Tumor ecosystems are composed of multiple cell types that communicate by ligand-receptor interactions. Targeting ligand-receptor interactions (for instance, with immune checkpoint inhibitors) can provide significant benefits for patients. However, our knowledge of which interactions occur in a tumor and how these interactions affect outcome is still limited. We present an approach to characterize communication by ligand-receptor interactions across all cell types in a microenvironment using single-cell RNA sequencing. We apply this approach to identify and compare the ligand-receptor interactions present in six syngeneic mouse tumor models. To identify interactions potentially associated with outcome, we regress interactions against phenotypic measurements of tumor growth rate. In addition, we quantify ligand-receptor interactions between T cell subsets and their relation to immune infiltration using a publicly available human melanoma dataset. Overall, this approach provides a tool for studying cell-cell interactions, their variability across tumors, and their relationship to outcome.

Differentiating infected from vaccinated animals (DIVA) strategies have been central enabling techniques in several successful viral disease elimination programs. However, owing to their long and uncertain development process, no DIVA-compatible vaccines are available for many important diseases. We report herein a new DIVA strategy based on hybrid protein-peptide microarrays which can theoretically work with any vaccine. Leading from our findings from Peste des petits ruminants (PPR), we found 4 epitope containing short peptides (ECSPs) which have distinct IgG serodynamics: anti-ECSP IgGs only exist for 10-60 days post vaccination (dpv), while anti-protein IgGs remained at high levels for >1000 dpv. These data enabled design of a DIVA diagnostic microarray containing 4 ECSPs and 3 proteins, which unlike cELISA and VNT, enables ongoing monitoring of serological differences between vaccinated individuals and individuals exposed to the pathogen. For 50 samples after 60 dpv, 20 animals were detected with positive anti-ECSP IgGs, indicating recent infections in vaccinated goat/sheep herds. These DIVA diagnostic microarrays will almost certainly facilitate eradication programs for (re-)emerging pathogens and zoonoses.

Abstract The 70-kDa heat shock protein (Hsp70) interacts with the polypeptide segments of abundant native proteins to fulfill various cellular activities in both stress and normal conditions. However, a non-native linear polypeptide NR (NRLLLTG) is widely used for the study of Hsp70 substrate binding properties, which is too simple to reflect the complex status of Hsp70 substrates in living organisms. To further broaden our knowledge in this area, we screened 2645 polypeptides derived from 78 biologically relevant proteins and identified eight native peptide substrates (named VP1∼VP8) for bacterial Hsp70 DnaK. Consistent with previous findings, the amino acid distribution in VP1∼VP8 were enriched in aliphatic and basic residues, and most of their residues were buried in folded proteins as well. Besides, the substrate binding properties for seven polypeptides were largely the same as observed in NR, suggesting their conserved binding mode to DnaK. However, VP5, which contains more percentage of positively charged residues, demonstrates divergent substrate binding properties during in - vitro biochemical studies. Moreover, VP5 efficiently inhibits the refolding activity of DnaK and bacterial viability, implying its potential to be a good lead peptide for antibacterial drug development.

Abstract Antibody-antigen (Ab-Ag) interactions are canonically described by a model which exclusively accommodates non-interaction (0) or reproducible-interaction (RI) states, yet this model is inadequate to explain often-encountered non-reproducible signals. Here, by monitoring diverse experimental systems and confirmed COVID-19 clinical sera using a peptide microarray, we observed that non-specific interactions (NSI) comprise a substantial proportion of non-reproducible antibody-based results. This enabled our discovery and capacity to reliably identify non-reproducible Ab-Ag interactions (NRI), as well as our development of a powerful explanatory model (“0-RI-NRI-Hook four-state model”) that is [mAb]-dependent, regardless of specificity, which ultimately shows that both NSI and NRI are not predictable yet certain-to-happen. In experiments using seven FDA-approved mAb drugs, we demonstrated the use of NSI counts in predicting epitope type. Beyond challenging the centrality of Ab-Ag interaction specificity data in serology and immunology, our discoveries also facilitated the rapid development of a serological test with uniquely informative COVID-19 diagnosis performance.