The 2019 novel coronavirus, SARS-CoV-2, is a pathogen of critical significance to international public health. Knowledge of the interplay between molecular-scale virus-receptor interactions, single-cell viral replication, intracellular-scale viral transport, and emergent tissue-scale viral propagation is limited. Moreover, little is known about immune system-virus-tissue interactions and how these can result in low-level (asymptomatic) infections in some cases and acute respiratory distress syndrome (ARDS) in others, particularly with respect to presentation in different age groups or pre-existing inflammatory risk factors. Given the nonlinear interactions within and among each of these processes, multiscale simulation models can shed light on the emergent dynamics that lead to divergent outcomes, identify actionable "choke points" for pharmacologic interventions, screen potential therapies, and identify potential biomarkers that differentiate patient outcomes. Given the complexity of the problem and the acute need for an actionable model to guide therapy discovery and optimization, we introduce and iteratively refine a prototype of a multiscale model of SARS-CoV-2 dynamics in lung tissue. The first prototype model was built and shared internationally as open source code and an online interactive model in under 12 hours, and community domain expertise is driving regular refinements. In a sustained community effort, this consortium is integrating data and expertise across virology, immunology, mathematical biology, quantitative systems physiology, cloud and high performance computing, and other domains to accelerate our response to this critical threat to international health. More broadly, this effort is creating a reusable, modular framework for studying viral replication and immune response in tissues, which can also potentially be adapted to related problems in immunology and immunotherapy.

The risk of active tuberculosis disease is 15-21 times higher in those coinfected with human immunodeficiency virus-1 (HIV) compared to tuberculosis alone, and tuberculosis is the leading cause of death in HIV+ individuals. Mechanisms driving synergy between Mycobacterium tuberculosis ( Mtb ) and HIV during coinfection include: disruption of cytokine balances, impairment of innate and adaptive immune cell functionality, and Mtb -induced increase in HIV viral loads. Tuberculosis granulomas are the interface of host-pathogen interactions. Thus, granuloma-based research elucidating the role and relative impact of coinfection mechanisms within Mtb granulomas could inform cohesive treatments that target both pathogens simultaneously. We review known interactions between Mtb and HIV, and discuss how the structure, function and development of the granuloma microenvironment create a positive feedback loop favoring pathogen expansion and interaction. We also identify key outstanding questions and highlight how coupling computational modeling with in vitro and in vivo efforts could accelerate Mtb -HIV coinfection discoveries.

Abstract Phosphatidylserine (PS) has been shown to be a critical lipid factor in the assembly and spread of numerous lipid enveloped viruses. Here, we describe the ability of the Ebola virus (EBOV) matrix protein eVP40 to induce clustering of PS and promote viral budding in vitro , as well as the ability of an FDA approved drug, fendiline, to reduce PS clustering subsequently reducing virus budding and entry. To gain mechanistic insight into fendiline inhibition of EBOV replication, multiple in vitro assays were employed including imaging, viral budding and viral entry assays. Fendiline reduced the PS content in mammalian cells and PS in the plasma membrane, reducing the ability of VP40 to form new virus particles. Further, particles that do form from fendiline treated cells have altered particle morphology and decreased infectivity capacity. These complementary studies reveal the mechanism by which filovirus matrix proteins cluster PS to enhance viral assembly, budding, and spread from the host cell while also laying the groundwork for fundamental drug targeting strategies.

In vitro models of Mycobacterium tuberculosis (Mtb) infection are a valuable tool for examining host-pathogen interactions and screening drugs. With the development of more complex in vitro models, there is a need for tools to help analyze and integrate data from these models. To this end, we introduce an agent-based model (ABM) representation of the interactions between immune cells and bacteria in an in vitro setting. This in silico model was used to simulate both traditional and spheroid cell culture models by changing the movement rules and initial spatial layout of the cells in accordance with the respective in vitro models. The traditional and spheroid simulations were calibrated to published experimental data in a paired manner, by using the same parameters in both simulations. Within the calibrated simulations, heterogeneous outputs are seen for bacterial count and T cell infiltration into the macrophage core of the spheroid. The simulations also predict that equivalent numbers of activated macrophages do not necessarily result in similar bacterial reductions; that host immune responses can control bacterial growth in both spheroid structure dependent and independent manners; that STAT1 activation is the limiting step in macrophage activation in spheroids; and that drug screening and macrophage activation studies could have different outcomes depending on the in vitro culture used. Future model iterations will be guided by the limitations of the current model, specifically which parts of the output space were harder to reach. This ABM can be used to represent more in vitro Mtb infection models due to its flexible structure, thereby accelerating in vitro discoveries.

Abstract Ebola virus (EBOV) infection is threatening human health, especially in Central and West Africa. Limited clinical trials and the requirement of biosafety level-4 (BSL-4) laboratories hinders experimental work to advance our understanding of EBOV and evaluation of treatment. In this work, we use a computational model to study the assembly and budding process of EBOV and evaluate the effect of fendiline on these processes. Our results indicate that the assembly of VP40 filaments may follow the nucleation-elongation theory, as it is critical to maintain a pool of VP40 dimer for the maturation and production of virus-like particles (VLPs). We further find that the nucleation-elongation process can also be influenced by phosphatidylserine (PS), which can complicate the efficacy of fendiline, a drug that lowers cellular PS levels. We observe that fendiline may increase VLP production at earlier time points (24 h) and under low concentrations (≤ 2 μM). But this effect is transient and does not change the conclusion that fendiline generally decreases VLP production. We also conclude that fendiline can be more efficient at the stage of VLP budding relative to earlier phases. Combination therapy with a VLP budding step-targeted drug may further increase the treatment efficiency of fendiline. Finally, we also show that fendiline has higher efficacy when VP40 expression is high. While these are single-cell level results based on the VP40 system, it points out a potential way of fendiline application affecting EBOV assembly, which can be further tested in experimental studies with multiple EBOV proteins or live virus. Importance EBOV infection can cause deadly hemorrhagic fever, which has a mortality rate around 90% without treatment. The recent outbreaks in Uganda and Democratic Republic of the Congo illustrate its treat to human health. Though two antibody-based treatments are approved, mortality rates in the last outbreak is still higher than 30%. This can partly be due to the requirement of advanced medical facilities for current treatments. As a result, it is very important to develop and evaluate new therapies for EBOV infection, especially those can be easily applied in the developing world. The significance of our research is that we evaluate the potential treatment effect of fendiline on EBOV infection in the VP40 system with a computational approach, which both greatly saves time and lowers cost compared to traditional experimental studies, and provides innovative new tools to study viral protein dynamics.

Abstract Mycobacterium avium Complex (MAC) are ubiquitous environmental biofilm-forming microbes that can colonize and infect patient lungs. Incidence and prevalence of MAC infections are increasing globally, and reinfection is common. Thus, MAC infections present a significant public health challenge. MAC infections are notoriously difficult to treat and there is an urgent need for MAC-targeted therapeutics. To identify potential drug targets, we quantify the impact of MAC biofilms and repeated exposure on infection progression using a computational model of MAC infection in lung airways. MAC biofilms aid epithelial cell invasion, cause premature macrophage apoptosis, and limit antibiotic efficacy. We develop an agent-based model that incorporates the interactions between bacteria, biofilm and immune cells. We perform virtual knockouts to quantify the effects of the sources of biofilm (biofilm simultaneously deposited with bacteria vs. formed in the airway after initial bacterial deposition), and their effects on macrophages (inducing apoptosis and slowing phagocytosis). We also quantify the effects of repeated bacterial exposure to assess the impact of reinfection on infection progression. Our results show that chemokines released by biofilm-induced apoptosis bias macrophage chemotaxis towards pockets of infected and apoptosed macrophages. This bias results in fewer macrophages finding extracellular bacteria, allowing the extracellular planktonic bacteria to replicate freely. These spatial macrophage trends are further exacerbated with repeated deposition of bacteria. Our model indicates that interventions to either abrogate macrophages’ apoptotic responses to bacterial biofilms and/or reduce frequency of patient exposure to bacteria will lower bacterial load, and likely overall risk of infection.

Abstract Immunotherapeutic cytokines can activate immune cells against cancers and chronic infections. N-803 is an IL-15 superagonist that expands CD8 + T cells and increases their cytotoxicity. N-803 also temporarily reduced viral load in a limited subset of non-human primates infected with simian immunodeficiency virus (SIV), a model of HIV. However, viral suppression has not been observed in all SIV cohorts and may depend on pre-treatment viral load and the corresponding effects on CD8 + T cells. Starting from an existing mechanistic mathematical model of N-803 immunotherapy of SIV, we develop a model that includes activation of SIV-specific and non-SIV-specific CD8 + T cells by antigen, inflammation, and N-803. Also included is a regulatory counter-response that inhibits CD8 + T cell proliferation and function, representing the effects of immune checkpoint molecules and immunosuppressive cells. We simultaneously calibrate the model to two separate SIV cohorts. The first cohort had low viral loads prior to treatment (≈3-4 log viral RNA copy equivalents (CEQ)/mL), and N-803 treatment transiently suppressed viral load. The second had higher pre-treatment viral loads (≈5-7 log CEQ/mL) and saw no consistent virus suppression with N-803. The mathematical model can replicate the viral and CD8 + T cell dynamics of both cohorts based on different pre-treatment viral loads and different levels of regulatory inhibition of CD8 + T cells due to those viral loads (i.e. initial conditions of model). Our predictions are validated by additional data from these and other SIV cohorts. While both cohorts had high numbers of activated SIV-specific CD8 + T cells in simulations, viral suppression was precluded in the high viral load cohort due to elevated inhibition of cytotoxicity. Thus, we mathematically demonstrate how the pre-treatment viral load can influence immunotherapeutic efficacy, highlighting the in vivo conditions and combination therapies that could maximize efficacy and improve treatment outcomes. Author Summary Immunotherapy bolsters and redirects the immune system to fight chronic infections and cancers. However, the effectiveness of some immunotherapies may depend on the level of pre-treatment inflammation and the corresponding presence of regulatory cells and immune checkpoint molecules that normally function to prevent immune overreaction. Here, we consider two previously published cohorts of macaques who were given the immunotherapeutic N-803 to treat Simian Immunodeficiency Virus, an analog of Human Immunodeficiency Virus (HIV). One cohort had low viral loads before treatment, and N-803 temporarily suppressed viral loads. The second cohort had high viral loads that did not consistently decrease with N-803 treatment. In this work, we demonstrate with a mathematical model how these two distinct outcomes can arise due only to the different viral loads and the corresponding immune activation and regulatory response. In the model, we find that the key limiting factor is the direct inhibition of the cytotoxic action of immune cells by immune checkpoint molecules. This model indicates that simultaneous blockade of immune checkpoint molecules may be necessary for effective application of N-803 for the treatment of HIV. This and similar models can inform the design of such combination therapies for cancer and chronic infection.

Abstract In vitro models of Mycobacterium tuberculosis (Mtb) infection are a valuable tool to examine host-pathogen interactions and screen drugs. With the development of more complex in vitro models, there is a need for tools to help analyze and integrate data from these models. We introduce an agent-based model (ABM) representation of the interactions between immune cells and bacteria in an in vitro setting. This in silico model was used to independently simulate both traditional and spheroid cell culture models by changing the movement rules and initial spatial layout of the cells. These two setups were calibrated to published experimental data in a paired manner, by using the same parameters in both simulations. Within the calibrated set, heterogeneous outputs are seen for outputs of interest including bacterial count and T cell infiltration into the macrophage core of the spheroid. The simulations are also able to predict many outputs with high time resolution, including spatial structure. The structure of a single spheroid can be followed across the time course of the simulation, allowing the relationship between cell localization and immune activation to be explored. Uncertainty analyses are performed for both model setups using latin hypercube sampling and partial rank correlation coefficients to allow for easier comparison, which can provide insight into ideal use cases for the independent setups. Future model iterations can be guided by the limitations of the current model, specifically which parts of the output space were harder to reach. This ABM can be used to represent more in vitro Mtb infection models due to its flexible structure, providing a powerful analysis tool that can be used in tandem with experiments. Author Summary Tuberculosis is an infectious disease that causes over 1.4 million deaths every year. During infection, immune cells surround the bacteria forming structures called granulomas in the lungs. New laboratory models generate spheroids that aim to recreate these structures to help understand infection and find new ways to treat tuberculosis. Computational modeling is used to compare these newer spheroid models to traditional models, which don’t recreate the structure of the cell clusters. After calibration to data from laboratory experiments to ensure that the computational model can represent both systems, the structures were characterized over time. The traditional and spheroid model were also compared by looking at how model inputs impact outputs, allowing users to figure out when one model should be used over the other. This computational tool can be used to help integrate data from different laboratory models, generate hypothesis to be tested in laboratory models, and predict pathways to be targeted by drugs.

Abstract Ebola virus (EBOV) protein VP40 can assemble and bud in the form of virus-like particles (VLPs) when expressed in the absence of other EBOV proteins in mammalian cells. When nucleoprotein (NP) is co-expressed, VLPs will contain inclusion-body (IB) cores, and VLP production can be increased. However, the mechanism of how NP impacts VLP production remains unclear. Here, we use a computational approach to study NP-VP40 interactions. We find that NP may enhance VLP production through stabilizing VP40 filaments and accelerating the VLP budding step. Also, both the relative timing and amount of NP expression compared to VP40 are important for the effective production of IB-containing VLPs. We further find that there exists an optimum NP/VP40 expression ratio, and that earlier expression of NP compared to VP40 will produce IB-containing VLPs more efficiently. We conclude that disrupting the relative timing and amount of NP and VP40 expression could provide new avenues to treat EBOV infection. This work provides quantitative insights into how EBOV proteins interact and how those interactions could impact virion generation and drug efficacy.

Ebola virus (EBOV) matrix protein VP40 can assemble and bud as virus-like particles (VLPs) when expressed alone in mammalian cells. Nucleoprotein (NP) could be recruited to VLPs as inclusion body (IB) when co-expressed, and increase VLP production. However, the mechanism behind it remains unclear. Here, we use a computational approach to study NP-VP40 interactions. Our simulations indicate that NP may enhance VLP production through stabilizing VP40 filaments and accelerating the VLP budding step. Further, both the relative timing and amount of NP expression compared to VP40 are important for the effective production of IB-containing VLPs. We predict that relative NP/VP40 expression ratio and time are important for efficient production of IB-containing VLPs. We conclude that disrupting the expression timing and amount of NP and VP40 could provide new avenues to treat EBOV infection. This work provides quantitative insights into EBOV proteins interactions and how virion generation and drug efficacy could be influenced.