：特定の抗原に対する免疫反応を抗原受容体レパトア解析を用いて定量評価する方法)。
SARS-CoV-2に関連する10名のデータを解析したところ、抗体言語モデル^※3により抽出された上位候補には、既知抗体に似た配列が、ランダム抽出より多く含まれました。また、10名のうち1名を除き、残り9名のデータから作った「疑似参照データベース」を用いた結果、除外した1名の免疫応答の上昇、ピーク、低下までを再現できました。
LM-QASASは、既知の抗体情報が十分に蓄積していない新興感染症などにおいても、複数人のBCRレパトアから作成した疑似参照データベースを用いて、新たな個人の免疫応答を追跡できる可能性を示しました。これらの結果は、多様性が極めて高い抗体配列においても“深層学習(言語モデル)による生物学的な意味理解が可能であること”を示したものと考えています。今後、対象となる抗原や症例数を拡大し解析精度を高めることで、ワクチン評価をはじめ、感染症、自己免疫疾患、がん免疫など、さまざまな液性免疫応答を捉える解析基盤への発展が期待されます。本研究成果は、2026年7月30日に国際学術誌『Frontiers in Immunology』にオンライン掲載されました。