Abstract In the ongoing coronavirus disease 2019 (COVID-19) pandemic caused by the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), more severe outcomes are reported in males compared with females, including hospitalizations and deaths. Animal models can provide an opportunity to mechanistically interrogate causes of sex differences in the pathogenesis of SARS-CoV-2. Adult male and female golden Syrian hamsters (8-10 weeks of age) were inoculated intranasally with 10 5 TCID 50 of SARS-CoV-2/USA-WA1/2020 and euthanized at several time points during the acute (i.e., virus actively replicating) and recovery (i.e., after the infectious virus has been cleared) phases of infection. There was no mortality, but infected male hamsters experienced greater morbidity, losing a greater percentage of body mass, developing more extensive pneumonia as noted on chest computed tomography, and recovering more slowly than females. Treatment of male hamsters with estradiol did not alter pulmonary damage. Virus titers in respiratory tissues, including nasal turbinates, trachea, and lungs, and pulmonary cytokine concentrations, including IFNβ and TNFα, were comparable between the sexes. However, during the recovery phase of infection, females mounted two-fold greater IgM, IgG, and IgA responses against the receptor-binding domain of the spike protein (S-RBD) in both plasma and respiratory tissues. Female hamsters also had significantly greater IgG antibodies against whole inactivated SARS-CoV-2 and mutant S-RBDs, as well as virus neutralizing antibodies in plasma. The development of an animal model to study COVID-19 sex differences will allow for a greater mechanistic understanding of the SARS-CoV-2 associated sex differences seen in the human population. Importance Men experience more severe outcomes from COVID-19 than women. Golden Syrian hamsters were used to explore sex differences in the pathogenesis of a human clinical isolate of SARS-CoV-2. After inoculation, male hamsters experienced greater sickness, developed more severe lung pathology, and recovered more slowly than females. Sex differences in disease could not be reversed by estradiol treatment in males and were not explained by either virus replication kinetics or the concentrations of inflammatory cytokines in the lungs. During the recovery period, antiviral antibody responses in the respiratory tract and plasma, including to newly emerging SARS-CoV-2 variants, were greater in females than male hamsters. Greater lung pathology during the acute phase combined with reduced antiviral antibody responses during the recovery phase of infection in males than females illustrate the utility of golden Syrian hamsters as a model to explore sex differences in the pathogenesis of SARS-CoV-2 and vaccine-induced immunity and protection. One Sentence Summary Following SARS-CoV-2 infection, male hamsters experience worse clinical disease and have lower antiviral antibody responses than females.

Pancreatic intraepithelial neoplasia (PanIN) is a precursor to pancreatic cancer and represents a critical opportunity for cancer interception. However, the number, size, shape, and connectivity of PanINs in human pancreatic tissue samples are largely unknown. In this study, we quantitatively assessed human PanINs using CODA, a novel machine-learning pipeline for 3D image analysis that generates quantifiable models of large pieces of human pancreas with single-cell resolution. Using a cohort of 38 large slabs of grossly normal human pancreas from surgical resection specimens, we identified striking multifocality of PanINs, with a mean burden of 13 spatially separate PanINs per cm3 of sampled tissue. Extrapolating this burden to the entire pancreas suggested a median of approximately 1000 PanINs in an entire pancreas. In order to better understand the clonal relationships within and between PanINs, we developed a pipeline for CODA-guided multi-region genomic analysis of PanINs, including targeted and whole exome sequencing. Multi-region assessment of 37 PanINs from eight additional human pancreatic tissue slabs revealed that almost all PanINs contained hotspot mutations in the oncogene KRAS, but no gene other than KRAS was altered in more than 20% of the analyzed PanINs. PanINs contained a mean of 13 somatic mutations per region when analyzed by whole exome sequencing. The majority of analyzed PanINs originated from independent clonal events, with distinct somatic mutation profiles between PanINs in the same tissue slab. A subset of the analyzed PanINs contained multiple KRAS mutations, suggesting a polyclonal origin even in PanINs that are contiguous by rigorous 3D assessment. This study leverages a novel 3D genomic mapping approach to describe, for the first time, the spatial and genetic multifocality of human PanINs, providing important insights into the initiation and progression of pancreatic neoplasia.

Pancreatic ductal adenocarcinoma is a rare but lethal cancer. Recent evidence suggests that pancreatic intraepithelial neoplasia (PanIN), a microscopic precursor lesion that gives rise to pancreatic cancer, is larger and more prevalent than previously believed. Better understanding of the growth-law dynamics of PanINs may improve our ability to understand how a miniscule fraction makes the transition to invasive cancer. Here, using three-dimensional tissue mapping, we analyzed >1000 PanINs and found that lesion size is distributed according to a power law. Our data suggest that in bulk, PanIN size can be predicted by general growth behavior without consideration for the heterogeneity of the pancreatic microenvironment or an individual’s age, history, or lifestyle. Our models suggest that intraductal spread and fusing of lesions drive our observed size distribution. This analysis lays the groundwork for future mathematical modeling efforts integrating PanIN incidence, morphology, and molecular features to understand tumorigenesis and demonstrates the utility of combining experimental measurement with dynamic modeling in understanding tumorigenesis.

Abstract To catalyze SARS-CoV-2 research including development of novel interventive and preventive strategies, we characterized progression of disease in depth in a robust COVID-19 animal model. In this model, male and female golden Syrian hamsters were inoculated intranasally with SARS-CoV-2 USA-WA1/2020. Groups of inoculated and mock-inoculated uninfected control animals were euthanized at day 2, 4, 7, 14, and 28 days post-inoculation to track multiple clinical, pathology, virology, and immunology outcomes. SARS-CoV-2-inoculated animals consistently lost body weight during the first week of infection, had higher lung weights at terminal timepoints, and developed lung consolidation per histopathology and quantitative image analysis measurements. High levels of infectious virus and viral RNA were reliably present in the respiratory tract at days 2 and 4 post-inoculation, corresponding with widespread necrosis and inflammation. At day 7, when infectious virus was rare, interstitial and alveolar macrophage infiltrates and marked reparative epithelial responses (type II hyperplasia) dominated in the lung. These lesions resolved over time, with only residual epithelial repair evident by day 28 post-inoculation. The use of quantitative approaches to measure cellular and morphologic alterations in the lung provides valuable outcome measures for developing therapeutic and preventive interventions for COVID-19 using the hamster COVID-19 model.

SUMMARY Pancreatic ductal adenocarcinoma (PDAC) is a highly lethal cancer for which few effective therapies exist. Immunotherapies specifically are ineffective in pancreatic cancer, in part due to its unique stromal and immune microenvironment. Pancreatic intraepithelial neoplasia, or PanIN, is the main precursor lesion to PDAC. Recently it was discovered that PanINs are remarkably abundant in the grossly normal pancreas, suggesting that the vast majority will never progress to cancer. Here, through construction of 48 samples of cm 3 -sized human pancreas tissue, we profiled the immune microenvironment of 1,476 PanINs in 3D and at single-cell resolution to better understand the early evolution of the pancreatic tumor microenvironment and to determine how inflammation may play a role in cancer progression. We found that bulk pancreatic inflammation strongly correlates to PanIN cell fraction. We found that the immune response around PanINs is highly heterogeneous, with distinct immune hotspots and cold spots that appear and disappear in a span of tens of microns. Immune hotspots generally mark locations of higher grade of dysplasia or locations near acinar atrophy. The immune composition at these hotspots is dominated by naïve, cytotoxic, and regulatory T cells, cancer associated fibroblasts, and tumor associated macrophages, with little similarity to the immune composition around less-inflamed PanINs. By mapping FOXP3+ cells in 3D, we found that regulatory T cells are present at higher density in larger PanIN lesions compared to smaller PanINs, suggesting that the early initiation of PanINs may not exhibit an immunosuppressive response. This analysis demonstrates that while PanINs are common in the pancreases of most individuals, inflammation may play a pivotal role, both at the bulk and the microscopic scale, in demarcating regions of significance in cancer progression.

Abstract Pancreatic ductal adenocarcinoma (PDAC) is one of the deadliest forms of cancer. Accumulating evidence indicates the tumor microenvironment is highly associated with tumorigenesis through regulation of cellular physiology, signaling systems, and gene expression profiles of cancer cells. Yet the mechanisms by which the microenvironment evolves from normal pancreas architecture to precursor lesions and invasive cancer is poorly understood. Obtaining high-content and high-resolution information from a complex tumor microenvironment in large volumetric landscapes represents a key challenge in the field of cancer biology. To address this challenge, we established a novel method to reconstruct three-dimensional (3D) centimeter-scale tissues containing billions of cells from serially sectioned histological samples, utilizing deep learning approaches to recognize eight distinct tissue subtypes from hematoxylin and eosin stained sections at micrometer and single-cell resolution. Using samples from a range of normal, precancerous, and invasive pancreatic cancer tissue, we map in 3D modes of cancer invasion in the tumor microenvironment, and emphasize the need for further 3D quantification of biological systems.

Methods for partially resolved cellular profiling has enabled in-depth quantitative tissue mapping via thinly cut sections to study inter-patient and intra-patient differences in normal human anatomy and disease onset and progression. These methods often profile extremely limited spatial regions, which may impact the evaluation of heterogeneity due to tissue sub-sampling. Here, we applied CODA, a deep learning-based tissue mapping platform, to reconstruct the 3D microanatomy of surgically resected human pancreas biospecimens obtained from patients diagnosed with pancreatic cancer. To compare differences in the inter- and intra-tumoral heterogeneity, we assessed the bulk and spatially resolved tissue composition of a cohort of two-dimensional (2D) whole slide images (WSIs), and a cohort of 3D serially sectioned and reconstructed tissues of pancreata. Here, we show the strength of using 3D as the gold standard, by measuring the information loss and sampling problems when using WSIs and TMAs. We demonstrate that spatial correlation in microanatomical tissue content decays significantly within a span of just a few microns within tumors. As a corollary, hundreds of TMAs and tens of WSIs are required to estimate spatial bulk tumor composition with <10% error in any given pancreatic tumor. In sum, we demonstrate that 3D assessments are necessary to accurately assess tumor burden and tissue composition. These preliminary results show the importance of rate of sampling necessary to more reliably assess spatially resolved tissue composition.

Pancreatic ductal adenocarcinoma is a rare but lethal cancer. Recent evidence reveals that pancreatic intraepithelial neoplasms (PanINs), the microscopic precursor lesions in the pancreatic ducts that can give rise to invasive pancreatic cancer, are significantly larger and more prevalent than previously believed. Better understanding of the growth law dynamics of PanINs may improve our ability to understand how a miniscule fraction of these lesions makes the transition to invasive cancer. Here, using artificial intelligence (AI)-based three-dimensional (3D) tissue mapping method, we measured the volumes of >1,000 PanIN and found that lesion size is distributed according to a power law with a fitted exponent of -1.7 over > 3 orders of magnitude. Our data also suggest that PanIN growth is not very sensitive to the pancreatic microenvironment or an individual9s age, family history, and lifestyle, and is rather shaped by general growth behavior. We analyze several models of PanIN growth and fit the predicted size distributions to the observed data. The best fitting models suggest that both intraductal spread of PanIN lesions and fusing of multiple lesions into large, highly branched structures drive PanIN growth patterns. This work lays the groundwork for future mathematical modeling efforts integrating PanIN incidence, morphology, genomic, and transcriptomic features to understand pancreas tumorigenesis, and demonstrates the utility of combining experimental measurement of human tissues with dynamic modeling for understanding cancer tumorigenesis.