Single-cell ribonucleic acid sequencing is becoming widely employed to study biological processes at a novel resolution depth. The ability to analyse transcriptomes of multiple heterogeneous cell types in parallel is especially valuable for cell-focused lung research where a variety of resident and recruited cells are essential for maintaining organ functionality. We compared the single-cell transcriptomes from publicly available and unpublished datasets of the lungs in six different species: human (Homo sapiens), African green monkey (Chlorocebus sabaeus), pig (Sus domesticus), hamster (Mesocricetus auratus), rat (Rattus norvegicus) and mouse (Mus musculus) by employing RNA velocity and intercellular communication based on ligand-receptor co-expression, among other techniques. Specifically, we demonstrated a workflow for interspecies data integration, applied a single unified gene nomenclature, performed cell-specific clustering and identified marker genes for each species. Overall, integrative approaches combining newly sequenced as well as publicly available datasets could help identify species-specific transcriptomic signatures in both healthy and diseased lung tissue and select appropriate models for future respiratory research.

In COVID-19, the immune response largely determines disease severity and is key to therapeutic strategies. Cellular mechanisms contributing to inflammatory lung injury and tissue repair in SARS-CoV-2 infection, particularly endothelial cell involvement, remain ill-defined. We performed detailed spatiotemporal analyses of cellular and molecular processes in SARS-CoV-2 infected Syrian hamsters. Comparison of hamster single-cell sequencing and proteomics with data sets from COVID-19 patients demonstrated inter-species concordance of cellular and molecular host-pathogen interactions. In depth vascular and pulmonary compartment analyses (i) supported the hypothesis that monocyte-derived macrophages dominate inflammation, (ii) revealed endothelial inflammation status and T-cell attraction, and (iii) showed that CD4+ and CD8+ cytotoxic T-cell responses precede viral elimination. Using the Syrian hamster model of self-limited moderate COVID-19, we defined the specific roles of endothelial and epithelial cells, among other myeloid and non-myeloid lung cell subtypes, for determining the disease course.

Community-acquired pneumonia remains a major contributor to global communicable disease-mediated mortality. Neutrophils play a leading role in trying to contain bacterial lung infection, but they also drive detrimental pulmonary inflammation, when dysregulated. Here we aimed at understanding the role of microRNA-223 in orchestrating pulmonary inflammation during pneumococcal pneumonia. Serum microRNA-223 was measured in patients with pneumococcal pneumonia and in healthy subjects. Pulmonary inflammation in wild-type and microRNA-223-knockout mice was assessed in terms of disease course, histopathology, cellular recruitment and evaluation of inflammatory protein and gene signatures following pneumococcal infection. Low levels of serum microRNA-223 correlated with increased disease severity in pneumococcal pneumonia patients. Prolonged neutrophilic influx into the lungs and alveolar spaces was detected in pneumococci-infected microRNA-223-knockout mice, possibly accounting for aggravated histopathology and acute lung injury. Expression of microRNA-223 in wild-type mice was induced by pneumococcal infection in a time-dependent manner in whole lungs and lung neutrophils. Single-cell transcriptome analyses of murine lungs revealed a unique profile of antimicrobial and cellular maturation genes that are dysregulated in neutrophils lacking microRNA-223. Taken together, low levels of microRNA-223 in human pneumonia patient serum were associated with increased disease severity, whilst its absence provoked dysregulation of the neutrophil transcriptome in murine pneumococcal pneumonia.

Abstract Key issues for research of COVID-19 pathogenesis are the lack of biopsies from patients and of samples at the onset of infection. To overcome these hurdles, hamsters were shown to be useful models for studying this disease. Here, we further leveraged the model to molecularly survey the disease progression from time-resolved single-cell RNA-sequencing data collected from healthy and SARS-CoV-2-infected Syrian and Roborovski hamster lungs. We compared our data to human COVID-19 studies, including BALF, nasal swab, and post-mortem lung tissue, and identified a shared axis of inflammation dominated by macrophages, neutrophils, and endothelial cells, which we show to be transient in Syrian and terminal in Roborovski hamsters. Our data suggest that, following SARS-CoV-2 infection, commitment to a type 1 or type 3-biased immunity determines moderate versus severe COVID-19 outcomes, respectively. One-Sentence Summary Activation of different immunological programs upon SARS-CoV-2 infection determines COVID-19 severity.

Abstract Vaccines are a cornerstone in COVID-19 pandemic management. Here, we compare immune responses to and preclinical efficacy of the mRNA vaccine BNT162b2, an adenovirus-vectored spike vaccine, and the live-attenuated-virus vaccine candidate sCPD9 after single and double vaccination in Syrian hamsters. All regimens containing sCPD9 showed superior efficacy. The robust immunity elicited by sCPD9 was evident in a wide range of immune parameters after challenge with heterologous SARS-CoV-2 including rapid viral clearance, reduced tissue damage, fast differentiation of pre-plasmablasts, strong systemic and mucosal humoral responses, and rapid recall of memory T cells from lung tissue. Our results demonstrate that use of live-attenuated vaccines may offer advantages over available COVID-19 vaccines, specifically when applied as booster, and may provide a solution for containment of the COVID-19 pandemic.

Humans and hamsters share a common inflammatory response to SARS-CoV-2 d Disease severity correlates with early innate effector cell-type response d Diffusion-based analyses dissect neutrophil and endothelial cell responses during infection d Differences in cell-type responses lead to either reversible or terminal endothelial damage

Abstract Rationale In face of the ongoing SARS-CoV-2 pandemic, effective and well-understood treatment options are still scarce. While vaccines have proven instrumental in fighting SARS-CoV-2, their efficacy is challenged by vaccine hesitancy, novel variants and short-lasting immunity. Therefore, understanding and optimization of therapeutic options remains essential. Objectives We aimed at generating a deeper understanding on how currently used drugs, specifically dexamethasone and anti-SARS-CoV-2 antibodies, affect SARS-CoV-2 infection and host responses. Possible synergistic effects of both substances are investigated to evaluate combinatorial treatments. Methods By using two COVID-19 hamster models, pulmonary immune responses were analyzed to characterize effects of treatment with either dexamethasone, anti-SARS-CoV-2 spike monoclonal antibody or a combination of both. scRNA sequencing was employed to reveal transcriptional response to treatment on a single cell level. Measurements and main results Dexamethasone treatment resulted in similar or increased viral loads compared to controls. Anti-SARS-CoV-2 antibody treatment alone or combined with dexamethasone successfully reduced pulmonary viral burden. Dexamethasone exhibited strong anti-inflammatory effects and prevented fulminant disease in a severe COVID-19-like disease model. Combination therapy showed additive benefits with both anti-viral and anti-inflammatory potency. Bulk and single-cell transcriptomic analyses confirmed dampened inflammatory cell recruitment into lungs upon dexamethasone treatment and identified a candidate subpopulation of neutrophils specifically responsive to dexamethasone. Conclusions Our analyses i) confirm the anti-inflammatory properties and indicate possible modes of action for dexamethasone, ii) validate anti-viral effects of anti-SARS-CoV-2 antibody treatment, and iii) reveal synergistic effects of a combination therapy and can thus inform more effective COVID-19 therapies.

Translating findings from animal models to human disease is essential for dissecting disease mechanisms, developing and testing precise therapeutic strategies. The coronavirus disease 2019 (COVID-19) pandemic has highlighted this need, particularly for models showing disease severity-dependent immune responses. Single-cell transcriptomics (scRNAseq) is well poised to reveal similarities and differences between species at the molecular and cellular level with unprecedented resolution. However, computational methods enabling detailed matching are still scarce. Here, we provide a structured scRNAseq-based approach that we applied to scRNAseq from blood leukocytes originating from humans and hamsters affected with moderate or severe COVID-19. Integration of COVID-19 patient data with two hamster models that develop moderate (Syrian hamster, Mesocricetus auratus) or severe (Roborovski hamster, Phodopus roborovskii) disease revealed that most cellular states are shared across species. A neural network-based analysis using variational autoencoders quantified the overall transcriptomic similarity across species and severity levels, showing highest similarity between neutrophils of Roborovski hamsters and severe COVID-19 patients, while Syrian hamsters better matched patients with moderate disease, particularly in classical monocytes. We further used transcriptome-wide differential expression analysis to identify which disease stages and cell types display strongest transcriptional changes. Consistently, hamster's response to COVID-19 was most similar to humans in monocytes and neutrophils. Disease-linked pathways found in all species specifically related to interferon response or inhibition of viral replication. Analysis of candidate genes and signatures supported the results. Our structured neural network-supported workflow could be applied to other diseases, allowing better identification of suitable animal models with similar pathomechanisms across species.