Summary SARS-CoV-2 causes COVID-19, a disease curiously resulting in varied symptoms and outcomes, ranging from asymptomatic to fatal. Autoimmunity due to cross-reacting antibodies resulting from molecular mimicry between viral antigens and host proteins may provide an explanation. We computationally investigated molecular mimicry between SARS-CoV-2 Spike and known epitopes. We discovered molecular mimicry hotspots in Spike and highlight two examples with tentative autoimmune potential and implications for understanding COVID-19 complications. We show that a TQLPP motif in Spike and thrombopoietin shares similar antibody binding properties. Antibodies cross-reacting with thrombopoietin may induce thrombocytopenia, a condition observed in COVID-19 patients. Another motif, ELDKY, is shared in multiple human proteins such as PRKG1 and tropomyosin. Antibodies cross-reacting with PRKG1 and tropomyosin may cause known COVID-19 complications such as blood-clotting disorders and cardiac disease, respectively. Our findings illuminate COVID-19 pathogenesis and highlight the importance of considering autoimmune potential when developing therapeutic interventions to reduce adverse reactions.

Abstract Motivation Epitope-based molecular mimicry occurs when an antibody cross-reacts with two different antigens due to structural and chemical similarities. Molecular mimicry between proteins from two viruses can lead to beneficial cross-protection when the antibodies produced by exposure to one also react with the other. On the other hand, mimicry between a protein from a pathogen and a human protein can lead to auto-immune disorders if the antibodies resulting from exposure to the virus end up interacting with host proteins. While cross-protection can suggest the possible reuse of vaccines developed for other pathogens, cross-reaction with host proteins may explain side effects. There are no computational tools available to date for a large-scale search of antibody cross-reactivity. Results We present a comprehensive Epitope-based Molecular Mimicry Search ( EMoMiS ) pipeline for computational molecular mimicry searches. EMoMiS , when applied to the SARS-CoV-2 Spike protein, identified eight examples of molecular mimicry with viral and human proteins. These findings provide possible explanations for (a) differential severity of COVID-19 caused by cross-protection due to prior vaccinations and/or exposure to other viruses, and (b) commonly seen COVID-19 side effects such as thrombocytopenia and thrombophilia. Our findings are supported by previously reported research but need validation with laboratory experiments. The developed pipeline is generic and can be applied to find mimicry for novel pathogens. It has applications in improving vaccine design. Availability The developed Epitope-based Molecular Mimicry Search Pipeline ( EMoMiS ) is available from https://biorg.cs.fiu.edu/emomis/ . Contact giri@cs.fiu.edu

Abstract Upon infection, foreign antigenic proteins stimulate the host’s immune system to produce antibodies targeting the pathogen. These antibodies bind to regions on the antibody called epitopes. Structural similarity (molecular mimicry) of epitopes between an infecting pathogen and host proteins or other pathogenic proteins the host has previously encountered can impact the host immune response to the pathogen and may lead to cross-reactive antibodies. The ability to identify potential regions of molecular mimicry in a pathogen can illuminate immune effects which are especially important to pathogen treatment and vaccine design. Here we present Epitopedia, a software pipeline that facilitates the identification of regions that may exhibit potential three-dimensional molecular mimicry between an antigenic pathogen protein and known immune epitopes as catalogued by the immune epitope database (IEDB). Epitopedia is open-source software released under the MIT license and is freely available on GitHub, including a Docker container with all other software dependencies preinstalled. We performed an analysis describing how various secondary structure states, identity between pentapeptide pairs, and identity between the parent sequences of pentapeptide pairs affects RMSD. We found that pentapeptides pairs in a helical conformation had considerably lower RMSD values than those in Extended or Coil conformations. We also found that RMSD is significantly increased when pentapeptide pairs are from non-homologous sequences.

Abstract Attention Deficit Hyperactivity Disorder (ADHD) is an increasingly prevalent neuropsychiatric disorder characterized by hyperactivity, inattention, and impulsivity. Symptoms emerge from underlying deficiencies in neurocircuitry, and recent research has suggested a role played by the gut microbiome. The gut microbiome is a complex ecosystem of interdependent taxa with an exponentially complex web of interactions involving these taxa, plus host gene and reaction pathways, some of which involve neurotransmitters with roles in ADHD neurocircuitry. Studies have analyzed the ADHD gut microbiome using macroscale metrics such as diversity and composition, and have proposed several biomarkers. Few studies have delved into the complex underlying dynamics ultimately responsible for the emergence of such metrics, leaving a largely incomplete, sometimes contradictory, and ultimately inconclusive picture. We aim to help complete this picture by venturing beyond taxa abundances and into taxa relationships (i.e. cooperation and competition), using a publicly available gut microbiome dataset from 30 Control (15 female, 15 male) and 28 ADHD (15 female, 13 male) undergraduate students. We conduct our study in two parts. We first perform the same macroscale analyses prevalent in ADHD gut microbiome literature (diversity, differential, biomarker, and composition) to observe the degree of correspondence, or any new trends. We then estimate two-way ecological relationships by producing Control and ADHD Microbial Co-occurrence Networks (MCNs), using SparCC correlations ( p < 0.01). We perform community detection to find clusters of taxa estimated to mutually cooperate along with their centroids, and centrality calculations to estimate taxa most vital to overall gut ecology. We conclude by summarizing our results, and provide conjectures on how they can guide future experiments, some methods for improving our experiments, and general implications for the field.

Abstract Pseudomonas aeruginosa is one of the Priority Level I critical pathogens that are least sensitive to antibiotics and can cause fatal hospital-acquired infections. This bacterium is predominantly present in the agricultural ecosystem. However, there are very limited studies on health threats associated with P. aeruginosa strains flourishing in edible plants. Previously, we isolated and characterized 18 P. aeruginosa strains from vegetable plants directly harvested from the farms. In the current work, it has been hypothesized that plant-associated P. aeruginosa harbors genetic determinants for virulence and resistance. To test this hypothesis, in vitro resistome profiles of the plant-associated P. aeruginosa strains were assessed based on the Kirby-Bauer disk diffusion method. Hierarchical clustering analysis was done to identify the plant-associated strains that are phenotypically similar to clinical isolates. An eggplant-associated strain, PPA14, that exhibited high virulence and extensive in vitro resistance against eight antibiotic classes was selected for complete genome analyses. The PPA14 genome was sequenced using the Solexa-Illumina and Oxford-Nanopore platforms, assembled, and annotated. The presence of virulence-related and antibiotic resistance (ABR) genes were predicted using the ABRicate tool and validated based on standard reference databases such as VFDB, NCBI AMRFinderPlus, MEGARes, CARD, and ResFinder. IslandViewer4 tool was used to predict the genes acquired through horizontal gene transfer. Additionally, comparative analyses of all the plant-associated and environmental P. aeruginosa genomes characterized so far were done using the Roary tool. The PPA14 genome size was 6.72 Mbp, encoding 6315 open reading frames. The genome harbored 49 ABR genes, including those coding for multiple families of efflux pumps that collectively confer resistance against 11 antibiotic classes. In addition, we detected 225 virulence-related genes, 83 genomic islands, and 235 unique genes in the PPA14 genome. Over 4% of the PPA14 genome is devoted to conferring virulence and extensive drug resistance. Our report highlights the health threat associated with an eggplant-associated P. aeruginosa .

Abstract Purpose Decreased gut microbiota production of short-chain fatty acids (SCFAs) has been implicated in type 2 diabetes mellitus (T2DM) disease progression. Most microbiome studies focus on ethnic majorities. This study aims to understand microbiome differences between an ethnic majority (the Dutch) and minority (the South-Asian Surinamese (SAS)) group with a lower and higher prevalence of T2DM, respectively. Methods Microbiome data from the Healthy Life in an Urban Setting (HELIUS) cohort were used. The 16S rRNA V4 region was sequenced. Two age– and gender-matched groups were compared: the Dutch (n = 41) and SAS (n = 43). Microbial compositions were generated via DADA2. Alpha and beta-diversity and Principal Coordinate Analysis (PCoA) were computed. DESeq2 differential bacterial abundance and LEfSe biomarker analyses were performed to determine discriminating features. Co-occurrence networks were constructed to examine gut ecology. Results A tight cluster of bacterial abundances was observed in the Dutch women, which overlapped with some of the SAS microbiomes. The Dutch gut contained a more interconnected microbial ecology, whereas the SAS network was dispersed. Bacteroides caccae, Butyricicoccus, Alistipes putredinis, Coprococcus comes , Odoribacter splanchnicus, and Lachnospira characterized the Dutch gut. Haemophilus , Bifidobacterium, and Anaerostipes hadrus characterized the SAS gut. All but Lachnospira and certain strains of Haemophilus are known SCFA producers. Conclusion The Dutch gut microbiome was distinguished from the SAS by diverse, differentially abundant SCFA-producing taxa with significant cooperation. The dynamic ecology observed in the Dutch was lost in the SAS. The higher prevalence of T2DM in the SAS may be associated with the dysbiosis observed.

Background: Microbe-microbe and host-microbe interactions in a microbiome play a vital role in both health and disease. However, the structure of the microbial community and the colonization patterns are highly complex to infer even under controlled wet laboratory conditions. In this study, we investigate what information, if any, can be provided by a Bayesian Network (BN) about a microbial community. Unlike the previously proposed Co-occurrence Networks (CoNs), BNs are based on conditional dependencies and can help in revealing complex associations. Results: In this paper, we propose a way of combining a BN and a CoN to construct a signed Bayesian Network (sBN). We report a surprising association between directed edges in signed BNs and known colonization orders. Conclusions: BNs are powerful tools for community analysis and extracting influences and colonization patterns, even though the analysis only uses an abundance matrix with no temporal information. We conclude that directed edges in sBNs when combined with negative correlations are consistent with and strongly suggestive of colonization order. Keywords: Bayesian Networks; Conditional Dependence; Microbiome; Colonization Order; PC-stable

Abstract The increased propensity of harmful algal blooms (HABs) and exposure from HABs-cyanotoxin causes human toxicity. It has been associated with the progression of several diseases that encompass the liver, kidneys, and immune system. Recently, a strong association of cyano-HAB toxicity with the altered host gut microbiome has been shown. We tested the hypothesis that prior exposure to cyanotoxin microcystin may alter the microbiome and induce microbiome-host-resistome crosstalk. Using both wild-type and humanized mice, we show that the mice exposed to microcystin had an altered microbiome signature that harbored antimicrobial resistance genes. Host resistome phenotypes such as mefA, msrD, mel, ant6 , and tet40 increased in diversity and relative abundance following microcystin exposure. Interestingly, the increased abundance of these genes was traced to resistance to common antibiotics such as tetracycline, macrolides, glycopeptide, and aminoglycosides, crucial for modern-day treatment for several diseases. Increased abundance of these genes was positively associated with increased expression of PD1, a T-cell homeostasis marker, and pleiotropic inflammatory cytokine IL-6 with a concomitant negative association with immunosurveillance markers IL7 and TLR2. Microcystin exposure also caused decreased TLR2, TLR4, and REG3G expressions, increased immunosenescence, and higher systemic levels of IL-6 in both wild-type and humanized mice. In conclusion, the results show a first-ever characterization of the host resistome of microcystin exposure and its connection to host immune status and antibiotic resistance. The results may be crucial for understanding the ability of exposed subjects to fight future bacterial infections and the progression of the debilitating disease in hospital settings.