In 1953 Medawar pointed out that survival of the genetically disparate (allogeneic) mammalian conceptus contradicts the laws of tissue transplantation. Rapid T cell–induced rejection of all allogeneic concepti occurred when pregnant mice were treated with a pharmacologic inhibitor of indoleamine 2,3-dioxygenase (IDO), a tryptophan-catabolizing enzyme expressed by trophoblasts and macrophages. Thus, by catabolizing tryptophan, the mammalian conceptus suppresses T cell activity and defends itself against rejection.

In December 2019, the coronavirus disease 2019 (COVID-19) outbreak occurred in Wuhan. Data on the clinical characteristics and outcomes of patients with severe COVID-19 are limited.We sought to evaluate the severity on admission, complications, treatment, and outcomes of patients with COVID-19.Patients with COVID-19 admitted to Tongji Hospital from January 26, 2020, to February 5, 2020, were retrospectively enrolled and followed-up until March 3, 2020. Potential risk factors for severe COVID-19 were analyzed by a multivariable binary logistic model. Cox proportional hazard regression model was used for survival analysis in severe patients.We identified 269 (49.1%) of 548 patients as severe cases on admission. Older age, underlying hypertension, high cytokine levels (IL-2R, IL-6, IL-10, and TNF-α), and high lactate dehydrogenase level were significantly associated with severe COVID-19 on admission. The prevalence of asthma in patients with COVID-19 was 0.9%, markedly lower than that in the adult population of Wuhan. The estimated mortality was 1.1% in nonsevere patients and 32.5% in severe cases during the average 32 days of follow-up period. Survival analysis revealed that male sex, older age, leukocytosis, high lactate dehydrogenase level, cardiac injury, hyperglycemia, and high-dose corticosteroid use were associated with death in patients with severe COVID-19.Patients with older age, hypertension, and high lactate dehydrogenase level need careful observation and early intervention to prevent the potential development of severe COVID-19. Severe male patients with heart injury, hyperglycemia, and high-dose corticosteroid use may have a high risk of death.

Currently, there are no approved specific antiviral agents for novel coronavirus disease 2019 (COVID-19). In this study, 10 severe patients confirmed by real-time viral RNA test were enrolled prospectively. One dose of 200 mL of convalescent plasma (CP) derived from recently recovered donors with the neutralizing antibody titers above 1:640 was transfused to the patients as an addition to maximal supportive care and antiviral agents. The primary endpoint was the safety of CP transfusion. The second endpoints were the improvement of clinical symptoms and laboratory parameters within 3 d after CP transfusion. The median time from onset of illness to CP transfusion was 16.5 d. After CP transfusion, the level of neutralizing antibody increased rapidly up to 1:640 in five cases, while that of the other four cases maintained at a high level (1:640). The clinical symptoms were significantly improved along with increase of oxyhemoglobin saturation within 3 d. Several parameters tended to improve as compared to pretransfusion, including increased lymphocyte counts (0.65 × 10 9 /L vs. 0.76 × 10 9 /L) and decreased C-reactive protein (55.98 mg/L vs. 18.13 mg/L). Radiological examinations showed varying degrees of absorption of lung lesions within 7 d. The viral load was undetectable after transfusion in seven patients who had previous viremia. No severe adverse effects were observed. This study showed CP therapy was well tolerated and could potentially improve the clinical outcomes through neutralizing viremia in severe COVID-19 cases. The optimal dose and time point, as well as the clinical benefit of CP therapy, needs further investigation in larger well-controlled trials.

Rationale: The coronavirus disease (COVID-19) pandemic is now a global health concern.Objectives: We compared the clinical characteristics, laboratory examinations, computed tomography images, and treatments of patients with COVID-19 from three different cities in China.Methods: A total of 476 patients were recruited from January 1, 2020, to February 15, 2020, at three hospitals in Wuhan, Shanghai, and Anhui. The patients were divided into four groups according to age and into three groups (moderate, severe, and critical) according to the fifth edition of the Guidelines on the Diagnosis and Treatment of COVID-19 issued by the National Health Commission of China.Measurements and Main Results: The incidence of comorbidities was higher in the severe (46.3%) and critical (67.1%) groups than in the moderate group (37.8%). More patients were taking angiotensin-converting enzyme inhibitors/angiotensin II receptor blockers in the moderate group than in the severe and critical groups. More patients had multiple lung lobe involvement and pleural effusion in the critical group than in the moderate group. More patients received antiviral agents within the first 4 days in the moderate group than in the severe group, and more patients received antibiotics and corticosteroids in the critical and severe groups. Patients >75 years old had a significantly lower survival rate than younger patients.Conclusions: Multiple organ dysfunction and impaired immune function were the typical characteristics of patients with severe or critical illness. There was a significant difference in the use of angiotensin-converting enzyme inhibitors/angiotensin II receptor blockers among patients with different severities of disease. Involvement of multiple lung lobes and pleural effusion were associated with the severity of COVID-19. Advanced age (≥75 yr) was a risk factor for mortality.

The aim of this study was to further clarify clinical characteristics and predict mortality risk among patients with viral pneumonia.A total of 528 patients with viral pneumonia at RuiJin hospital in Shanghai from May 2015 to May 2019 were recruited. Multiplex real-time RT-PCR was used to detect respiratory viruses. Demographic information, comorbidities, routine laboratory examinations, immunological indexes, etiological detections, radiological images and treatment were collected on admission.76 (14.4%) patients died within 90 days in hospital. A predictive MuLBSTA score was calculated on the basis of a multivariate logistic regression model in order to predict mortality with a weighted score that included multilobular infiltrates (OR = 5.20, 95% CI 1.41-12.52, p = 0.010; 5 points), lymphocyte ≤ 0.8∗109/L (OR = 4.53, 95% CI 2.55-8.05, p < 0.001; 4 points), bacterial coinfection (OR = 3.71, 95% CI 2.11-6.51, p < 0.001; 4 points), acute-smoker (OR = 3.19, 95% CI 1.34-6.26, p = 0.001; 3 points), quit-smoker (OR = 2.18, 95% CI 0.99-4.82, p = 0.054; 2 points), hypertension (OR = 2.39, 95% CI 1.55-4.26, p = 0.003; 2 points) and age ≥60 years (OR = 2.14, 95% CI 1.04-4.39, p = 0.038; 2 points). 12 points was used as a cut-off value for mortality risk stratification. This model showed sensitivity of 0.776, specificity of 0.778 and a better predictive ability than CURB-65 (AUROC = 0.773 vs. 0.717, p < 0.001).Here, we designed an easy-to-use clinically predictive tool for assessing 90-day mortality risk of viral pneumonia. It can accurately stratify hospitalized patients with viral pneumonia into relevant risk categories and could provide guidance to make further clinical decisions.

Modification-dependent and -independent biomolecular interactions (BIs), including protein-protein, protein-DNA/RNA and protein-lipid, play crucial roles in all cellular processes. Dysregulation of BIs or malfunction of the associated enzymes results in various diseases, thus they are attractive targets for therapies. High-throughput screening (HTS) can greatly facilitate the discovery of drugs for these targets. Here we describe a HTS drug discovery method, called compartmentalization of enhanced biomolecular interactions in test tubes (CEBIT). CEBIT uses selective recruitment of biomolecules into phase separated compartments harboring their cognate binding partners as readouts. CEBIT were tailored to detect various BIs and associated modifying enzymes. Using CEBIT-based HTS assays, we successfully identified known inhibitors of the p53/MDM2 interaction and of SUV39H1 from a compound library. CEBIT is simple and versatile, and is likely to become a powerful tool for drug discovery and basic biomedical research.

Introduction & Objective: The association between COVID-19 infection and incident diabetes remains unclear despite recent research. Using a multistate electronic health record-based surveillance approach, we examined the risk of new diabetes among children (&lt;18) and young adults (18-44) post COVID-19 infection. Methods: Pooled fixed-effects meta-analyses were performed. Patients (n=5,412,604) with no evidence of diabetes who received care in 2018-2019 were followed through diabetes diagnosis, death, or end of follow-up (12/31/22). COVID-19 infection was defined using labs or diagnoses from 6/1/20-12/31/21. Person-time was calculated from infection date for cases or a randomly selected visit date for controls. Propensity score-weighted Cox regression models were run at each site individually to estimate hazard ratios (HR) for diabetes risk for children and young adults. Results: COVID-exposed individuals were at higher risk of incident diabetes compared to those with no documented infection (Children HR = 1.85 [1.69, 2.03]; Young Adult HR = 1.37 [1.31, 1.42]). All participating sites reported elevated risk but results were more heterogeneous across young adults (range 1.3-3.7, heterogeneity I2=94% vs. range 1.6-2.0, I2=0%, Figure 1). Conclusion: These preliminary findings suggest COVID-19 infection is associated with increased risk of incident diabetes among children and young adults. Disclosure S. Conderino: None. H. Kirchner: None. L. Thorpe: None. J. Divers: None. A.G. Hirsch: None. C.M. Nordberg: None. B.S. Schwartz: None. B. Cai: None. C. Rudisill: None. J.S. Obeid: None. A.D. Liese: None. B.E. Dixon: Other Relationship; Elsevier. D. Dabelea: None. A. Bellatorre: None. H. Shao: Consultant; Eli Lilly and Company. J. Bian: None. Y. Guo: None. K. Reynolds: Research Support; Merck Sharp & Dohme Corp. M.T. Mefford: Research Support; Merck & Co., Inc. M.K. Kamboj: None. E.A. Mendonca: None. K. Allen: None. S. Burgett: None. E. Lustigova: None. S. Bost: None. M. Maltenfort: None. L.H. Utidjian: None. M.M. Zhou: None. T.L. Crume: None. A. Titus: None.