After germinal center B cells undergo somatic mutation and antigen selection, they become either memory B cells or plasma cells, but the signal requirements that control entry into either pathway have been unclear. When purified human germinal center cells were cultured with interleukin-2, interleukin-10, and cells expressing CD40 ligand, cells with characteristics of memory B cells were generated. Removal of CD40 ligand from the system resulted in terminal differentiation of germinal center B cells into cells with the characteristics of plasma cells. These results indicate that CD40 ligand directs the differentiation of germinal center B cells toward memory B cells rather than toward plasma cells.

Activation of naive CD8 T-cells can lead to the generation of multiple effector and memory subsets. Multiple parameters associated with activation conditions are involved in generating this diversity that is associated with heterogeneous molecular contents of activated cells. Although naive cell polarisation upon antigenic stimulation and the resulting asymmetric division are known to be a major source of heterogeneity and cell fate regulation, the consequences of stochastic uneven partitioning of molecular content upon subsequent divisions remain unclear yet. Here we aim at studying the impact of uneven partitioning on molecular-content heterogeneity and then on the immune response dynamics at the cellular level. To do so, we introduce a multiscale mathematical model of the CD8 T-cell immune response in the lymph node. In the model, cells are described as agents evolving and interacting in a 2D environment while a set of differential equations, embedded in each cell, models the regulation of intra and extracellular proteins involved in cell differentiation. Based on the analysis of in silico data at the single cell level, we 1 show that immune response dynamics can be explained by the molecular-content heterogeneity generated by uneven partitioning at cell division. In particular, uneven partitioning acts as a regulator of cell differentiation and induces the emergence of two coexisting sub-populations of cells exhibiting antagonistic fates. We show that the degree of unevenness of molecular partitioning, along all cell divisions, affects the outcome of the immune response and can promote the generation of memory cells.

Abstract The CD8 T cell immune response operates at multiple temporal and spatial scales, including all the early complex biochemical and biomechanical processes, up to long term cell population behavior. In order to model this response, we devised a multiscale agent-based approach using Simuscale software. Within each agent (cell) of our model, we introduced a gene regulatory network (GRN) based upon a piecewise deterministic Markov process (PDMP) formalism. Cell fate – differentiation, proliferation, death – was coupled to the state of the GRN through rule-based mechanisms. Cells interact in a 3D computational domain and signal to each other via cell-cell contacts, influencing the GRN behavior. Results show the ability of the model to correctly capture both population behaviour and molecular time-dependent evolution. We examined the impact of several parameters on molecular and population dynamics, and demonstrated the add-on value of using a multiscale approach by showing that a higher degradation rate for the protein controlling cell death induces a later peak in the response.

To develop vaccines it is mandatory yet challenging to account for inter-individual variability during immune responses. Even in laboratory mice, T cell responses of single individuals exhibit a high heterogeneity that may come from genetic backgrounds, intra-specific processes ( e.g. antigen-processing and presentation) and immunization protocols.To account for inter-individual variability in CD8 T cell responses in mice, we propose a dynamical model and a statistical, nonlinear mixed effects model. Average and individual dynamics during a CD8 T cell response are characterized in different immunization contexts (vaccinia virus and tumor). We identify biological processes more likely to be affected by the immunization and those that generate inter-individual variability. The robustness of the model is assessed by confrontation to new experimental data.Our approach allows to investigate immune responses in various immunization contexts, when measurements are scarce or missing, and contributes to a better understanding of inter-individual variability in CD8 T cell immune responses.Author summary Developments of vaccines and therapies based on the immune response require to understand inter-individual variability, that is variations observed in responses of individuals subject to the same immunizations. These variations may originate from genetic backgrounds, intra-specific processes and immunization protocols. We propose a mathematical framework to describe and investigate inter-individual variability in CD8 T cell responses in mice. It consists in coupling a dynamical model of CD8 T cell response and an original statistical model of inter-individual variability. We characterize individual mice dynamics in response to vaccinia virus and also tumor cells inoculation. In addition we identify biological processes more likely to be affected by the immunization and those that generate inter-individual variability. Our work provides a framework to investigate immune responses in various immunization contexts, when measurements are scarce or missing as is often the case. It contributes to a better understanding of variability and its biological causes in CD8 T cell immune responses, and can be applied to various immune responses provided that appropriate data are available.

Abstract In this work, we studied the generation of memory precursor cells following an acute infection by analyzing single-cell RNA-seq data that contained CD8 T cells collected during the postinfection expansion phase. We used different tools to reconstruct the developmental trajectory that CD8 T cells followed after activation. Cells that exhibited a memory precursor signature were identified and positioned on this trajectory. We found that memory precursors are generated continuously with increasing numbers being generated over time. Similarly, expression of genes associated with effector functions was also found to be raised in memory precursors at later time points. The ability of cells to enter quiescence to differentiate into memory cells was confirmed by BrdU pulse-chase experiment in vivo. Analysis of cell counts indicates that the vast majority of memory cells are generated at later time points from cells that have extensively divided.

1 Abstract Single cell transcriptomics has recently seen a surge in popularity, leading to the need for data analysis pipelines that are reproducible, modular, and interoperable across different systems and institutions. To meet this demand, we introduce scAN1.0 , a processing pipeline for analyzing 10X single cell RNA sequencing data. scAN1.0 is built using the Nextflow DSL2 and can be run on most computational systems. The modular design of Nextflow pipelines enables easy integration and evaluation of different blocks for specific analysis steps. We demonstrate the usefulness of scAN1.0 by showing its ability to examine the impact of the mapping step during the analysis of two datasets: (i) a 10X scRNAseq of a human pituitary gonadotroph tumor dataset and (ii) a murine 10X scRNAseq acquired on CD8 T cells during an immune response.

CD8 T cell proper differentiation during antiviral responses relies on metabolic adaptations. Herein, we investigated global metabolic activity in single CD8 T cells along an in vivo response by estimating metabolic fluxes from single-cell RNA-sequencing data. The approach was validated by the observation of metabolic variations known from experimental studies on global cell populations, while adding temporally detailed information and unravelling yet undescribed sections of CD8 T cell metabolism that are affected by cellular differentiation. Furthermore, inter-cellular variability in gene expression level, highlighted by single cell data, and heterogeneity of metabolic activity 4 days post-infection, revealed a new transition stage accompanied by a metabolic switch in activated cells differentiating into full-blown effectors.

Activation of naive CD8 T-cells can lead to the generation of multiple effector and memory subsets. Multiple parameters associated with activation conditions are involved in generating this diversity that is associated with heterogeneous molecular contents of activated cells. Naive cell polarisation upon antigenic stimulation and the asymmetric division that results are known to be a major source of heterogeneity and cell fate regulation. The consequences of stochastic uneven partitioning of molecular content upon subsequent divisions remain unclear. Here we aim at studying the impact of uneven partitioning on molecular-content heterogeneity and then on the immune response dynamics at the cellular level. To do so, we introduce a multiscale mathematical model of the CD8 T-cell immune response in the lymph node. In the model, cells are described as agents evolving and interacting in a 2D environment while a set of differential equations, embedded in each cell, models the regulation of intra and extracellular proteins involved in cell differentiation. Based on the analysis of in silico data at the single cell level, we show that immune response dynamics can be explained by the molecular-content heterogeneity generated by uneven partitioning at cell division. In particular, uneven partitioning acts as a regulator of cell differentiation and induces the emergence of two coexisting sub-populations of cells exhibiting antagonistic fates. We show that the degree of unevenness of molecular partitioning, along all cell divisions, affects the outcome of the immune response and can promote the generation of memory cells.