For an emerging disease like COVID-19, systems immunology tools may quickly identify and quantitatively characterize cells associated with disease progression or clinical response. With repeated sampling, immune monitoring creates a real-time portrait of the cells reacting to a novel virus before disease specific knowledge and tools are established. However, single cell analysis tools can struggle to reveal rare cells that are under 0.1% of the population. Here, the machine learning workflow Tracking Responders Expanding (T-REX) was created to identify changes in both very rare and common cells in diverse human immune monitoring settings. T-REX identified cells that were highly similar in phenotype and localized to hotspots of significant change during rhinovirus and SARS-CoV-2 infections. Specialized reagents used to detect the rhinovirus-specific CD4

There has been renewed interest in the use of flow cytometry for single particle phenotypic analysis of particles in the nanometer size-range such as viruses, organelles, bacteria and extracellular vesicles (EVs). However, many of these particles are smaller than 200 nm in diameter, which places them at the limit of detection for many commercial flow cytometers. The use of reference particles of diameter, fluorescence, and light-scattering properties akin to those of the small biological particles being studied is therefore imperative for accurate and reproducible data acquisition and reporting across different instruments and analytical technologies. We show here that an engineered murine leukemia virus (MLV) can act as a fluorescence reference particle for other small particles such as retroviruses and EVs. More specifically, we show that engineered MLV is a highly monodisperse enveloped particle that can act as a surrogate to demonstrate the various effects of antibody labeling on the physical properties of small biological particles in a similar diameter range.