The rapid repurposing of antivirals is particularly pressing during pandemics. However, rapid assays for assessing candidate drugs typically involve in vitro screens and cell lines that do not recapitulate human physiology at the tissue and organ levels. Here we show that a microfluidic bronchial-airway-on-a-chip lined by highly differentiated human bronchial-airway epithelium and pulmonary endothelium can model viral infection, strain-dependent virulence, cytokine production and the recruitment of circulating immune cells. In airway chips infected with influenza A, the co-administration of nafamostat with oseltamivir doubled the treatment-time window for oseltamivir. In chips infected with pseudotyped severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), clinically relevant doses of the antimalarial drug amodiaquine inhibited infection but clinical doses of hydroxychloroquine and other antiviral drugs that inhibit the entry of pseudotyped SARS-CoV-2 in cell lines under static conditions did not. We also show that amodiaquine showed substantial prophylactic and therapeutic activities in hamsters challenged with native SARS-CoV-2. The human airway-on-a-chip may accelerate the identification of therapeutics and prophylactics with repurposing potential. A microfluidic bronchial-airway-on-a-chip lined by human bronchial-airway epithelium and pulmonary endothelium can be used to rapidly identify antiviral therapeutics and prophylactics with repurposing potential.

The rising threat of pandemic viruses, such as SARS-CoV-2, requires development of new preclinical discovery platforms that can more rapidly identify therapeutics that are active in vitro and also translate in vivo . Here we show that human organ-on-a-chip (Organ Chip) microfluidic culture devices lined by highly differentiated human primary lung airway epithelium and endothelium can be used to model virus entry, replication, strain-dependent virulence, host cytokine production, and recruitment of circulating immune cells in response to infection by respiratory viruses with great pandemic potential. We provide a first demonstration of drug repurposing by using oseltamivir in influenza A virus-infected organ chip cultures and show that co-administration of the approved anticoagulant drug, nafamostat, can double oseltamivir’s therapeutic time window. With the emergence of the COVID-19 pandemic, the Airway Chips were used to assess the inhibitory activities of approved drugs that showed inhibition in traditional cell culture assays only to find that most failed when tested in the Organ Chip platform. When administered in human Airway Chips under flow at a clinically relevant dose, one drug – amodiaquine - significantly inhibited infection by a pseudotyped SARS-CoV-2 virus. Proof of concept was provided by showing that amodiaquine and its active metabolite (desethylamodiaquine) also significantly reduce viral load in both direct infection and animal-to-animal transmission models of native SARS-CoV-2 infection in hamsters. These data highlight the value of Organ Chip technology as a more stringent and physiologically relevant platform for drug repurposing, and suggest that amodiaquine should be considered for future clinical testing.

Abstract Glycans, the most diverse biopolymer and crucial for many biological processes, are shaped by evolutionary pressures stemming in particular from host-pathogen interactions. While this positions glycans as being essential for understanding and targeting host-pathogen interactions, their considerable diversity and a lack of methods has hitherto stymied progress in leveraging their predictive potential. Here, we utilize a curated dataset of 12,674 glycans from 1,726 species to develop and apply machine learning methods to extract evolutionary information from glycans. Our deep learning-based language model SweetOrigins provides evolution-informed glycan representations that we utilize to discover and investigate motifs used for molecular mimicry-mediated immune evasion by commensals and pathogens. Novel glycan alignment methods enable us to identify and contextualize virulence-determining motifs in the capsular polysaccharide of Staphylococcus aureus and Acinetobacter baumannii . Further, we show that glycan-based phylogenetic trees contain most of the information present in traditional 16S rRNA-based phylogenies and improve on the differentiation of genetically closely related but phenotypically divergent species, such as Bacillus cereus and Bacillus anthracis . Leveraging the evolutionary information inherent in glycans with machine learning methodology is poised to provide further – critically needed – insights into host-pathogen interactions, sequence-to-function relationships, and the major influence of glycans on phenotypic plasticity.

ABSTRACT Mechanical forces associated with breathing play a fundamental role in lung development and disease but the molecular pathways remain largely unknown. Here, we used a mechanically actuatable Human Lung Alveolus Chip that recapitulates human lung alveolar type I and type II cell differentiation, alveolar-capillary interface formation, and genome-wide gene expression profiles characteristic of the distal lung to investigate the role of physical forces associated with cyclic breathing motions in lung innate immune responses to viral infection. When the mechanically active Alveolus Chips are infected with the influenza H3N2 virus, a cascade of host responses is elicited on-chip, including increased production of cytokines and expression of inflammation-associated genes in pulmonary epithelial and endothelial cells, resulting in enhanced recruitment of circulating immune cells as occurs during viral infection in vivo. Surprisingly, studies carried out in parallel with static chips revealed that physiological breathing motions suppress viral replication by activating protective innate immune responses in epithelial and endothelial cells. This is mediated at least in part through upregulation of S100 calcium-binding protein A7 (S100A7), which binds to the Receptor for Advanced Glycation End Products (RAGE), an inflammatory mediator that is most highly expressed in the lung alveolus in vivo . This mechano-immunological control mechanism is further supported by the finding that existing RAGE inhibitor drugs can suppress the production of inflammatory cytokines in response to influenza virus infection in this model. S100A7-RAGE interactions and modulation of mechanical ventilation parameters could therefore serve as new targets for therapeutic intervention in patients infected with influenza and other potential pandemic viruses that cause life-threatening lung inflammation.

ABSTRACT The current COVID-19 pandemic highlights the need for broad-spectrum antiviral therapeutics. Here we describe a new class of self-assembling immunostimulatory short duplex RNAs that potently induce production of type I and type III interferon (IFN-I and IFN-III), in a wide range of human cell types. These RNAs require a minimum of 20 base pairs, lack any sequence or structural characteristics of known immunostimulatory RNAs, and instead require a unique conserved sequence motif (sense strand: 5’-C, antisense strand: 3’-GGG) that mediates end-to-end dimer self-assembly of these RNAs by Hoogsteen G-G base-pairing. The presence of terminal hydroxyl or monophosphate groups, blunt or overhanging ends, or terminal RNA or DNA bases did not affect their ability to induce IFN. Unlike previously described immunostimulatory siRNAs, their activity is independent of TLR7/8, but requires the RIG-I/IRF3 pathway that induces a more restricted antiviral response with a lower proinflammatory signature compared with poly(I:C). Immune stimulation mediated by these duplex RNAs results in broad spectrum inhibition of infections by many respiratory viruses with pandemic potential, including SARS-CoV-2, SARS-CoV, MERS-CoV, and influenza A, as well as the common cold virus HCoV-NL63 in both cell lines and human Lung Chips that mimic organ-level lung pathophysiology. These short dsRNAs can be manufactured easily, and thus potentially could be harnessed to produce broad-spectrum antiviral therapeutics at low cost.

Abstract Genome-wide transcriptome profiling identifies genes that are prone to differential expression across contexts (“common DEGs”), as well as genes with changes specific to the experimental manipulation. Distinguishing common DEGs from those that are specifically changed in a context of interest allows more efficient prediction of which genes are specific to a given biological process under scrutiny. Currently, commonly differentially expressed genes or pathways can only be identified through the laborious manual curation of highly controlled experiments, an inordinately time-consuming and impractical endeavor. Here we pioneer an approach for identifying common patterns using generative neural networks. This approach produces a background set of transcriptomic experiments from which a null distribution of gene and pathway changes can be generated. By comparing the set of differentially expressed genes found in a target experiment against the generated background set, common results can be easily separated from specific ones. This “Specific cOntext Pattern Highlighting In Expression data” (SOPHIE) approach is broadly applicable to new platforms or any species with a large collection of gene expression data. We apply SOPHIE to diverse datasets including those from human, human cancer, and the bacterial pathogen Pseudomonas aeruginosa . SOPHIE identifies common DEGs in concordance with previously described, manually and systematically determined common DEGs. Further, molecular validation indicates that SOPHIE detects highly specific, but low magnitude, biologically relevant, transcriptional changes. SOPHIE’s measure of specificity can complement log fold change values generated from traditional differential expression analyses. For example, by filtering the set of differentially expressed genes, one can identify those genes that are specifically relevant to the experimental condition of interest. Consequently, these results can inform future research directions.

Motivation: Gene Set Enrichment Analysis (GSEA) is routinely used to analyze and interpret coordinate changes in transcriptomics experiments. For an experiment where less than seven samples per condition are compared, GSEA employs a competitive null hypothesis to test significance. A gene set enrichment score is tested against a null distribution of enrichment scores generated from permuted gene sets, where genes are randomly selected from the input experiment. Looking across a variety of biological conditions, however, genes are not randomly distributed with many showing consistent patterns of up- or down-regulation. As a result, common patterns of positively and negatively enriched gene sets are observed across experiments. Placing a single experiment into the context of a relevant set of background experiments allows us to identify both the common and experiment-specific patterns of gene set enrichment. Results: We compiled a compendium of 442 small molecule transcriptomic experiments and used GSEA to characterize common patterns of positively and negatively enriched gene sets. To identify experiment-specific gene set enrichment, we developed the GSEA-InContext method that accounts for gene expression patterns within a user-defined background set of experiments to identify statistically significantly enriched gene sets. We evaluated GSEA-InContext on experiments using small molecules with known targets and show that it successfully prioritizes gene sets that are specific to each experiment, thus providing valuable insights that complement standard GSEA analysis. Availability and Implementation: GSEA-InContext is implemented in Python. Code, the background expression compendium, and results are available at: https://github.com/CostelloLab/GSEA-InContext

Summary: GSEA-InContext Explorer is a Shiny app that allows users to perform two methods of gene set enrichment analysis (GSEA). The first, GSEAPreranked, applies the GSEA algorithm in which statistical significance is estimated from a null distribution of enrichment scores generated for randomly permuted gene sets. The second, GSEA-InContext, incorporates a user-defined set of background experiments to define the null distribution and calculate statistical significance. GSEA-InContext Explorer allows the user to build custom background sets from a compendium of over 5,700 curated experiments, run both GSEAPreranked and GSEA-InContext on their own uploaded experiment, and explore the results using an interactive interface. This tool will allow researchers to visualize gene sets that are commonly enriched across experiments and identify gene sets that are uniquely significant in their experiment, thus complementing current methods for interpreting gene set enrichment results. Availability and implementation: The code for GSEA-InContext Explorer is available at: https://github.com/CostelloLab/GSEA-InContext\_Explorer and the interactive tool is at: http://gsea-incontext\_explorer.ngrok.io .

Oligodendrocyte precursor cells (OPCs) give rise to both oligodendrocytes, the myelinating cell type of the central nervous system, and NG2 glia, which are the most proliferative cells in the adult mammalian brain. NG2 glia retain characteristics of OPCs, and some NG2 glia produce oligodendrocytes, but many others persist as NG2 glia throughout adulthood. Why some OPCs differentiate as oligodendrocytes whereas others become NG2 glia is not known. Using zebrafish spinal cord as a model, we found that oligodendrocytes and NG2 glia arise in sequential waves from distinct neural progenitors. Additionally, oligodendrocyte and NG2 cell fates are specified during a defined critical period by small differences in Shh signaling and Notch activity, which modulates Shh signaling response. Thus, our data indicate that OPCs fated to produce oligodendrocytes and NG2 glia are specified as distinct cell types, raising the possibility that the myelinating potential of OPCs is set by graded Shh signaling activity.

Trisomy 21 (T21) causes Down syndrome (DS), affecting immune and neurological function by unknown mechanisms. We report here the results of a large metabolomics study showing that people with DS produce elevated levels of kynurenine and quinolinic acid, two tryptophan catabolites with potent immunosuppressive and neurotoxic properties, respectively. We found that immune cells of people with DS overexpress IDO1, the rate-limiting enzyme in the kynurenine pathway (KP) and a known interferon (IFN)-stimulated gene. Furthermore, we found a positive correlation between levels of specific inflammatory cytokines and KP dysregulation. Using metabolic flux assays, we found that IFN stimulation causes IDO1 overexpression and kynurenine overproduction in cells with T21, dependent on overexpression of IFN receptors encoded on chromosome 21. Finally, KP dysregulation is conserved in a mouse model of DS carrying triplication of the IFN receptors. Altogether, these results reveal a mechanism by which T21 could drive immunosuppression and neurotoxicity in DS.