Effectors of the innate immune system, the anti-bacterial peptides, have pivotal roles in preventing infection at epithelial surfaces. Here we show that proteinases of the significant human pathogens Pseudomonas aeruginosa, Enterococcus faecalis, Proteus mirabilis and Streptococcus pyogenes, degrade the antibacterial peptide LL-37. Analysis by mass spectrometry of fragments generated by P. aeruginosa elastase in vitro revealed that the initial cleavages occurred at Asn-Leu and Asp-Phe, followed by two breaks at Arg-Ile, thus inactivating the peptide. Proteinases of the other pathogens also degraded LL-37 as determined by SDS-PAGE. Ex vivo, P. aeruginosa elastase induced LL-37 degradation in human wound fluid, leading to enhanced bacterial survival. The degradation was blocked by the metalloproteinase inhibitors GM6001 and 1, 10-phenantroline (both of which inhibited P. aeruginosa elastase, P. mirabilis proteinase, and E. faecalis gelatinase), or the inhibitor E64 (which inhibited S. pyogenes cysteine proteinase). Additional experiments demonstrated that dermatan sulphate and disaccharides of the structure [DeltaUA(2S)-GalNAc(4,6S)], or sucroseoctasulphate, inhibited the degradation of LL-37. The results indicate that proteolytic degradation of LL-37 is a common virulence mechanism and that molecules which block this degradation could have therapeutic potential.

ABSTRACT There is a well-known and established link between high lipopolysaccharide (LPS) levels in blood and the metabolic syndrome (MS). MS is a risk factor for developing severe COVID-19 and acute respiratory distress syndrome (ARDS). Here we define an interaction between SARS-CoV-2 Spike (S) protein and LPS and its link to aggravated inflammation in vitro and in vivo. Electrophoresis under native conditions demonstrated that SARS-CoV-2 S protein binds to Escherichia coli LPS, forming high molecular weight aggregates. Microscale thermophoresis analysis further defined the interaction, having a K D of ~47 nM, similar to the observed affinity between LPS and the human receptor CD14. Moreover, S protein, when combined with low levels of LPS, boosted nuclear factor-kappa B (NF-κB) and cytokine responses in monocytic THP-1 cells and human blood, respectively. In an experimental model of localized inflammation, employing NF-κB reporter mice and in vivo bioimaging, S protein in conjunction with LPS significantly increased the inflammatory response when compared with S protein and LPS alone. Apart from providing information on LPS as a ligand for S protein, our results are of relevance for studies on comorbidities involving bacterial endotoxins, such as the MS, or co-existing acute and chronic infections in COVID-19 patients.

Abstract Accumulating evidence indicates a potential role for bacterial lipopolysaccharide (LPS) in the overactivation of the immune response during SARS-CoV-2 infection. LPS is recognised by Toll-like receptor 4 (TLR4) in innate immunity. Here, we showed that LPS binds to multiple hydrophobic pockets spanning both the S1 and S2 subunits of the SARS-CoV-2 spike (S) protein. LPS binds to the S2 pocket with a lower affinity compared to S1, suggesting its possible role as an intermediate in the TLR4 cascade. Congruently, nuclear factor-kappa B (NF-κB) activation in vitro is strongly boosted by S2. In vivo , however, a boosting effect is observed for both S1 and S2, with the former potentially facilitated by proteolysis. Collectively, our study suggests the S protein may act as a delivery system for LPS in host innate immune pathways. The LPS binding pockets are highly conserved across different SARS-CoV-2 variants and therefore represent potential therapeutic targets.

Abstract Finding new sustainable means of diagnosing and treating diseases is one of the most pressing issues of our time. In recent years, several endogenous peptides have been found to be both excellent biomarkers for many diseases and to possess important physiological roles which may be utilized in treatments. The detection of peptides has been facilitated by the rapid development of biological mass spectrometry and now the combination of fast and sensitive high resolution MS instruments and stable nano HP-LC equipment sequences thousands of peptides in one single experiment. In most research conducted with these advanced systems, proteolytically cleaved proteins are analyzed and the specific peptides are identified by software dedicated for protein quantification using different proteomics workflows. Analysis of endogenous peptides with peptidomics workflows also benefit from the novel sensitive and advanced instrumentation, however, the generated peptidomic data is vast and subsequently laborious to visualize and examine, creating a bottleneck in the analysis. Therefore, we have created Peptimetric, an application designed to allow researchers to investigate and discover differences between peptidomic samples. Peptimetric allows the user to dynamically and interactively investigate the proteins, peptides, and some general characteristics of multiple samples, and is available as a web application at https://peptimetric.herokuapp.com . To illustrate the utility of Peptimetric, we’ve applied it to a peptidomic dataset of 15 urine samples from diabetic patients and corresponding data from healthy subjects.

ABSTRACT Skin barrier damage and subsequent development of harmful microbiota contribute to conditions such as wound infections, atopic dermatitis and chronic wounds, which impact millions of people globally and pose a significant economic burden on healthcare systems. Established microbial sampling methods, such as swabs and tissue biopsies, provide limited information on the spatial distribution of bacteria. We here describe a new method that produces a visual map of the distribution of cultivable bacteria, denoted ‘Bactogram’, across the whole wound and surrounding skin, suitable for image‐based quantification. As part of an exploratory endpoint in a clinical trial we applied the Bactogram method to 48 suction blister wounds in 24 healthy volunteers. Bacteria developed in all wounds, predominantly on the skin under the dressing and near wound edges. Two quantification methods, based on visual scoring and image analysis, demonstrated high inter‐, and intra‐rater agreement and were used to characterise bacterial re‐colonisation during epidermal wound healing. We also demonstrated proof of concept that the method can be used with chromogenic agar to enable spatial identification of pathogenic bacterial species, such as Staphylococcus aureus . In conclusion, this study introduces a simple method for sampling bacteria over large areas and generating a bacterial map that can identify spatial variations in bacterial composition and abundance in skin and wound conditions. Trial Registration: ClinicalTrials.gov identifier: NCT05378997

Abstract Recent advances in mass spectrometry-based peptidomics has catalyzed the identification and quantification of thousands endogenous peptides across diverse biological systems. However, the large theoretical peptidomic landscape and high proportion of missing values poses several challenges for downstream analyses and limits the comparability of clinical samples. Here, we present a generalizable computational workflow that clusters peptides with overlapping sequences to reduce the dimensionality of peptidomic data, improve the definition of protease cut-sites, enhance inter-sample comparability, and enable the implementation of reliable and large-scale data analysis methods akin to those employed in other omics fields. We showcase the algorithm by performing large-scale quantitative analysis of wound fluid peptidomes of highly defined porcine wounds and human clinical non-healing wounds. The analysis revealed signature phenotype-specific peptide regions reflecting pathogen-specific proteolytic activity at the earliest stages of colonization, resulting in novel class of potential peptide cluster-based biomarkers.