Abstract The outbreak of the 2019 novel coronavirus (SARS-CoV-2) has infected thousands of people with a large number of deaths across 26 countries. The sudden appearance of the virus leads to the limited existing therapies for SARS-CoV-2. Therefore, vaccines and antiviral medicines are in desperate need. This study took immune-informatics approaches to identify B- and T-cell epitopes for surface glycoprotein (S) of SARS-CoV-2, followed by estimating their antigenicity and interactions with the human leukocyte antigen (HLA) alleles. We identified four B cell epitopes, two MHC class-I and nine MHC class-II binding T-cell epitopes, which showed highly antigenic features. Allergenicity, toxicity and physiochemical properties analysis confirmed the specificity and selectivity of epitopes. The stability and safety of epitopes were confirmed by digestion analysis. No mutations were observed in all the selected B- and T-cell epitopes across all isolates from different locations worldwide. Epitopes were thus identified and some of them can be potential candidates for vaccine development.

Abstract SARS-CoV-2 unprecedentedly threatens the public health at worldwide level. There is an urgent need to develop an effective vaccine within a highly accelerated time. Here, we present the most comprehensive S-protein-based linear B-cell epitope candidate list by combining epitopes predicted by eight widely-used immune-informatics methods with the epitopes curated from literature published between Feb 6, 2020 and July 10, 2020. We find four top prioritized linear B-cell epitopes in the hotspot regions of S protein can specifically bind with serum antibodies from horse, mouse, and monkey inoculated with different SARS-CoV-2 vaccine candidates or a patient recovering from COVID-19. The four linear B-cell epitopes can induce neutralizing antibodies against both pseudo and live SARS-CoV-2 virus in immunized wild-type BALB/c mice. This study suggests that the four linear B-cell epitopes are potentially important candidates for serological assay or vaccine development.

Abstract Water transportation to developing tissues relies on the structure and function of plant xylem cells. Plant microtubules govern the direction of cellulose microfibrils and guide secondary cell wall formation and morphogenesis. However, the relevance of microtubule-determined xylem wall thickening patterns in plant hydraulic conductivity remains unclear. In the present study, we identified a maize (Zea mays) semi-dominant mutant, designated drought-overly-sensitive1 (ZmDos1), the upper leaves of which wilted even when exposed to well-watered conditions during growth; the wilting phenotype was aggravated by increased temperatures and decreased humidity. Protoxylem vessels in the stem and leaves of the mutant showed altered thickening patterns of the secondary cell wall (from annular to spiral), decreased inner diameters, and limited water transport efficiency. The causal mutation for this phenotype was found to be a G-to-A mutation in the maize gene α-tubulin4, resulting in a single amino acid substitution at position 196 (E196K). Ectopic expression of the mutant α-tubulin4 in Arabidopsis (Arabidopsis thaliana) changed the orientation of microtubule arrays, suggesting a determinant role of this gene in microtubule assembly and secondary cell wall thickening. Our findings suggest that the spiral wall thickenings triggered by the α-tubulin mutation are stretched during organ elongation, causing a smaller inner diameter of the protoxylem vessels and affecting water transport in maize. This study underscores the importance of tubulin-mediated protoxylem wall thickening in regulating plant hydraulics, improves our understanding of the relationships between protoxylem structural features and functions, and offers candidate genes for the genetic enhancement of maize.

Dodders (Cuscuta spp., Convolvulaceae) are root- and leafless parasitic plants. The physiology, ecology, and evolution of these obligate parasites are poorly understood. A high-quality reference genome of Cuscuta australis was assembled. Our analyses reveal that Cuscuta experienced accelerated molecular evolution, and Cuscuta and the convolvulaceous morning glory (Ipomoea) shared a common whole-genome triplication event before their divergence. C. australis genome harbors 19671 protein-coding genes, and importantly, 11.7% of the conserved orthologs in autotrophic plants are lost in C. australis. Many of these gene loss events likely result from its parasitic lifestyle and the massive changes of its body plan. Moreover, comparison of the gene expression patterns in Cuscuta prehaustoria/haustoria and various tissues of closely related autotrophic plants suggests that Cuscuta haustorium formation requires mostly genes normally involved in root development. The C. australis genome provides important resources for studying the evolution of parasitism, regressive evolution, and evo-devo in plant parasites.

Abstract Background The viruses threats provoke concerns regarding their sustained epidemic transmission, making the development of vaccines particularly important. In the prolonged and costly process of vaccine development, the most important initial step is to identify protective immunogens. Machine learning (ML) approaches are productive in analyzing big data such as microbial proteomes, and can remarkably reduce the cost of experimental work in developing novel vaccine candidates. Results We intensively evaluated the immunogenicity prediction power of eight commonly-used ML methods by random sampling cross validation on a large dataset consisting of known viral immunogens and non-immunogens we manually curated from the public domain. XGBoost, kNN and RF showed the strongest predictive power. We then proposed a novel soft-voting based ensemble approach (VirusImmu), which demonstrated a powerful and stable capability for viral immunogenicity prediction across the test set and external test set irrespective of protein sequence length. VirusImmu was successfully applied to facilitate identifying linear B cell epitopes against African Swine Fever Virus as confirmed by indirect ELISA in vitro. Conclusions VirusImmu exhibited tremendous potentials in predicting immunogenicity of viral protein segments. It is freely accessible at https://github.com/zhangjbig/VirusImmu .

Abstract Background IDH wild-type glioblastoma (GBM) is the most aggressive tumor in the central nervous system in spite of extensive therapies. Neoantigen based personalized immune therapies achieve promising results in melanoma and lung cancer, but few neoantigen based models perform well in IDH wild-type GBM. Unlike the neoantigen load and occurrence that are well studied and often found useless, the association between neoantigen intrinsic features and prognosis remain unclear in IDH wild-type GBM. Results We presented a novel neoantigen intrinsic feature-based deep learning model (neoDL) to stratify IDH wild-type GBMs into subgroups with different survivals. We first calculated a total of 2928 intrinsic features for each neoantigen and filtered out those not associated with survival, followed by applying neoDL in the TCGA data cohort. Leave one out cross validation (LOOCV) in the TCGA demonstrated that neoDL successfully classified IDH wild-type GBMs into different prognostic subgroups, which was further validated in an independent data cohorts from Asian population. Long-term survival IDH wild-type GBMs identified by neoDL were found characterized by 12 protective neoantigen intrinsic features and enriched in development and cell cycle. Conclusions Our results provide a novel model, neoDL, that can be therapeutically exploited to identify IDH wild-type GBM with good prognosis who will most likely benefit from neoantigen based personalized immunetherapy.

Abstract A comprehensive characterization of non-tumor cells in the niches of primary glioblastoma is not fully established yet. This study aims to present an overview of tumor-infiltrating non-malignant cells in the complex microenvironment of glioblastoma with detailed characterizations of their prognostic effects. We curate 540 gene signatures covering a total of 64 non-tumor cell types. Cell type-specific expression patterns are interrogated by normalized enrichment score (NES) across four large gene expression profiling cohorts of glioblastoma with a total number of 967 cases. The GBMs in each cohort are hierarchically clustered into negative or positive immune response classes with significantly different overall survival. Our results show that astrocytes, macrophages, monocytes, NKTs, preadipocytes, smooth muscle cells, and MSC are risk factors, while CD8 T cells, CD8+ T cells, and plasma cells are protective factors. Moreover, we find that the immune system and organogenesis are uniformly enriched in negative immune response clusters, in contrast to the enrichment of nervous system in positive immune response clusters. Mesenchymal differentiation is also observed in the negative immune response clusters. High enrichment status of macrophages in negative immune response clusters are independently validated by analyzing scRNA-seq data from eight high-grade gliomas, revealing that negative immune response samples comprised 46.63% to 55.12% of macrophages, whereas positive immune response samples comprised only 1.70% to 8.12%, with IHC staining of samples from six short-term and six long-term survivors of GBMs confirming the results. Simple Summary The landscape of infiltrating non-tumor cells in glioblastoma niches remains unclear. In this study, we explore the enrichment status of a total of 64 non-tumor cell types predicted by applying 540 gene signatures curated from literature and normalized enrichment score (NES) across four large gene expression profiling cohorts of glioblastoma with 967 cases. Based on non-tumor cell type-based enrichment status, GBMs in each cohort are classified into positive or negative immune response clusters, showing a statistically significant different overall survival. Astrocytes, macrophages, monocytes, NKTs, preadipocytes, smooth muscle cells, and MSC are identified as risk factors, as well as protector factors of CD8 T cells, CD8+ T cells, and plasma cells. Our results also find that immune system- and organogenesis-related GO terms are uniformly enriched in negative immune response clusters, whereas positive immune response clusters are enriched with GO terms concerning the nervous system. The mesenchymal differentiation is observed in the negative immune response clusters. Particularly, the high presence of macrophages in the negative immune response clusters is further validated using scRNA-seq analysis and IHC staining of GBMs from independent cohorts.