Abstract The standard dosing of the Pfizer/BioNTech BNT162b2 mRNA vaccine validated in clinical trials includes two doses administered three weeks apart. While the decision by some public health authorities to space the doses because of limiting supply has raised concerns about vaccine efficacy, data indicate that a single dose is up to 90% effective starting 14 days after its administration. We analyzed humoral and T cells responses three weeks after a single dose of this mRNA vaccine. Despite the proven efficacy of the vaccine at this time point, no neutralizing activity were elicited in SARS-CoV-2 naïve individuals. However, we detected strong anti-receptor binding domain (RBD) and Spike antibodies with Fc-mediated effector functions and cellular responses dominated by the CD4 + T cell component. A single dose of this mRNA vaccine to individuals previously infected by SARS-CoV-2 boosted all humoral and T cell responses measured, with strong correlations between T helper and antibody immunity. Neutralizing responses were increased in both potency and breadth, with distinctive capacity to neutralize emerging variant strains. Our results highlight the importance of vaccinating uninfected and previously-infected individuals and shed new light into the potential role of Fc-mediated effector functions and T cell responses in vaccine efficacy. They also provide support to spacing the doses of two-vaccine regimens to vaccinate a larger pool of the population in the context of vaccine scarcity against SARS-CoV-2.

Abstract Characterization of the humoral response to SARS-CoV-2, the etiological agent of Covid-19, is essential to help control the infection. In this regard, we and others recently reported that the neutralization activity of plasma from COVID-19 patients decreases rapidly during the first weeks after recovery. However, the specific role of each immunoglobulin isotype in the overall neutralizing capacity is still not well understood. In this study, we selected plasma from a cohort of Covid-19 convalescent patients and selectively depleted immunoglobulin A, M or G before testing the remaining neutralizing capacity of the depleted plasma. We found that depletion of immunoglobulin M was associated with the most substantial loss of virus neutralization, followed by immunoglobulin G. This observation may help design efficient antibody-based COVID-19 therapies and may also explain the increased susceptibility to SARS-CoV-2 of autoimmune patients receiving therapies that impair the production of IgM.

CRISPR–Cas9 gene editing technology has considerably facilitated the generation of mouse knockout alleles, relieving many of the cumbersome and time-consuming steps of traditional mouse embryonic stem cell technology. However, the generation of conditional knockout alleles remains an important challenge. An earlier study reported up to 16% efficiency in generating conditional knockout alleles in mice using 2 single guide RNAs (sgRNA) and 2 single-stranded oligonucleotides (ssODN) (2sgRNA–2ssODN). We re-evaluated this method from a large data set generated from a consortium consisting of 17 transgenic core facilities or laboratories or programs across the world. The dataset constituted 17,887 microinjected or electroporated zygotes and 1,718 live born mice, of which only 15 (0.87%) mice harbored 2 correct LoxP insertions in cis configuration indicating a very low efficiency of the method. To determine the factors required to successfully generate conditional alleles using the 2sgRNA–2ssODN approach, we performed a generalized linear regression model. We show that factors such as the concentration of the sgRNA, Cas9 protein or the distance between the placement of LoxP insertions were not predictive for the success of this technique. The major predictor affecting the method's success was the probability of simultaneously inserting intact proximal and distal LoxP sequences, without the loss of the DNA segment between the two sgRNA cleavage sites. Our analysis of a large data set indicates that the 2sgRNA–2ssODN method generates a large number of undesired alleles (>99%), and a very small number of desired alleles (<1%) requiring, on average 1,192 zygotes.

Dimensionality reduction-based data visualization is pivotal in comprehending complex biological data. The most common methods, such as PHATE, t-SNE, and UMAP, are unsupervised and therefore reflect the dominant structure in the data, which may be independent of expert-provided labels. Here we introduce a supervised data visualization method called RF-PHATE, which integrates expert knowledge for further exploration of the data. RF-PHATE leverages random forests to capture intricate featurelabel relationships. Extracting information from the forest, RF-PHATE generates low-dimensional visualizations that highlight relevant data relationships while disregarding extraneous features. This approach scales to large datasets and applies to classification and regression. We illustrate RF-PHATE's prowess through three case studies. In a multiple sclerosis study using longitudinal clinical and imaging data, RF-PHATE unveils a sub-group of patients with non-benign relapsingremitting Multiple Sclerosis, demonstrating its aptitude for time-series data. In the context of Raman spectral data, RF-PHATE effectively showcases the impact of antioxidants on diesel exhaust-exposed lung cells, highlighting its proficiency in noisy environments. Furthermore, RF-PHATE aligns established geometric structures with COVID-19 patient outcomes, enriching interpretability in a hierarchical manner. RF-PHATE bridges expert insights and visualizations, promising knowledge generation. Its adaptability, scalability, and noise tolerance underscore its potential for widespread adoption.

Abstract Background The discovery of the CRISPR-Cas9 system and its applicability in mammalian embryos has revolutionized the way we generate genetically engineered animal models. To date, models harbouring conditional alleles (i.e.: two loxP sites flanking an exon or a critical DNA sequence of interest) remain the most challenging to generate as they require simultaneous cleavage of the genome using two guides in order to properly integrate the repair template. In the current manuscript, we describe a modification of the sequential electroporation procedure described by Horii et al (2017). We demonstrate production of conditional allele mouse models for eight different genes via one of two alternative strategies: either by consecutive sequential electroporation (strategy A) or non-consecutive sequential electroporation (strategy B). Results By using strategy A, we demonstrated successful generation of conditional allele models for three different genes ( Icam1, Lox , and Sar1b ), with targeting efficiencies varying between 5 to 13%. By using strategy B, we generated five conditional allele models ( Loxl1, Pard6a, Pard6g, Clcf1 , and Mapkapk5 ), with targeting efficiencies varying between 3 to 25%. Conclusion Our modified electroporation-based approach, involving one of the two alternative strategies, allowed the production of conditional allele models for eight different genes via two different possible paths. This reproducible method will serve as another reliable approach in addition to other well-established methodologies in the literature for conditional allele mouse model generation.

Abstract New agricultural technologies, such as stress‐tolerant rice varieties (STRVs), that reduce yield risk can modify farmers’ production decisions. This article explores how STRV adoption affects farmer decision‐making and productivity in Nepal in a non‐drought year. STRVs are bred to be high‐yielding and tolerant to climate shocks such as drought. To assess the effect of input measurements on treatment effects, we collected information from 900 households on STRV adoption and input use. We also conducted a survey experiment in which half of sampled households were randomly assigned to answer additional, more detailed questions on agricultural inputs. Farmers apply more total chemical fertilizer, pesticides, early‐season chemical fertilizer, and land preparation labor to plots planted with STRVs compared to traditional varieties (TVs). Detailed input data enhances our understanding of how this “crowding‐in” effect of STRV adoption on input use compares with other high‐yielding varieties. While farmers increase application of a subset of these inputs on other improved variety types such as hybrids, results suggest that crowd‐in effects are most consistent for STRVs. In the absence of drought, STRVs also provide a similar yield boost and yield variance reduction over TVs compared to other, non‐stress tolerant improved varieties. Results suggest that improved varietal adoption, and STRV adoption in particular, can improve household productivity and modernization of agriculture.