Abstract There is enormous variability in human immune responses to viral infections. However, the genetic factors that underlie this variability are not well characterized. We used VirScan, a high-throughput viral epitope scanning technology, to analyze the antibody binding specificities of twins and SNP-genotyped individuals. These data were used to estimate the heritability and identify genomic loci associated with antibody epitope selection, response breadth, and the control of Epstein-Barr Virus (EBV) viral load. We identified 4 epitopes of EBV that were heritably targeted, and at least two EBNA-2 binding specificities that were associated with variants in the MHC class-II locus. We identified an EBV serosignature that predicted viral load in white blood cells and was associated with genetic variants in the MHC class-I locus. Our study provides a new framework for identifying genes important for pathogen immunity, with specific implications for the genetic architecture of EBV humoral responses and the control of viral load. Abstract Figure

Unbiased antibody profiling can identify the targets of an immune reaction. A number of likely pathogenic autoreactive antibodies have been associated with life-threatening SARS-CoV-2 infection; yet, many additional autoantibodies likely remain unknown. Here we present Molecular Indexing of Proteins by Self Assembly (MIPSA), a technique that produces ORFeome-scale libraries of proteins covalently coupled to uniquely identifying DNA barcodes for analysis by sequencing. We used MIPSA to profile circulating autoantibodies from 55 patients with severe COVID-19 against 11,076 DNA-barcoded proteins of the human ORFeome library. MIPSA identified previously known autoreactivities, and also detected undescribed neutralizing interferon lambda 3 (IFN-λ3) autoantibodies. At-risk individuals with anti- IFN-λ3 antibodies may benefit from interferon supplementation therapies, such as those currently undergoing clinical evaluation.

Abstract Arthropod-borne viruses represent a crucial public health threat. Current arboviral serology assays are either labor intensive or incapable of distinguishing closely related viruses, and many zoonotic arboviruses that may transition to humans lack any serologic assays. In this study, we present a programmable phage display platform, ArboScan, that evaluates antibody binding to overlapping peptides that represent the proteomes of 691 human and zoonotic arboviruses. We confirm that ArboScan provides detailed antibody binding information from animal sera, human sera, and an arthropod blood meal. ArboScan identifies distinguishing features of antibody responses based on exposure history in a Colombian cohort of Zika patients. Finally, ArboScan details epitope level information that rapidly identifies candidate epitopes with potential protective significance. ArboScan thus represents a resource for characterizing human and animal arbovirus antibody responses at cohort scale.

We investigated a relatively underexplored component of the gut-immune axis by profiling the antibody response to gut phages using Phage Immunoprecipitation Sequencing (PhIP-Seq). To enhance this approach, we developed Dolphyn, a novel method that uses machine learning to select peptides from protein sets and compresses the proteome through epitope-stitching. Dolphyn improves the fraction of gut phage library peptides bound by antibodies from 10% to 31% in healthy individuals, while also reducing the number of synthesized peptides by 78%. In our study on gut phages, we discovered that the immune system develops antibodies to bacteria-infecting viruses in the human gut, particularly E.coli-infecting Myoviridae. Cost-effective PhIP-Seq libraries designed with Dolphyn enable the assessment of a wider range of proteins in a single experiment, thus facilitating the study of the gut-immune axis.

Abstract Animal venoms, distinguished by their unique structural features and potent bioactivities, represent a vast and relatively untapped reservoir of therapeutic molecules. However, limitations associated with extracting or expressing large numbers of individual venoms and venom-like molecules have precluded their therapeutic evaluation via high throughput screening. Here, we developed an innovative computational approach to design a highly diverse library of animal venoms and “metavenoms”. We employed programmable M13 hyperphage display to preserve critical disulfide-bonded structures for highly parallelized single-round biopanning with quantitation via high-throughput DNA sequencing. Our approach led to the discovery of Kunitz type domain containing proteins that target the human itch receptor Mas-related G protein-coupled receptor X4 (MRGPRX4), which plays a crucial role in itch perception. Deep learning-based structural homology mining identified two endogenous human homologs, tissue factor pathway inhibitor (TFPI) and serine peptidase inhibitor, Kunitz type 2 (SPINT2), which exhibit agonist-dependent potentiation of MRGPRX4. Highly multiplexed screening of animal venoms and metavenoms is therefore a promising approach to uncover new drug candidates.