Targeted bacteriophage (phage) particles are potentially attractive yet inexpensive platforms for immunization. Herein, we describe targeted phage capsid display of an immunogenically relevant epitope of the SARS-CoV-2 Spike protein that is empirically conserved, likely due to the high mutational cost among all variants identified to date. This observation may herald an approach to developing vaccine candidates for broad-spectrum, towards universal, protection against multiple emergent variants of coronavirus that cause COVID-19.

Abstract Development of effective vaccines against Coronavirus Disease 2019 (COVID-19) is a global imperative. Rapid immunization of the world human population against a widespread, continually evolving, and highly pathogenic virus is an unprecedented challenge, and many different vaccine approaches are being pursued to meet this task. Engineered filamentous bacteriophage (phage) have unique potential in vaccine development due to their inherent immunogenicity, genetic plasticity, stability, cost-effectiveness for large-scale production, and proven safety profile in humans. Herein we report the design, development, and initial evaluation of targeted phage-based vaccination approaches against Severe Acute Respiratory Syndrome Coronavirus-2 (SARS-CoV-2) by using dual ligand peptide-targeted phage and adeno-associated virus/phage (AAVP) particles. Towards a unique phage- and AAVP-based dual-display candidate approach, we first performed structure-guided antigen design to select six solvent-exposed epitopes of the SARS-CoV-2 spike (S) protein for display on the recombinant major capsid coat protein pVIII. Targeted phage particles carrying one of these epitopes induced a strong and specific humoral response. In an initial experimental approach, when these targeted phage particles were further genetically engineered to simultaneously display a ligand peptide (CAKSMGDIVC) on the minor capsid protein pIII, which enables receptor-mediated transport of phage particles from the lung epithelium into the systemic circulation (termed “dual-display”), they enhanced a systemic and specific spike (S) protein-specific antibody response upon aerosolization into the lungs of mice. In a second line of investigation, we engineered targeted AAVP particles to deliver the entire S protein gene under the control of a constitutive cytomegalovirus (CMV) promoter, which induced tissue-specific transgene expression stimulating a systemic S protein-specific antibody response. As proof-of-concept preclinical experiments, we show that targeted phage- and AAVP-based particles serve as robust yet versatile enabling platforms for ligand-directed immunization and promptly yield COVID-19 vaccine prototypes for further translational development. Significance The ongoing COVID-19 global pandemic has accounted for over 2.5 million deaths and an unprecedented impact on the health of mankind worldwide. Over the past several months, while a few COVID-19 vaccines have received Emergency Use Authorization and are currently being administered to the entire human population, the demand for prompt global immunization has created enormous logistical challenges--including but not limited to supply, access, and distribution--that justify and reinforce the research for additional strategic alternatives. Phage are viruses that only infect bacteria and have been safely administered to humans as antibiotics for decades. As experimental proof-of-concept, we demonstrated that aerosol pulmonary vaccination with lung-targeted phage particles that display short epitopes of the S protein on the capsid as well as preclinical vaccination with targeted AAVP particles carrying the S protein gene elicit a systemic and specific immune response against SARS-CoV-2 in immunocompetent mice. Given that targeted phage- and AAVP-based viral particles are sturdy yet simple to genetically engineer, cost-effective for rapid large-scale production in clinical grade, and relatively stable at room temperature, such unique attributes might perhaps become additional tools towards COVID-19 vaccine design and development for immediate and future unmet needs.

Abstract Applying simulations with structure-based (Gō-like) models has proven to be an effective strategy for investigating the factors that control biomolecular dynamics. The common element of these models is that some (or all) of the intra/inter-molecular inter-actions are explicitly defined to stabilize an experimentally-determined structure. To facilitate the development and application of this broad class of models, we previously released the SMOG 2 software package. This suite allows one to easily customize and distribute structure-based (i.e. SMOG) models for any type of polymer-ligand system. Since its original release, user feedback has driven the implementation of numerous enhancements. Here, we describe recent extensions to the software and demonstrate the capabilities of the most recent version, SMOG v2.4. Changes include new tools that aid user-defined customization of force fields, as well as an interface with the OpenMM simulation libraries (OpenSMOG v1.0). To illustrate the utility of these advances, we present several applications of SMOG2 and OpenSMOG, which include systems with millions of atoms, long polymers and explicit ions. We also highlight how one can incorporate non-structure-based (e.g. AMBER-based) energetics to define a hybrid class of models. The representative applications include large-scale rearrangements of the SARS-CoV-2 Spike protein, the HIV-1 capsid in the presence of explicit ions, and crystallographic lattices of ribosomes and proteins. In summary, SMOG 2 and OpenSMOG provide robust support for researchers who seek to apply structure-based models to large and/or intricate biomolecular systems.

Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) is highly contagious, and transmission involves a series of processes that may be targeted by vaccines and therapeutics. During transmission, host cell invasion is controlled by a large-scale conformational change of the Spike protein. This conformational rearrangement leads to membrane fusion, which creates transmembrane pores through which the viral genome is passed to the host. During Spike-protein-mediated fusion, the fusion peptides must be released from the core of the protein and associate with the host membrane. Interestingly, the Spike protein possesses many post-translational modifications, in the form of branched glycans that flank the surface of the assembly. Despite the large number of glycosylation sites, until now, the specific role of glycans during cell invasion has been unclear. Here, we propose that glycosylation is needed to provide sufficient time for the fusion peptides to reach the host membrane, otherwise the viral particle would fail to enter the host. To understand this process, an all-atom model with simplified energetics was used to perform thousands of simulations in which the protein transitions between the prefusion and postfusion conformations. These simulations indicate that the steric composition of the glycans induces a pause during the Spike protein conformational change. We additionally show that this glycan-induced delay provides a critical opportunity for the fusion peptides to capture the host cell. This previously-unrecognized role of glycans reveals how the glycosylation state can regulate infectivity of this pervasive pathogen.

We introduce the Nucleome Data Bank, a web-based platform to simulate and analyze the three-dimensional organization of genomes. The Nucleome Data Bank enables a physics-based simulation of chromosomal structural dynamics through the MEGABASE + MiChroM computational pipeline. The input of the pipeline consists of epigenetic information sourced from the Encode database; the output consists of the trajectories of chromosomal motions that accurately predict Hi-C and FISH data, as well as multiple observations of chromosomal dynamics in vivo . As an intermediate step, users can also generate chromosomal sub-compartment annotations directly from the same epigenetic input, without the use of any DNA-DNA proximity ligation data. Additionally, the Nucleome Data Bank freely hosts both experimental and computational structural genomics data. Besides being able to perform their own genome simulations and download the hosted data, users can also analyze and visualize the same data through custom-designed web-based tools. In particular, the one-dimensional genetic and epigenetic data can be overlaid onto accurate three-dimensional structures of chromosomes, to study the spatial distribution of genetic and epigenetic features. The Nucleome Data Bank aims to be a shared resource to biologists, biophysicists, and all genome scientists. The Nucleome Data Bank (NDB) is available at https://ndb.rice.edu.

Mosquito-borne diseases have become a significant health issue in many regions around the world. For tropical countries, diseases such as Dengue, Zika, and Chikungunya, became epidemic in the last decades. Health surveillance reports during this period were crucial in providing scientific-based information to guide decision making and resources allocation to control outbreaks. In this work, we perform data analysis of last Chikungunya epidemics in the city of Rio de Janeiro by applying a compartmental mathematical model. We estimate the “basic reproduction number” for those outbreaks and predict the potential epidemic outbreak of Mayaro virus. We also simulated several scenarios with different public interventions to decrease the number of infected people. Such scenarios should provide insights about possible strategies to control future outbreaks.

Chromatin within the nucleus adopts complex three-dimensional structures that are crucial for gene regulation and cellular function. Recent studies have revealed the presence of distinct chromatin subcompartments beyond the traditional A/B compartments (eu- and hetero-chromatin), each exhibiting unique structural and functional properties. Here, we introduce TECSAS (Transformer of Epigenetics to Chromatin Structural AnnotationS), a deep learning model based on the Transformer architecture, designed to predict chromatin subcompartment annotations directly from epigenomic data. TECSAS leverages information from histone modifications, transcription factor binding profiles, and RNA-Seq data to decode the relationship between the biochemical composition of chromatin and its 3D structural behavior. TECSAS achieves high accuracy in predicting subcompartment annotations and reveals the influence of long-range epigenomic context on chromatin organization. Furthermore, we demonstrate the model's capability to predict the association of loci with nuclear bodies, such as the lamina, nucleoli, and speckles, providing insights into the role of these structures in shaping the 3D genome organization. This study highlights the potential of deep learning models for deciphering the complex interplay between epigenomic features and 3D genome organization, allowing us to better understand genome structure and function.

Abstract We explore the energetic frustration patterns associated with the binding between the SARS-CoV-2 spike protein and the ACE2 receptor protein in a broad selection of animals. Using energy landscape theory and the concept of energy frustration—theoretical tools originally developed to study protein folding—we are able to identify interactions among residues of the spike protein and ACE2 that result in COVID-19 resistance. This allows us to identify whether or not a particular animal is susceptible to COVID-19 from the protein sequence of ACE2 alone. Our analysis predicts a number of experimental observations regarding COVID-19 susceptibility, demonstrating that this feature can be explained, at least partially, on the basis of theoretical means.