Abstract Living with COVID-19 requires continued vigilance against the spread and emergence of variants of concern (VOCs). Rapid and accurate saliva diagnostic testing, alongside basic public health responses, is a viable option contributing to effective transmission control. Nevertheless, our knowledge regarding the dynamics of SARS-CoV-2 infection in saliva is not as advanced as our understanding of the respiratory tract. Here we analyzed longitudinal viral load data of SARS-CoV-2 in saliva samples from 144 patients with mild COVID-19 (a combination of our collected data and published data). Using a mathematical model, we successfully stratified infection dynamics into three distinct groups with clear patterns of viral shedding: viral shedding durations in the three groups were 11.5 days (95% CI: 10.6 to 12.4), 17.4 days (16.6 to 18.2), and 30.0 days (28.1 to 31.8), respectively. Surprisingly, this stratified grouping remained unexplained despite our analysis of 47 types of clinical data, including basic demographic information, clinical symptoms, results of blood tests, and vital signs. Additionally, we quantified the expression levels of 92 micro-RNAs in a subset of saliva samples, but these also failed to explain the observed stratification, although the mir-1846 level may have been weakly correlated with peak viral load. Our study provides insights into SARS-CoV-2 infection dynamics in saliva, highlighting the challenges in predicting the duration of viral shedding without indicators that directly reflect an individual’s immune response, such as antibody induction. Given the significant individual heterogeneity in the kinetics of saliva viral shedding, identifying biomarker(s) for viral shedding patterns will be crucial for improving public health interventions in the era of living with COVID-19.

Abstract Evaluation of intrahepatic covalently closed circular DNA (cccDNA) is a key for searching an elimination of hepatitis B virus (HBV) infection. HBV RNA and HBV core-related antigen have been proposed as surrogate markers for evaluating cccDNA activity, although they do not necessarily estimate the amount of cccDNA. Here, we developed a novel multiscale mathematical model describing intra- and inter-cellular viral propagation, based on the experimental quantification data in both HBV-infected cell culture and humanized mouse models. We applied it to HBV-infected patients under treatment and developed a model which can predict intracellular HBV dynamics only by use of noninvasive extracellular surrogate biomarkers. Importantly, the model prediction of the amount of cccDNA in patients over time was confirmed to be well-correlated with the liver biopsy data. Thus, our noninvasive method enables to predict the amount of cccDNA in patients and contributes to determining the treatment endpoint required for elimination of intrahepatic cccDNA.

Chronic infection of hepatitis B virus (HBV) is caused by the persistence of closed circular DNA (cccDNA) in the nucleus of infected hepatocytes. Despite available therapeutic anti-HBV agents, eliminating the cccDNA remains challenging. The quantifying and understanding dynamics of cccDNA are essential for developing effective treatment strategies and new drugs. However, it requires a liver biopsy to measure the intrahepatic cccDNA, which is basically not accepted because of the ethical aspect. We here aimed to develop a non-invasive method for quantifying cccDNA in the liver using surrogate markers present in peripheral blood. We constructed a multiscale mathematical model that explicitly incorporates both intracellular and intercellular HBV infection processes. The model, based on age-structured partial differential equations (PDEs), integrates experimental data from in vitro and in vivo investigations. By applying this model, we successfully predicted the amount and dynamics of intrahepatic cccDNA using specific viral markers in serum samples, including HBV DNA, HBsAg, HBeAg, and HBcrAg. Our study represents a significant step towards advancing the understanding of chronic HBV infection. The non-invasive quantification of cccDNA using our proposed methodology holds promise for improving clinical analyses and treatment strategies. By comprehensively describing the interactions of all components involved in HBV infection, our multiscale mathematical model provides a valuable framework for further research and the development of targeted interventions.