ABSTRACT Understanding how SARS-CoV-2 spreads within the respiratory tract is important to define the parameters controlling the severity of COVID-19. We examined the functional and structural consequences of SARS-CoV-2 infection in a reconstituted human bronchial epithelium model. SARS-CoV-2 replication caused a transient decrease in epithelial barrier function and disruption of tight junctions, though viral particle crossing remained limited. Rather, SARS-CoV-2 replication led to a rapid loss of the ciliary layer, characterized at the ultrastructural level by axoneme loss and misorientation of remaining basal bodies. The motile cilia function was compromised, as measured in a mucociliary clearance assay. Epithelial defense mechanisms, including basal cell mobilization and interferon-lambda induction, ramped up only after the initiation of cilia damage. Analysis of SARS-CoV-2 infection in Syrian hamsters further demonstrated the loss of motile cilia in vivo . This study identifies cilia damage as a pathogenic mechanism that could facilitate SARS-CoV-2 spread to the deeper lung parenchyma.

Abstract Efficient tools allowing the extraction of 2D surfaces from 3D-microscopy data are essential for studies aiming to decipher the complex cellular choreography through which epithelium morphogenesis takes place during development. Most existing methods allow for the extraction of a single and smooth manifold of sufficiently high signal intensity and contrast, and usually fail when the surface of interest has a rough topography or when its localization is hampered by other surrounding structures of higher contrast. Multiple surface segmentation entails laborious manual annotations of the various surfaces separately. As automating this task is critical in studies involving tissue-tissue or tissue-matrix interaction, we developed the Zellige software, which allows the extraction of a non-prescribed number of surfaces of varying inclination, contrast, and texture from a 3D image. The tool requires the adjustment of a small set of control parameters, for which we provide an intuitive interface implemented as a Fiji plugin. As a proof of principle of the versatility of Zellige, we demonstrate its performance and robustness on synthetic images and on four different types of biological samples, covering a wide range of biological contexts.