Multisystem Inflammatory Syndrome in Children (MIS-C), a hyperinflammatory syndrome associated with SARS-CoV-2 infection, shares many clinical features with toxic shock syndrome, which is triggered by bacterial superantigens. The superantigen specificity for binding different Vβ-chains results in Vβ-skewing, whereby T cells with specific Vβ-chains and diverse antigen specificity are overrepresented in the TCR repertoire. Here, we characterized the TCR repertoire of MIS-C patients and found a profound expansion of TCR Βeta Variable gene (TRBV)11-2. Furthermore, TRBV11-2 skewing was remarkably correlated with MIS-C severity and serum cytokine levels. Further analysis of TRBJ gene usage and CDR3 length distribution of MIS-C expanding TRBV11-2 clones revealed extensive junctional diversity, indicating a superantigen-mediated selection process for TRBV expansion. In silico modelling indicates that polyacidic residues in TCR Vβ11-2 engage in strong interactions with the superantigen-like motif of SARS-CoV-2 spike glycoprotein. Overall, our data indicate that the immune response in MIS-C is consistent with superantigenic activation.

Abstract Background Memory deficits are a hallmark of many different neurological and psychiatric conditions. The Rey-Osterrieth complex figure (ROCF) is the state–of-the-art assessment tool for neuropsychologists across the globe to assess the degree of non-verbal visual memory deterioration. To obtain a score, a trained clinician inspects a patient’s ROCF drawing and quantifies deviations from the original figure. This manual procedure is time-consuming, slow and scores vary depending on the clinician’s experience, motivation and tiredness. Methods Here, we leverage novel deep learning architectures to automatize the rating of memory deficits. For this, we collected more than 20k hand-drawn ROCF drawings from patients with various neurological and psychiatric disorders as well as healthy participants. Unbiased ground truth ROCF scores were obtained from crowdsourced human intelligence. This dataset was used to train and evaluate a multi-head convolutional neural network. Results The model performs highly unbiased as it yielded predictions very close to the ground truth and the error was similarly distributed around zero. The neural network outperforms both online raters and clinicians. The scoring system can reliably identify and accurately score individual figure elements in previously unseen ROCF drawings, which facilitates explainability of the AI-scoring system. To ensure generalizability and clinical utility, the model performance was successfully replicated in a large independent prospective validation study that was pre-registered prior to data collection. Conclusions Our AI-powered scoring system provides healthcare institutions worldwide with a digital tool to assess objectively, reliably and time-efficiently the performance in the ROCF test from hand-drawn images.

Abstract Autoimmune liver diseases (AILD) are immune-mediated disorders in which CD4 T cells play a central role. However, the link between circulating self-antigen-specific CD4 T cells and the targeted tissue has not been extensively studied in AILD. We hypothesized that circulating autoreactive CD4 T cells were clonally and functionally related to dominant intra-hepatic pathogenic CD4 T cell clones. Single cell transcriptomic analysis of circulating self-antigen-specific CD4 T cells revealed a specific B-helper and immuno-exhausted transcriptional profile, which was conserved for different autoantigens, but distinct from several other types of foreign antigen specificities. In the blood, the dominant hepatic CD4 T cell clones had a similar transcriptomic signature and were enriched in the PD-1 + TIGIT + HLA-DR + CD4 T cell subset. In a mouse model, antigen-specific CD4 T cells acquired the immuno-exhausted transcriptional profile when they accumulated in the liver after local antigen reactivity. Locally, immune checkpoint molecules controlled the response of antigen-specific CD4 T cells responsible for liver damage. Our study reveals the origin and biology of liver-derived autoreactive CD4 T cells in the blood of AILD patients that are imprinted by the liver environment, and suggest a dysregulation of the immune checkpoint molecules pathways. Our study enables tracking and isolating circulating autoreactive CD4 T cells for future diagnostic and therapeutic purposes.

The classification of B cell lymphomas - mainly based on light microscopy evaluation by a pathologist - requires many years of training. Since the B cell receptor (BCR) of the lymphoma clonotype and the microenvironmental immune architecture are important features discriminating different lymphoma subsets, we asked whether BCR repertoire next-generation sequencing (NGS) of lymphoma-infiltrated tissues in conjunction with machine learning algorithms could have diagnostic utility in the subclassification of these cancers. We trained a random forest and a linear classifier via logistic regression based on patterns of clonal distribution, VDJ gene usage and physico-chemical properties of the top-n most frequently represented clonotypes in the BCR repertoires of 620 paradigmatic lymphomas - nodular lymphocyte predominant B cell lymphoma (NLPBL), diffuse large B cell lymphoma (DLBCL) and chronic lymphocytic leukemia (CLL) - as well as 291 control tissues. With regard to DLBCL and CLL, the models demonstrated optimal performance when utilizing only the most prevalent clonotype for classification, while in NLPBL - that has a dominant background of non-malignant bystander cells - a broader array of clonotypes enhanced model accuracy. Surprisingly, the straightforward logistic regression model performed best in this seemingly complex classification problem, suggesting linear separability in our chosen dimensions. It achieved a weighted F1-score of 0.84 on a test cohort including 125 cases from all three lymphoma entities and 58 healthy individuals. Together, we provide proof-of-concept that at least the 3 studied lymphoma entities can be differentiated from each other using BCR repertoire NGS on lymphoma-infiltrated tissues by a trained machine learning model.

Memory deficits are a hallmark of many different neurological and psychiatric conditions. The Rey–Osterrieth complex figure (ROCF) is the state-of-the-art assessment tool for neuropsychologists across the globe to assess the degree of non-verbal visual memory deterioration. To obtain a score, a trained clinician inspects a patient’s ROCF drawing and quantifies deviations from the original figure. This manual procedure is time-consuming, slow and scores vary depending on the clinician’s experience, motivation, and tiredness. Here, we leverage novel deep learning architectures to automatize the rating of memory deficits. For this, we collected more than 20k hand-drawn ROCF drawings from patients with various neurological and psychiatric disorders as well as healthy participants. Unbiased ground truth ROCF scores were obtained from crowdsourced human intelligence. This dataset was used to train and evaluate a multihead convolutional neural network. The model performs highly unbiased as it yielded predictions very close to the ground truth and the error was similarly distributed around zero. The neural network outperforms both online raters and clinicians. The scoring system can reliably identify and accurately score individual figure elements in previously unseen ROCF drawings, which facilitates explainability of the AI-scoring system. To ensure generalizability and clinical utility, the model performance was successfully replicated in a large independent prospective validation study that was pre-registered prior to data collection. Our AI-powered scoring system provides healthcare institutions worldwide with a digital tool to assess objectively, reliably, and time-efficiently the performance in the ROCF test from hand-drawn images.

Abstract Anti–PD-1, trastuzumab, and chemotherapy are used in the treatment of patients with advanced HER2-positive esophagogastric adenocarcinoma (EGA), but long-term survival remains limited. Herein, we report extended follow-up data from the INTEGA trial (NCT03409848), which investigated the efficacy of the anti–PD-1 nivolumab, trastuzumab, and FOLFOX chemotherapy (FOLFOX arm) in comparison to a chemotherapy-free regimen involving nivolumab, trastuzumab, and the anti–CTLA-4 ipilimumab (Ipi arm) in the first-line setting for advanced disease. The 12-month overall survival (OS) showed no statistical difference between the arms, with 57% OS (95% CI: 41%-71%) in the Ipi arm and 70% OS (95% CI: 54%-82%) in the FOLFOX arm. Crossing of the survival curves indicated a potential long-term benefit for some patients within the Ipi arm, but early progressors in the Ipi arm underlined the need for biomarker-guided strategies to optimize treatment selection. To this end, metabolomic and cytokine analysis demonstrated elevated levels of normetanephrine, cortisol, and interleukin 6 (IL-6) in immunotherapy-unresponsive patients in the Ipi arm, suggesting a role for systemic inflammatory stress in modulating antitumor immune responses. Patients with this signature also showed an increased neutrophil-to-lymphocyte ratio (NLR) that persisted in the Ipi arm, but not in the FOLFOX arm, and strongly correlated with survival. Furthermore, a low NLR characterized patients benefiting from immune- and targeted therapy without the need for additional chemotherapy. This data suggests that patient selection based on inflammatory stress–driven immune changes could help to customize first-line treatment in patients with advanced HER2-positive EGA to potentially improve long-term survival.

The concept of precision cell therapy targeting tumor-specific mutations is appealing but requires surface-exposed neoepitopes, which is a rarity in cancer. B cell receptors (BCR) of mature lymphoid malignancies are exceptional in that they harbor tumor-specific-stereotyped sequences in the form of point mutations that drive self-engagement of the BCR and autologous signaling. Here, we used a BCR light chain neoepitope defined by a characteristic point mutation (IGLV3-21R110) for selective targeting of a poor-risk subset of chronic lymphocytic leukemia (CLL) with chimeric antigen receptor (CAR) T cells. We developed murine and humanized CAR constructs expressed in T cells from healthy donors and CLL patients that eradicated IGLV3-21R110 expressing cell lines and primary CLL cells, but not polyclonal healthy B cells. In vivo experiments confirmed epitope-selective cytolysis in xenograft models using engrafted IGLV3-21R110 expressing cell lines or primary CLL cells. We further demonstrate in two humanized mouse models lack of cytotoxicity towards human B cells. These data provide the basis for novel avenues of resistance-preventive and biomarker-guided cellular targeting of functionally relevant lymphoma driver mutations sparing normal B cells.

Abstract High antibody affinity against the ancestral SARS-CoV-2 strain seems to be necessary (but not always sufficient) for the control of emerging immune-escape variants. Therefore, aiming at strong B cell somatic hypermutation - not only at high antibody titers - is a priority when utilizing vaccines that are not targeted at individual variants. Here, we developed a next-generation sequencing based SARS-CoV-2 B cell tracking protocol to rapidly determine the level of immunoglobulin somatic hypermutation at distinct points during the immunization period. The percentage of somatically hypermutated B cells in the SARS-CoV-2 specific repertoire was low after the primary vaccination series, evolved further over months and increased steeply after boosting. The third vaccination mobilized not only naïve, but also antigen-experienced B cell clones into further rapid somatic hypermutation trajectories indicating increased affinity. Together, the strongly mutated post-booster repertoires and antibodies deriving from this may explain why the booster, but not the primary vaccination series, offers some protection against immune-escape variants such as Omicron B.1.1.529. Brief summary Priming SARS-CoV-2 vaccinations generate antibodies from low-level matured B cells while the third vaccination strongly boosts somatic hypermutation potentially explaining different protection from immune-escape variants.