Abstract Adaptive immune repertoires are composed by the ensemble of B and T cell receptors (BCR, TCR) within an individual and reflect both past and current immune responses. Recent advances in single-cell sequencing enable recovery of the complete adaptive immune receptor sequences in addition to transcriptional information. Such high-dimensional datasets enable the molecular quantification of clonal selection of B and T cells across a wide variety of conditions such as infection and disease. Due to costs, time required for the analysis and current practices of academic publishing, small-scale sequencing studies are often not made publicly available, despite having informative potential to elucidate immunological principles and guide future-studies. Here, we performed single-cell sequencing of B and T cells to profile clonal selection across murine models of viral infection and autoimmune disease. Specifically, we recovered transcriptome and immune repertoire information for polyclonal T follicular helper cells following acute and chronic viral infection, CD8+ T cells with binding specificity restricted to two distinct peptides of lymphocytic choriomeningitis virus, and B and T cells isolated from the nervous system in the context of experimental autoimmune encephalomyelitis. We could relate repertoire features such as clonal expansion, germline gene usage, and clonal convergence to cell phenotypes spanning activation, memory, naive, antibody secretion, T cell inflation, and regulation. Together, this dataset provides a resource for experimental and computational immunologists that can be integrated with future single-cell immune repertoire and transcriptome sequencing datasets.

RNA editing offers the opportunity to introduce either stable or transient modifications to nucleic acid sequence without permanent off-target effects, but installation of arbitrary edits into the transcriptome is currently infeasible. Here, we describe Programmable RNA Editing & Cleavage for Insertion, Substitution, and Erasure (PRECISE), a versatile RNA editing method for writing RNA of arbitrary length and sequence into existing pre-mRNAs via 59 or 39 trans-splicing. In trans-splicing, an exogenous template is introduced to compete with the endogenous pre-mRNA, allowing for replacement of upstream or downstream exon sequence. Using Cas7-11 cleavage of pre-mRNAs to bias towards editing outcomes, we boost the efficiency of RNA trans-splicing by 10-100 fold, achieving editing rates between 5-50% and 85% on endogenous and reporter transcripts, respectively, while maintaining high-fidelity. We demonstrate PRECISE editing across 11 distinct endogenous transcripts of widely varying expression levels, showcasing more than 50 types of edits, including all 12 possible transversions and transitions, insertions ranging from 1 to 1,863 nucleotides, and deletions. We show high efficiency replacement of exon 4 of MECP2, addressing most mutations that drive the Rett Syndrome; editing of SHANK3 transcripts, a gene involved in Autism; and replacement of exon 1 of HTT, removing the hallmark repeat expansions of Huntington9s disease. Whole transcriptome sequencing reveals the high precision of PRECISE editing and lack of off-target trans-splicing activity. Furthermore, we combine payload engineering and ribozymes for protein-free, high-efficiency trans-splicing, with demonstrated efficiency in editing HTT exon 1 via AAV delivery. We show that the high activity of PRECISE editing enables editing in non-dividing neurons and patient-derived Huntington9s disease fibroblasts. PRECISE editing markedly broadens the scope of genetic editing, is straightforward to deliver over existing gene editing tools like prime editing, lacks permanent off-targets, and can enable any type of genetic edit large or small, including edits not otherwise possible with existing RNA base editors, widening the spectrum of addressable diseases.

Abstract B cells contribute to the pathogenesis of both cellular- and humoral-mediated central nervous system (CNS) inflammatory diseases through a variety of mechanisms. In such conditions, B cells may enter the CNS parenchyma and contribute to local tissue destruction. It remains unexplored, however, how infection and autoimmunity drive transcriptional phenotypes, repertoire features, and antibody functionality. Here, we profiled B cells from the CNS of murine models of intracranial (i.c.) viral infections and autoimmunity. We identified a population of clonally expanded, antibody secreting cells (ASCs) that had undergone class-switch recombination and extensive somatic hypermutation following i.c. infection with attenuated lymphocytic choriomeningitis virus (rLCMV). Recombinant expression and characterisation of these antibodies revealed specificity to viral antigens (LCMV glycoprotein GP), correlating with ASC persistence in the brain weeks after resolved infection. Furthermore, these virus-specific ASCs upregulated proliferation and expansion programs in response to the conditional and transient induction of the LCMV GP as a neo-self antigen by astrocytes. This class-switched, clonally expanded, and mutated population persisted and was even more pronounced when peripheral B cells were depleted prior to autoantigen induction in the CNS. In contrast, the most expanded B cell clones in mice with persistent expression of LCMV GP in the CNS did not exhibit neo-self antigen specificity, potentially a consequence of local tolerance induction. Finally, a comparable population of clonally expanded, class-switched, proliferating ASCs was detected in the cerebrospinal fluid of multiple sclerosis patients. Taken together, our findings support the existence of B cells that populate the CNS and are capable of responding to locally encountered autoantigens. Graphical abstract

Abstract The maturation of systems immunology methodologies requires novel and transparent computational frameworks capable of integrating diverse data modalities in a reproducible manner. Here, we present the ePlatypus computational immunology ecosystem for immunogenomics data analysis, with a focus on adaptive immune repertoires and single-cell sequencing. ePlatypus is a web-based platform and provides programming tutorials and an integrative database that elucidates selection patterns of adaptive immunity. Furthermore, the ecosystem links novel and established bioinformatics pipelines relevant for single-cell immune repertoires and other aspects of computational immunology such as predicting ligand-receptor interactions, structural modeling, simulations, machine learning, graph theory, pseudotime, spatial transcriptomics and phylogenetics. The ePlatypus ecosystem helps extract deeper insight in computational immunology and immunogenomics and promote open science. Accessibility https://alexyermanos.github.io/Platypus/index.html