Abstract Defining off-target profiles of gene-editing nucleases and CRISPR base editors remains an important challenge for use of these technologies, therapeutic or otherwise. Existing methods can identify off-target sites induced by these gene editors on an individual genome but are not designed to account for the broad diversity of genomic sequence variation that exists within populations of humans or other organisms. Here we describe OligoNucleotide Enrichment and sequencing ( ONE-seq ), a novel in vitro method that leverages customizable, high-throughput DNA synthesis technology instead of purified genomic DNA ( gDNA ) from individual genomes to profile gene editor off-target sites. We show that ONE-seq matches or exceeds the sensitivity of existing single-genome methods for identifying bona fide CRISPR-Cas9 off-target sites in cultured human cells and in vivo in a liver-humanized mouse model. In addition, ONE-seq outperforms existing best-in-class single-genome methods for defining off-target sites of CRISPR-Cas12a nucleases, cytosine base editors ( CBE s), and adenine base editors ( ABE s), unveiling previously undescribed bona fide off-target sites for all these editors in human cells. Most importantly, we leveraged ONE-seq to generate the first experimentally-derived population-scale off-target profiles for Cas9 nucleases that define the impacts of sequence variants from >2,500 individual human genome sequences in the 1000 Genomes Project database. Notably, some of the variants we identified that lead to increased mutation frequencies at off-target sites are enriched in specific human populations. We validated that novel population-specific, variant-sensitive off-target sites nominated by ONE-seq in vitro can show increased frequencies of mutations in human lymphoblastoid cells ( LCL s) harboring these sequence variants. Collectively, our results demonstrate that ONE-seq is a highly sensitive off-target nomination method that can uniquely be used to identify population subgroup-linked differences in off-target profiles of gene editors. ONE-seq provides an important new pathway by which to assess the impacts of global human genetic sequence diversity on the specificities of gene editors, thereby enabling a broader and more all-inclusive approach for profiling off-target effects of these transformative therapeutic technologies.

Abstract In six of seven severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) patients, V H clonotypes, encoded by either immunoglobin heavy variable (IGHV)3-53 or IGHV3-66 and immunoglobin heavy joining (IGHJ)6, were identified in IgG 1 , IgA 1 , and IgA 2 subtypes, with minimal mutations, and could be paired with diverse light chains, resulting in binding to the SARS-CoV-2 receptor-binding domain (RBD). Because most human antibodies against the RBD neutralized the virus by inhibiting host cell entry, we selected one of these clonotypes and demonstrated that it could potently inhibit viral replication. Interestingly, these V H clonotypes pre-existed in six of 10 healthy individuals, predominantly as IgM isotypes, which could explain the expeditious and stereotypic development of these clonotypes among SARS-CoV-2 patients.

In antibody discovery, in-depth analysis of an antibody library and high-throughput retrieval of clones in the library are crucial to identifying and exploiting rare clones with different properties. However, existing methods have several technical limitations such as low process throughput from laborious cloning process and waste of the phenotypic screening capacity from unnecessary repetitive tests on the dominant clones. To overcome the limitations, we developed a new high-throughput platform for the identification and retrieval of clones in the library, TrueRepertoire™. TrueRepertoire™ provides highly accurate sequences of the clones with linkage information between heavy and light chains of the antibody fragment. Additionally, the physical DNA of clones can be retrieved in high throughput based on the sequence information. We validated the high accuracy of the sequences and demonstrated that there is no platform-specific bias. Moreover, the applicability of TrueRepertoire™ was demonstrated by a phage-displayed single-chain variable fragment (scFv) library targeting human hepatocyte growth factor (hHGF) protein.

Abstract B cell receptors (BCRs) denote antigen specificity, while corresponding cell subsets indicate B cell functionality. Since each B cell uniquely encodes this combination, physical isolation and subsequent processing of individual B cells become indispensable to identify both attributes. However, this approach accompanies high costs and inevitable information loss, hindering high-throughput investigation of B cell populations. Here, we present BCR-SORT, a deep learning model that predicts cell subsets from their corresponding BCR sequences by leveraging B cell activation and maturation signatures encoded within BCR sequences. Subsequently, BCR-SORT is demonstrated to improve reconstruction of BCR phylogenetic trees, and reproduce results consistent with those verified using physical isolation-based methods or prior knowledge. Notably, when applied to BCR sequences from COVID-19 vaccine recipients, it revealed inter-individual heterogeneity of evolutionary trajectories towards Omicron-binding memory B cells. Overall, BCR-SORT offers great potential to improve our understanding of B cell responses.

Abstract The immune repertoire is a collection of immune receptors that has emerged as an important biomarker for both the diagnostic and therapeutic of cancer patients. In terms of deep learning, analyzing immune repertoire is a challenging multiple-instance learning problem in which the immune repertoire of an individual is a bag, and the immune receptor is an instance. Although several deep learning methods for immune repertoire analysis are introduced, they consider the immune repertoire as a set-like structure that doesn’t take into account the nature of the immune response. When the immune response occurs, mutations are introduced to the immune receptor sequence sequentially to optimize the immune response against the pathogens that enter our body. As a result, immune receptors for the specific pathogen have the lineage of evolution; thus, the immune repertoire is better represented as a graph-like structure. In this work, we present our novel method, graph representation of immune repertoire (GRIP), which analyzes the immune repertoire as a hierarchical graph structure and utilize the collection of graph neural network followed by graph pooling and transformer to efficiently represents the immune repertoire as an embedding vector. We show that GRIP predicts the survival probability of cancer patients better than the set-based methods, and graph-based structure is critical for performance. Also, GRIP provides interpretable results, which prove that GRIP adequately uses the prognosis-related immune receptor and gives the further possibility to use the GRIP as the novel biomarker searching tool.

In July 2023, cases of highly pathogenic avian influenza (HPAI) were reported at 2 shelters for stray cats in Seoul, South Korea. The cause of infection was suspected to be improperly sterilized raw food made from domestic duck meat, which was manufactured in South Korea. All viruses isolated from cats at the shelters and from the raw food belonged to HPAI A(H5N1) clade 2.3.4.4b. The gene constellation of all viruses was most similar to that of viruses isolated in Korea in November 2022. Of note, the viruses isolated from infected cats harbored mutations E627K or D701N in polymerase basic 2, which are indicative of adaptation to mammals. Postmortem examination revealed systemic pathologic lesions and the presence of widespread virus in different tissues. Thus, consumption of raw duck meat contaminated with HPAI virus likely caused systemic symptoms and death in cats, indicating the introduction of mammal-adapted mutations of the virus.