Sierra Orsinelli-Rivers, Daniel Beaglehole, Tal Einav · PLoS Computational Biology · 2026

CAPYBARA: A generalizable framework for predicting serological measurements across human cohorts.

Resumo em português

O crescimento rápido de conjuntos de dados biológicos apresenta uma oportunidade para aproveitar estudos anteriores a fim de informar e prever resultados em novos experimentos. Um desafio central é distinguir quais padrões sorológicos são universalmente conservados e quais são específicos de conjuntos de dados individuais. No contexto de estudos sorológicos humanos, nos quais as interações anticorpo-vírus avaliam a intensidade e a abrangência da resposta anticorporal e orientam a seleção de cepas vacinais, diferenças na demografia da coorte ou no desenho experimental podem impactar significativamente as respostas, contudo poucos métodos conseguem traduzir essas diferenças em valor ± incerteza das medições futuras. Aqui, apresentamos CAPYBARA, uma estrutura baseada em dados que quantifica como as relações sorológicas se correlacionam entre conjuntos de dados. Como estudo de caso, aplicamos CAPYBARA a 25 conjuntos de dados de influenza de 1997 a 2023 que mensuraram respostas vacinais ou por infecção contra múltiplas variantes de influenza usando inibição da hemaglutinação (HAI). Para demonstrar como um subconjunto de medições em cada estudo pode inferir os dados remanescentes, omitimos todas as medições HAI para cada variante e as preditamos com precisão, com erro médio absoluto de 2,0 vezes — comparável à variabilidade experimental do ensaio. Embora estudos com desenhos semelhantes apresentassem maior poder preditivo (por exemplo, dados de crianças são melhor previstos por dados de crianças do que por dados de adultos), predições entre faixas etárias, entre estudos de vacinação e infecção, e entre estudos realizados com menos de 10 anos de diferença apresentaram precisão comparável de 2 a 3 vezes. Ao analisar a importância das características neste modelo interpretável, identificamos tendências globais de reatividade cruzada que podem ser diretamente aplicadas em estudos longitudinais ou vacinais futuros para inferir respostas sorológicas amplas a partir de um pequeno subconjunto de medições.

Resumo original em inglês

The rapid growth of biological datasets presents an opportunity to leverage past studies to inform and predict outcomes in new experiments. A central challenge is to distinguish which serological patterns are universally conserved and which are specific to individual datasets. In the context of human serology studies, where antibody-virus interactions assess the strength and breadth of the antibody response and inform vaccine strain selection, differences in cohort demographics or experimental design can markedly impact responses, yet few methods can translate these differences into the value±uncertainty of future measurements. Here, we introduce CAPYBARA, a data-driven framework that quantifies how serological relations map across datasets. As a case study, we applied CAPYBARA to 25 influenza datasets from 1997-2023 that measured vaccine or infection responses against multiple influenza variants using hemagglutination inhibition (HAI). To demonstrate how a subset of measurements in each study can infer the remaining data, we withheld all HAI measurements for each variant and accurately predicted them with a 2.0-fold mean absolute error-on par with experimental assay variability. Although studies with similar designs showed the best predictive power (e.g., children data are better predicted by children than adult data), predictions across age groups, between vaccination and infection studies, and across studies conducted <10 years apart showed comparable 2‒3-fold accuracy. By analyzing feature importance in this interpretable model, we identified global cross-reactivity trends that can be directly applied in future longitudinal or vaccine studies to infer broad serological responses from a small subset of measurements.