Human BDCA3+ dendritic cells (DCs) were suggested to be homologous to mouse CD8α+ DCs. We demonstrate that human BDCA3+ DCs are more efficient than their BDCA1+ counterparts or plasmacytoid DCs (pDCs) in cross-presenting antigen and activating CD8+ T cells, which is similar to mouse CD8α+ DCs as compared with CD11b+ DCs or pDCs, although with more moderate differences between human DC subsets. Yet, no specific marker was known to be shared between homologous DC subsets across species. We found that XC chemokine receptor 1 (XCR1) is specifically expressed and active in mouse CD8α+, human BDCA3+, and sheep CD26+ DCs and is conserved across species. The mRNA encoding the XCR1 ligand chemokine (C motif) ligand 1 (XCL1) is selectively expressed in natural killer (NK) and CD8+ T lymphocytes at steady-state and is enhanced upon activation. Moreover, the Xcl1 mRNA is selectively expressed at high levels in central memory compared with naive CD8+ T lymphocytes. Finally, XCR1−/− mice have decreased early CD8+ T cell responses to Listeria monocytogenes infection, which is associated with higher bacterial loads early in infection. Therefore, XCR1 constitutes the first conserved specific marker for cell subsets homologous to mouse CD8α+ DCs in higher vertebrates and promotes their ability to activate early CD8+ T cell defenses against an intracellular pathogenic bacteria.

Blocking TGF-β signaling in natural killer cells enhances their metabolism and ability to kill tumor cells.

Trail+DX5−Eomes− natural killer (NK) cells arise in the mouse fetal liver and persist in the adult liver. Their relationships with Trail−DX5+ NK cells remain controversial. We generated a novel Eomes-GFP reporter murine model to address this question. We found that Eomes− NK cells are not precursors of classical Eomes+ NK cells but rather constitute a distinct lineage of innate lymphoid cells. Eomes− NK cells are strictly dependent on both T-bet and IL-15, similarly to NKT cells. We observed that, in the liver, expression of T-bet in progenitors represses Eomes expression and the development of Eomes+ NK cells. Reciprocally, the bone marrow (BM) microenvironment restricts T-bet expression in developing NK cells. Ectopic expression of T-bet forces the development of Eomes− NK cells, demonstrating that repression of T-bet is essential for the development of Eomes+ NK cells. Gene profile analyses show that Eomes− NK cells share part of their transcriptional program with NKT cells, including genes involved in liver homing and NK cell receptors. Moreover, Eomes− NK cells produce a broad range of cytokines, including IL-2 and TNF in vitro and in vivo, during immune responses against vaccinia virus. Thus, mutually exclusive expression of T-bet and Eomes drives the development of different NK cell lineages with complementary functions.

The mouse inbred line C57BL/6J is widely used in mouse genetics and its genome has been incorporated into many genetic reference populations. More recently large initiatives such as the International Knockout Mouse Consortium (IKMC) are using the C57BL/6N mouse strain to generate null alleles for all mouse genes. Hence both strains are now widely used in mouse genetics studies. Here we perform a comprehensive genomic and phenotypic analysis of the two strains to identify differences that may influence their underlying genetic mechanisms.We undertake genome sequence comparisons of C57BL/6J and C57BL/6N to identify SNPs, indels and structural variants, with a focus on identifying all coding variants. We annotate 34 SNPs and 2 indels that distinguish C57BL/6J and C57BL/6N coding sequences, as well as 15 structural variants that overlap a gene. In parallel we assess the comparative phenotypes of the two inbred lines utilizing the EMPReSSslim phenotyping pipeline, a broad based assessment encompassing diverse biological systems. We perform additional secondary phenotyping assessments to explore other phenotype domains and to elaborate phenotype differences identified in the primary assessment. We uncover significant phenotypic differences between the two lines, replicated across multiple centers, in a number of physiological, biochemical and behavioral systems.Comparison of C57BL/6J and C57BL/6N demonstrates a range of phenotypic differences that have the potential to impact upon penetrance and expressivity of mutational effects in these strains. Moreover, the sequence variants we identify provide a set of candidate genes for the phenotypic differences observed between the two strains.

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 pool of memory-phenotype CD8 T cells is composed of antigen-induced (AI) and cytokine-induced innate (IN) cells. IN have been described as having similar properties to AI memory cells. However, we found that pathogen-induced AI memory cells can be distinguished from naturally-generated IN memory cells by surface expression of NKG2D. Using this marker, we described the increased functionalities of AI and IN memory CD8 T cells compared to naive cells, as shown by comprehensive analysis of cytokine secretion and gene expression. However, AI differed from IN memory CD8 T cells by their capacity to migrate to the lung parenchyma upon inflammation or infection, a process dependent on their expression of ITGA1/CD49a and ITGA4/CD49d integrins.

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.

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.

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.