COVID-19 manifests with a wide spectrum of clinical phenotypes that are characterized by exaggerated and misdirected host immune responses1–6. Although pathological innate immune activation is well-documented in severe disease1, the effect of autoantibodies on disease progression is less well-defined. Here we use a high-throughput autoantibody discovery technique known as rapid extracellular antigen profiling7 to screen a cohort of 194 individuals infected with SARS-CoV-2, comprising 172 patients with COVID-19 and 22 healthcare workers with mild disease or asymptomatic infection, for autoantibodies against 2,770 extracellular and secreted proteins (members of the exoproteome). We found that patients with COVID-19 exhibit marked increases in autoantibody reactivities as compared to uninfected individuals, and show a high prevalence of autoantibodies against immunomodulatory proteins (including cytokines, chemokines, complement components and cell-surface proteins). We established that these autoantibodies perturb immune function and impair virological control by inhibiting immunoreceptor signalling and by altering peripheral immune cell composition, and found that mouse surrogates of these autoantibodies increase disease severity in a mouse model of SARS-CoV-2 infection. Our analysis of autoantibodies against tissue-associated antigens revealed associations with specific clinical characteristics. Our findings suggest a pathological role for exoproteome-directed autoantibodies in COVID-19, with diverse effects on immune functionality and associations with clinical outcomes. Rapid extracellular antigen profiling of a cohort of 194 individuals infected with SARS-CoV-2 uncovers diverse autoantibody responses that affect COVID-19 disease severity, progression and clinical and immunological characteristics.

Abstract Over the last century, outbreaks and pandemics have occurred with disturbing regularity, necessitating advance preparation and large-scale, coordinated response. Here, we developed a machine learning predictive model of disease severity and length of hospitalization for COVID-19, which can be utilized as a platform for future unknown viral outbreaks. We combined untargeted metabolomics on plasma data obtained from COVID-19 patients (n = 111) during hospitalization and healthy controls (n = 342), clinical and comorbidity data (n = 508) to build this patient triage platform, which consists of three parts: (i) the clinical decision tree, which amongst other biomarkers showed that patients with increased eosinophils have worse disease prognosis and can serve as a new potential biomarker with high accuracy (AUC = 0.974), (ii) the estimation of patient hospitalization length with ± 5 days error (R 2 = 0.9765) and (iii) the prediction of the disease severity and the need of patient transfer to the intensive care unit. We report a significant decrease in serotonin levels in patients who needed positive airway pressure oxygen and/or were intubated. Furthermore, 5-hydroxy tryptophan, allantoin, and glucuronic acid metabolites were increased in COVID-19 patients and collectively they can serve as biomarkers to predict disease progression. The ability to quickly identify which patients will develop life-threatening illness would allow the efficient allocation of medical resources and implementation of the most effective medical interventions. We would advocate that the same approach could be utilized in future viral outbreaks to help hospitals triage patients more effectively and improve patient outcomes while optimizing healthcare resources.

Naive CD4+ T cells in specific pathogen-free (SPF) mice are characterized by transcriptional heterogeneity and subpopulations distinguished by the expression of quiescence, the extracellular matrix (ECM) and cytoskeleton, type I interferon (IFN-I) response, memory-like, and T cell receptor (TCR) activation genes. We demonstrate that this constitutive heterogeneity, including the presence of the IFN-I response cluster, is commensal independent insofar as being identical in germ-free and SPF mice. By contrast, Nippostrongylus brasiliensis infection altered this constitutive heterogeneity. Naive T cell-intrinsic transcriptional changes acquired during helminth infection correlated with and accounted for decreased immunization response to an unrelated antigen. These compositional and functional changes were dependent variables of helminth infection, as they disappeared at the established time point of its clearance in mice. Collectively, our results indicate that the naive T cell pool is subject to dynamic transcriptional changes in response to certain environmental cues, which in turn permutes the magnitude of the immune response.

Abstract Sponges are often densely populated by microbes that benefit their hosts through nutrition and bioactive secondary metabolites; however, sponges must simultaneously contend with the toxicity of microbes and thwart microbial overgrowth. Despite these fundamental tenets of sponge biology, the patterns of selection in the host sponges’ genomes that underlie tolerance and control of their microbiomes are still poorly understood. To elucidate these patterns of selection, we performed a population genetic analysis on multiple species of Ircinia from Belize, Florida, and Panama using an F ST -outlier approach on transcriptome-annotated RADseq loci. As part of the analysis, we delimited species boundaries among seven growth forms of Ircinia . Our analyses identified balancing selection in immunity genes that have implications for the hosts’ tolerance of high densities of microbes. Additionally, our results support the hypothesis that each of the seven growth forms constitutes a distinct Ircinia species that is characterized by a unique microbiome. These results illuminate the evolutionary pathways that promote stable associations between host sponges and their microbiomes, and that potentially facilitate ecological divergence among Ircinia species.