Abstract A new physically based runoff routing model, called the Model for Scale Adaptive River Transport (MOSART), has been developed to be applicable across local, regional, and global scales. Within each spatial unit, surface runoff is first routed across hillslopes and then discharged along with subsurface runoff into a “tributary subnetwork” before entering the main channel. The spatial units are thus linked via routing through the main channel network, which is constructed in a scale-consistent way across different spatial resolutions. All model parameters are physically based, and only a small subset requires calibration. MOSART has been applied to the Columbia River basin at ⅙°, ⅛°, ¼°, and ½° spatial resolutions and was evaluated using naturalized or observed streamflow at a number of gauge stations. MOSART is compared to two other routing models widely used with land surface models, the River Transport Model (RTM) in the Community Land Model (CLM) and the Lohmann routing model, included as a postprocessor in the Variable Infiltration Capacity (VIC) model package, yielding consistent performance at multiple resolutions. MOSART is further evaluated using the channel velocities derived from field measurements or a hydraulic model at various locations and is shown to be capable of producing the seasonal variation and magnitude of channel velocities reasonably well at different resolutions. Moreover, the impacts of spatial resolution on model simulations are systematically examined at local and regional scales. Finally, the limitations of MOSART and future directions for improvements are discussed.

Abstract Numerous mutations in the spike protein of SARS-CoV-2 B.1.1.529 Omicron variant pose a crisis for antibody-based immunotherapies. The efficacy of emergency use authorized (EUA) antibodies that developed in early SARS-CoV-2 pandemic seems to be in flounder. We tested the Omicron neutralization efficacy of an early B cell antibody repertoire as well as several EUA antibodies in pseudovirus and authentic virus systems. More than half of the antibodies in the repertoire that showed good activity against WA1/2020 previously had completely lost neutralizing activity against Omicron, while antibody 8G3 displayed non-regressive activity. EUA antibodies Etesevimab, Casirivimab, Imdevimab and Bamlanivimab were entirely desensitized by Omicron. Only Sotrovimab targeting the non-ACE2 overlap epitope showed a dramatic decrease activity. Antibody 8G3 efficiently neutralized Omicron in pseudovirus and authentic virus systems. The in vivo results showed that Omicron virus was less virulent than the WA1/2020 strain, but still caused deterioration of health and even death in mice. Treatment with 8G3 quickly cleared virus load of mice. Antibody 8G3 also showed excellent activity against other variants of concern (VOCs), especially more efficient against authentic Delta plus virus. Collectively, our results suggest that neutralizing antibodies with breadth remains broad neutralizing activity in tackling SARS-CoV-2 infection despite the universal evasion from EUA antibodies by Omicron variant.

Abstract Emerging SARS-CoV-2 variants are threatening the efficacy of antibody therapies. Combination treatments including ACE2-Fc have been developed to overcome the evasion of neutralizing antibodies (NAbs) in individual cases. Here we conducted a comprehensive evaluation of this strategy by combining ACE2-Fc with NAbs of diverse epitopes on the RBD. NAb+ACE2-Fc combinations efficiently neutralized HIV-based pseudovirus carrying the spike protein of the Delta or Omicron variants, achieving a balance between efficacy and breadth. In an antibody escape assay using replication-competent VSV-SARS-CoV-2-S, all the combinations had no escape after fifteen passages. By comparison, all the NAbs without combo with ACE2-Fc had escaped within six passages. Further, the VSV-S variants escaped from NAbs were neutralized by ACE2-Fc, revealing the mechanism of NAb+ACE2-Fc combinations survived after fifteen passages. We finally examined ACE2-Fc neutralization against pseudovirus variants that were resistant to the therapeutic antibodies currently in clinic. Our results suggest ACE2-Fc is a universal combination partner to combat SARS-CoV-2 variants including Delta and Omicron.

Abstract Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) variants of concern (VOCs) continue to wreak havoc across the globe. Higher transmissibility and immunologic resistance of VOCs bring unprecedented challenges to epidemic extinguishment. Here we describe a monoclonal antibody, 2G1, that neutralizes all current VOCs and has surprising tolerance to mutations adjacent to or within its interaction epitope. Cryo-electron microscopy structure showed that 2G1 bound to the tip of receptor binding domain (RBD) of spike protein with small contact interface but strong hydrophobic effect, which resulted in nanomolar to sub-nanomolar affinities to spike proteins. The epitope of 2G1 on RBD partially overlaps with ACE2 interface, which gives 2G1 ability to block interaction between RBD and ACE2. The narrow binding epitope but high affinity bestow outstanding therapeutic efficacy upon 2G1 that neutralized VOCs with sub-nanomolar IC 50 in vitro . In SARS-CoV-2 and Beta- and Delta-variant-challenged transgenic mice and rhesus macaque models, 2G1 protected animals from clinical illness and eliminated viral burden, without serious impact to animal safety. Mutagenesis experiments suggest that 2G1 could be potentially capable of dealing with emerging SARS-CoV-2 variants in future. This report characterized the therapeutic antibodies specific to the tip of spike against SARS-CoV-2 variants and highlights the potential clinical applications as well as for developing vaccine and cocktail therapy.

Abstract The continuous emergence of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) variants poses challenges to the effectiveness of neutralizing antibodies. Rational design of antibody cocktails is a realizable approach addressing viral immune evasion. However, evaluating the breadth of antibody cocktails is essential for understanding the development potential. Here, based on a replication competent vesicular stomatitis virus model that incorporates the spike of SARS-CoV-2 (VSV-SARS-CoV-2), we evaluated the breadth of a number of antibody cocktails consisting of monoclonal antibodies and bispecific antibodies by long-term passaging the virus in the presence of the cocktails. Results from over two-month passaging of the virus showed that 9E12+10D4+2G1 and 7B9-9D11+2G1 from these cocktails were highly resistant to random mutation, and there was no breakthrough after 30 rounds of passaging. As a control, antibody REGN10933 was broken through in the third passage. Next generation sequencing was performed and several critical mutations related to viral evasion were identified. These mutations caused a decrease in neutralization efficiency, but the reduced replication rate and ACE2 susceptibility of the mutant virus suggested that they might not have the potential to become epidemic strains. The 9E12+10D4+2G1 and 7B9-9D11+2G1 cocktails that picked from the VSV-SARS-CoV-2 system efficiently neutralized all current variants of concern and variants of interest including the most recent variants Delta and Omicron, as well as SARS-CoV-1. Our results highlight the feasibility of using the VSV-SARS-CoV-2 system to develop SARS-CoV-2 antibody cocktails and provide a reference for the clinical selection of therapeutic strategies to address the mutational escape of SARS-CoV-2.

Antibody therapy of anti-HER2 monoclonal antibody (mAb) has been an important strategy in treating HER2-positive cancers. However, the efficacy is restricted by many factors, including the level of HER2 expressed by tumor cells and antibody resistance. To overcome these and boost the efficacy, a novel nanoparticle (NP) was constructed in this study for combined antibody therapy of antibody and photothermal therapy (PTT). This novel NP was assembled from 1-pyrenecarboxylic acid (PCA) functionalized anti-HER2 mAb and indocyanine green (ICG), a photothermal transduction agents (PTA), by non-covalent interactions, which was named as Anti-HER2 mAb-pyrene-indocyanine green (H-P-I). Notably, the constructed H-P-I NP not only maintained the affinity and cytotoxicity of anti-HER2 mAb, but also exhibited high photothermal conversion efficiency mediated by ICG. Both in vitro and in vivo assessments confirmed that compared with monotherapy of antibody or ICG, H-P-I demonstrated preferable efficacy in treating HER2-positive cancers. Further biochemistry analysis and pathological analysis ensured the biosafety of H-P-I administration. Taked together, this study proposes a feasible method for constructing tumor-targeted nano PTA based on anti-HER2 mAb through supramolecular self-assembly strategy, achieving synergistic antibody photothermal anticancer treatment, which has the potential to be a promising candidate for combination therapy of HER2-positive cancers.

Existing temporal mangrove products are at a 30-m resolution from Landsat, facing challenges such as unclear delineation of mangrove community edges, difficulty in identifying creeks and open spaces within communities, and ineffective recognition of small patches. Therefore, there is an urgent need to produce higher resolution temporal mangrove products (e.g., 10-m) with Landsat, particularly considering the absence of available Sentinel imagery before 2015. To this end, we propose a novel super-resolution model that incorporating Residual Channel Attention Networks (RCAN) and Texture Transformer Network (TTSR) to generate 10-m Landsat-5, namely RCAN-TTSR. RCAN and TTSR play crucial roles from different perspectives in the super-resolution process, respectively. TTSR accurately transfers texture information from Sentinel-2 to Landsat by computing the texture correlation between them. On the other hand, RCAN assigns different weights to multiple low-frequency features and a small number of high-frequency features derived from the raw bands of Landsat imagery, thus achieving better super-resolution outcomes. The results demonstrate that images produced by this model significantly outperform existing super-resolution models in terms of PSNR and SSIM metrics. Furthermore, the random forest classifier was employed for mangrove mapping. Compared to 30-m products, our 10-m map shows higher mapping accuracy and finer spatial details.