Méthode de détection RAIN pour l’identification automatique d’anticorps neutralisants à large spectre (bNAb) contre le virus VIH-1. Les données collectées à partir de la base de données CATNAP (broadly neutralizing antibodies, bNAb) et des répertoires de donneurs sains (monoclonal antibodies, mAb) sont converties en un tableau de caractéristiques pour entraîner et valider trois modèles d’apprentissage automatique : détection d’anomalies (AD), arbre décisionnel (DT), et forêt aléatoire (RF) d’arbres décisionnels. Les séquences des récepteurs des lymphocytes B (B-cell receptors, BCR) sont déterminées par séquençage nucléotidique sur cellule unique à partir de donneurs séropositifs pour le VIH dont le sérum présentait une activité de neutralisation à large spectre (+, illustré par les bras de couleur chair) ou était dépourvu d’activité de neutralisation (-, illustré par les bras de couleur blanche). Les séquences des BCR sont annotées, analysées, puis converties sous forme d’un tableau de caractéristiques. Ensuite, les bNAb prédits par les trois algorithmes sont produits et soumis à des tests de neutralisation du virus et de liaison au trimère de l’enveloppe virale stabilisé et soluble (SOSIP).