Abstract Plasma cells and their secreted antibodies play a central role in the long-term protection against chronic viral infection. However, due to experimental limitations, a comprehensive description of linked genotypic, phenotypic, and antibody repertoire features of plasma cells (gene expression, clonal frequency, virus specificity, and affinity) has been challenging to obtain. To address this, we performed single-cell transcriptome and antibody repertoire sequencing of the murine bone marrow plasma cell population following chronic lymphocytic choriomeningitis virus infection. Our single-cell sequencing approach recovered full-length and paired heavy and light chain sequence information for thousands of plasma cells and enabled us to perform recombinant antibody expression and specificity screening. Antibody repertoire analysis revealed that, relative to protein immunization, chronic infection led to increased levels of clonal expansion, class-switching, and somatic variants. Furthermore, antibodies from the highly expanded and class-switched (IgG) plasma cells were found to be specific for multiple viral antigens and a subset of clones exhibited cross-reactivity to non-viral- and auto-antigens. Integrating single-cell transcriptome data with antibody specificity suggested that plasma cell transcriptional phenotype was correlated to viral antigen specificity. Our findings demonstrate that chronic viral infection can induce and sustain plasma cell clonal expansion, combined with significant somatic hypermutation, and can generate cross-reactive antibodies. Graphical abstract. Single-cell sequencing reveals clonally expanded plasma cells during chronic viral infection produce virus-specific and cross-reactive antibodies.

ABSTRACT The capacity of humoral B cell-mediated immunity to effectively respond to and protect against pathogenic infections is largely driven by the presence of a diverse repertoire of polyclonal antibodies in the serum, which are produced by plasma cells (PCs). 1,2 Recent studies have started to reveal the balance between deterministic mechanisms and stochasticity of antibody repertoires on a genotypic level (i.e., clonal diversity, somatic hypermutation, germline gene usage). 3–8 However, it remains unclear if clonal selection and expansion of PCs follows any deterministic rules or is stochastic with regards to phenotypic antibody properties (i.e., antigen-binding, affinity, epitope specificity). Here we report on the in-depth genotypic and phenotypic characterization of clonally expanded PC antibody repertoires following protein immunization. We find that there is only a strong correlation with antigen-specificity among the most expanded clones (top ~ 10), whereas among the rest of the clonal repertoire antigen-specificity is stochastic. Furthermore, we report both on a polyclonal repertoire and clonal lineage level that antibody-antigen binding affinity does not correlate with clonal expansion or somatic hypermutation. Lastly, we provide evidence for convergence towards dominant epitopes despite clonal sequence diversity among the most expanded clones. Our results highlight the extent to which clonal expansion can be ascribed to antigen binding, affinity and epitope specificity and they have implications for the assessment of effective vaccines. Graphical abstract

Abstract Murine models of immunization have played a major role in discovering antibody candidates against therapeutic targets. It nevertheless remains time-consuming and expensive to identify antibodies with diverse binding modalities against druggable candidate molecules. Although new genomics-based pipelines have potential to augment antibody discovery, these methods remain in their infancy due to an incomplete understanding of the selection process that governs B cell clonal selection, expansion and antigen specificity. Furthermore, it remains unknown how factors such as aging and reduction of tolerance influence B cell selection in murine models of immunization. Here we perform single-cell sequencing of antibody repertoires and transcriptomes of B cells following immunizations with a model therapeutic antigen target (human Tumor necrosis factor receptor 2, TNFR2). We determine the relationship between antibody repertoires, gene expression signatures and antigen specificity across 100,000 B cells. Recombinant expression and characterization of 227 monoclonal antibodies revealed the existence of clonally expanded and class-switched antigen-specific B cells that were more frequent in young mice. Although integrating multiple repertoire features such as germline gene usage, somatic hypermutation, and transcriptional signatures failed to distinguish antigen-specific from non-specific B cells, other features such as IgG-subtype and sequence composition correlated with antigen-specificity. This work provides a single-cell resource for B cells relating antibody repertoires, transcriptomes and antigen specificity.

Abstract Single-cell sequencing now enables the recovery of full-length immune repertoires [B cell receptor (BCR) and T cell receptor (TCR) repertoires], in addition to gene expression information. The feature-rich datasets produced from such experiments require extensive and diverse computational analyses, each of which can significantly influence the downstream immunological interpretations, such as clonal selection and expansion. Simulations produce validated standard datasets, where the underlying generative model can be precisely defined and furthermore perturbed to investigate specific questions of interest. Currently, there is no tool that can be used to simulate a comprehensive ground truth single-cell dataset that incorporates both immune receptor repertoires and gene expression. Therefore, we developed Echidna, an R package that simulates immune receptors and transcriptomes at single-cell resolution. Our simulation tool generates annotated single-cell sequencing data with user-tunable parameters controlling a wide range of features such as clonal expansion, germline gene usage, somatic hypermutation, and transcriptional phenotypes. Echidna can additionally simulate time-resolved B cell evolution, producing mutational networks with complex selection histories incorporating class-switching and B cell subtype information. Finally, we demonstrate the benchmarking potential of Echidna by simulating clonal lineages and comparing the known simulated networks with those inferred from only the BCR sequences as input. Together, Echidna provides a framework that can incorporate experimental data to simulate single-cell immune repertoires to aid software development and bioinformatic benchmarking of clonotyping, phylogenetics, transcriptomics and machine learning strategies. Abstract Figure

Abstract Adaptive immune repertoires are composed by the ensemble of B and T cell receptors (BCR, TCR) within an individual and reflect both past and current immune responses. Recent advances in single-cell sequencing enable recovery of the complete adaptive immune receptor sequences in addition to transcriptional information. Such high-dimensional datasets enable the molecular quantification of clonal selection of B and T cells across a wide variety of conditions such as infection and disease. Due to costs, time required for the analysis and current practices of academic publishing, small-scale sequencing studies are often not made publicly available, despite having informative potential to elucidate immunological principles and guide future-studies. Here, we performed single-cell sequencing of B and T cells to profile clonal selection across murine models of viral infection and autoimmune disease. Specifically, we recovered transcriptome and immune repertoire information for polyclonal T follicular helper cells following acute and chronic viral infection, CD8+ T cells with binding specificity restricted to two distinct peptides of lymphocytic choriomeningitis virus, and B and T cells isolated from the nervous system in the context of experimental autoimmune encephalomyelitis. We could relate repertoire features such as clonal expansion, germline gene usage, and clonal convergence to cell phenotypes spanning activation, memory, naive, antibody secretion, T cell inflation, and regulation. Together, this dataset provides a resource for experimental and computational immunologists that can be integrated with future single-cell immune repertoire and transcriptome sequencing datasets.

Abstract CD8+ T cells play a crucial role in the control and resolution of viral infections and can adopt a wide range of phenotypes and effector functions depending on the inflammatory context and the duration and extent of antigen exposure. Similarly, viral infections can exert diverse selective pressures on populations of clonally related T cells. Technical limitations have nevertheless made it challenging to investigate the relationship between clonal selection and transcriptional phenotypes of virus-specific T cells. We therefore performed single-cell T cell receptor (TCR) repertoire and transcriptome sequencing of virus-specific CD8 T cells in murine models of acute, chronic and latent infection. We observed clear infection-specific populations corresponding to memory, effector, exhausted, and inflationary phenotypes. We further uncovered a mouse-specific and polyclonal T cell response, despite all T cells sharing specificity to a single viral epitope, which was accompanied by stereotypic TCR germline gene usage in all three infection types. Persistent antigen exposure during chronic and latent viral infections resulted in a higher proportion of clonally expanded T cells relative to acute infection. We furthermore observed a relationship between transcriptional heterogeneity and clonal expansion for all three infections, with highly expanded clones having distinct transcriptional phenotypes relative to lowly expanded clones. Finally, we developed and utilized a bioinformatic pipeline integrating pseudotime and clonality, termed Clonotyme, to further support a model in which expanded virus-specific CD8+ T cells adopt heterogenic, yet preferentially, effector-like phenotypes. Together our work relates clonal selection to gene expression in the context of viral infection and further provides a dataset and accompanying software for the immunological community.

Abstract High-throughput single-cell sequencing (scSeq) technologies are revolutionizing the ability to molecularly profile B and T lymphocytes by offering the opportunity to simultaneously obtain information on adaptive immune receptor repertoires (VDJ repertoires) and transcriptomes. An integrated quantification of immune repertoire parameters such as germline gene usage, clonal expansion, somatic hypermutation and transcriptional states opens up new possibilities for the high-resolution analysis of lymphocytes and the inference of antigen-specificity. While multiple tools now exist to investigate gene expression profiles from scSeq of transcriptomes, there is a lack of software dedicated to single-cell immune repertoires. Here, we present Platypus, an open-source software platform providing a user-friendly interface to investigate B cell receptor (BCR) and T cell receptor (TCR) repertoires from single-cell sequencing experiments. Platypus provides a framework to automate and ease the analysis of single-cell immune repertoires while also incorporating transcriptional information involving unsupervised clustering, gene expression, and gene ontology. To showcase the capabilities of Platypus, we use it to analyze and visualize single-cell immune repertoires and transcriptomes from B and T cells from convalescent COVID-19 patients, revealing unique insight into the repertoire features and transcriptional profiles of clonally expanded lymphocytes. Platypus will expedite progress by increasing accessibility to the broader immunology community by facilitating the analysis of single-cell immune repertoire and transcriptome sequencing.

Abstract B cells contribute to the pathogenesis of both cellular- and humoral-mediated central nervous system (CNS) inflammatory diseases through a variety of mechanisms. In such conditions, B cells may enter the CNS parenchyma and contribute to local tissue destruction. It remains unexplored, however, how infection and autoimmunity drive transcriptional phenotypes, repertoire features, and antibody functionality. Here, we profiled B cells from the CNS of murine models of intracranial (i.c.) viral infections and autoimmunity. We identified a population of clonally expanded, antibody secreting cells (ASCs) that had undergone class-switch recombination and extensive somatic hypermutation following i.c. infection with attenuated lymphocytic choriomeningitis virus (rLCMV). Recombinant expression and characterisation of these antibodies revealed specificity to viral antigens (LCMV glycoprotein GP), correlating with ASC persistence in the brain weeks after resolved infection. Furthermore, these virus-specific ASCs upregulated proliferation and expansion programs in response to the conditional and transient induction of the LCMV GP as a neo-self antigen by astrocytes. This class-switched, clonally expanded, and mutated population persisted and was even more pronounced when peripheral B cells were depleted prior to autoantigen induction in the CNS. In contrast, the most expanded B cell clones in mice with persistent expression of LCMV GP in the CNS did not exhibit neo-self antigen specificity, potentially a consequence of local tolerance induction. Finally, a comparable population of clonally expanded, class-switched, proliferating ASCs was detected in the cerebrospinal fluid of multiple sclerosis patients. Taken together, our findings support the existence of B cells that populate the CNS and are capable of responding to locally encountered autoantigens. Graphical abstract

Abstract The maturation of systems immunology methodologies requires novel and transparent computational frameworks capable of integrating diverse data modalities in a reproducible manner. Here, we present the ePlatypus computational immunology ecosystem for immunogenomics data analysis, with a focus on adaptive immune repertoires and single-cell sequencing. ePlatypus is a web-based platform and provides programming tutorials and an integrative database that elucidates selection patterns of adaptive immunity. Furthermore, the ecosystem links novel and established bioinformatics pipelines relevant for single-cell immune repertoires and other aspects of computational immunology such as predicting ligand-receptor interactions, structural modeling, simulations, machine learning, graph theory, pseudotime, spatial transcriptomics and phylogenetics. The ePlatypus ecosystem helps extract deeper insight in computational immunology and immunogenomics and promote open science. Accessibility https://alexyermanos.github.io/Platypus/index.html