Water-soluble carbon nanocrystals (CNCs) with electrochemiluminescence (ECL) activity were released into aqueous solution from a graphite rod by applying a scanning potential. ECL emission of CNCs observed during their preparation probably provides a useful method for monitoring and screening nanocrystal preparation. The ECL behavior and its mechanism in CNCs have been studied in detail for the first time. The results suggest promising applications of CNCs in the development of new types of biosensors and display devices in the future on the basis of their strong and stable ECL emission, good stability, low cytotoxicity, excellent water solubility, easy labeling, and environmental friendliness.

Cancer immunotherapy targeting co-inhibitory pathways by checkpoint blockade shows remarkable efficacy in a variety of cancer types. However, only a minority of patients respond to treatment due to the stochastic heterogeneity of tumor microenvironment (TME). Recent advances in single-cell RNA-seq technologies enabled comprehensive characterization of the immune system heterogeneity in tumors but posed computational challenges on integrating and utilizing the massive published datasets to inform immunotherapy. Here, we present Tumor Immune Single Cell Hub (TISCH, http://tisch.comp-genomics.org), a large-scale curated database that integrates single-cell transcriptomic profiles of nearly 2 million cells from 76 high-quality tumor datasets across 27 cancer types. All the data were uniformly processed with a standardized workflow, including quality control, batch effect removal, clustering, cell-type annotation, malignant cell classification, differential expression analysis and functional enrichment analysis. TISCH provides interactive gene expression visualization across multiple datasets at the single-cell level or cluster level, allowing systematic comparison between different cell-types, patients, tissue origins, treatment and response groups, and even different cancer-types. In summary, TISCH provides a user-friendly interface for systematically visualizing, searching and downloading gene expression atlas in the TME from multiple cancer types, enabling fast, flexible and comprehensive exploration of the TME.

Development of optimal SARS-CoV-2 vaccines to induce potent, long-lasting immunity and provide cross-reactive protection against emerging variants remains a high priority. Here, we report that a modified porous silicon microparticle (mPSM)-adjuvanted SARS-CoV-2 receptor-binding domain (RBD) vaccine activated dendritic cells and generated more potent and durable SARS-CoV-2-specific systemic humoral and type 1 helper T (Th) cell-mediated immune responses than alum-formulated RBD following parenteral vaccination, and protected mice from SARS-CoV-2 and Beta variant infection. mPSM facilitated the uptake of SARS-CoV-2 RBD antigens by nasal and airway epithelial cells. Parenteral and intranasal prime and boost vaccinations with mPSM-RBD elicited potent systemic and lung resident memory T and B cells and SARS-CoV-2 specific IgA responses, and markedly diminished viral loads and inflammation in the lung following SARS-CoV-2 Delta variant infection. Our results suggest that mPSM can serve as potent adjuvant for SARS-CoV-2 subunit vaccine which is effective for systemic and mucosal vaccination.

Abstract Cancer immunotherapy targeting co-inhibitory pathways by checkpoint blockade shows remarkable efficacy in a variety of cancer types. However, only a minority of patients respond to treatment due to the stochastic heterogeneity of tumor microenvironment (TME). Recent advances in single-cell RNA-seq technologies enabled comprehensive characterization of the immune system heterogeneity in tumors, but also posed computational challenges on how to integrate and utilize the massive published datasets to inform immunotherapy. Here, we present Tumor Immune Single Cell Hub (TISCH, http://tisch.comp-genomics.org ), a large-scale curated database that integrates single-cell transcriptomic profiles of nearly two million cells from 76 high-quality tumor datasets across 28 cancer types. All the data were uniformly processed with a standardized workflow, including quality control, batch effect removal, malignant cell classification, cell clustering, cell-type annotation, differential expression analysis, and functional enrichment analysis. TISCH provides interactive gene expression visualization across multiple datasets at the single-cell level or cluster level, allowing systematic comparison between different cell-types, patients, tissue origins, treatment and response groups, and even different cancer-types. In summary, TISCH provides a user-friendly interface for systematically visualizing, searching, and downloading gene expression atlas in the TME from multiple cancer types, enabling fast, flexible and comprehensive exploration of the TME.

BRAF is a serine-threonine kinase that harbors activating mutations in ~7% of human malignancies and ~60% of melanomas. Despite initial clinical responses to BRAF inhibitors (BRAFi), patients frequently develop drug resistance. To identify candidate therapeutic targets for BRAFi-resistant melanoma, we conducted CRISPR screens in melanoma cells harboring an activating BRAF mutation that had also acquired resistance to BRAFi. The screens identified pathways and genes critical for BRAFi resistance in melanoma cells. To investigate the mechanisms and pathways enabling resistance to BRAFi in melanomas, we integrated expression data, ATAC-seq, and CRISPR screen results. We identified the JUN family of transcription factors and the ETS family transcription factor ETV5 as key regulators of CDK6 that enabled resistance to BRAFi in melanoma cells. Our findings reveal genes whose loss of function conferred resistance to a selective BRAF inhibitor, providing new insight into signaling pathways that contribute to acquired resistance in melanoma.

Immune checkpoint blockade (ICB) is a promising cancer therapy; however, resistance often develops. To learn more about ICB resistance mechanisms, we developed IRIS (Immunotherapy Resistance cell-cell Interaction Scanner), a machine learning model aimed at identifying candidate ligand-receptor interactions (LRI) that are likely to mediate ICB resistance in the tumor microenvironment (TME). We developed and applied IRIS to identify resistance-mediating cell-type-specific ligand-receptor interactions by analyzing deconvolved transcriptomics data of the five largest melanoma ICB therapy cohorts. This analysis identifies a set of specific ligand-receptor pairs that are deactivated as tumors develop resistance, which we refer to as resistance deactivated interactions (RDI). Quite strikingly, the activity of these RDIs in pre-treatment samples offers a markedly stronger predictive signal for ICB therapy response compared to those that are activated as tumors develop resistance. Their predictive accuracy surpasses the state-of-the-art published transcriptomics biomarker signatures across an array of melanoma ICB datasets. Many of these RDIs are involved in chemokine signaling. Indeed, we further validate on an independent large melanoma patient cohort that their activity is associated with CD8+ T cell infiltration and enriched in hot/brisk tumors. Taken together, this study presents a new strongly predictive ICB response biomarker signature, showing that following ICB treatment resistant tumors turn inhibit lymphocyte infiltration by deactivating specific key ligand-receptor interactions.

Characterization of tissue-infiltrating T cell repertoire is critical to understanding tumor-immune interactions and autoimmune disease etiology. We present TRUST, an open source algorithm for calling the TCR transcript hypervariable CDR3 regions using unselected RNA-seq data profiled from solid tissues. TRUST achieved high sensitivity in CDR3 calling even for samples with low sequencing depth and has demonstrated utilities in its application to large tumor cohorts.

ABSTRACT Background Cytotoxic T lymphocytes (CTL) play a crucial role in anti-cancer immunity. Progression of CTL to terminal exhausted T lymphocytes (ETL) that overexpress inhibitory receptors can substantially decrease effector cytokines production and diminish cytolytic activity and terminal exhausted T cell cannot be reprogrammed by ICIs in tumor microenvironment (TME). However, while the activity levels of CTL and ETL are considered important determinants of immune checkpoint inhibitors (ICIs) response, it has been repeatedly observed that their predictive power of the latter is quite limited. Studying this conundrum on a large scale across the TCGA cohort, we find that ETL and CTL activity (estimated based on conventional gene signatures in the bulk tumor expression) is strongly positively correlated in most cancer types. We hypothesized that the limited predictive power of CTL activity might result from the high concordance of CTL and ETL activities, which mutually cancels out their individual antagonistic effects on ICI response. Methods Consequently, we have set out to identify a set of genes whose expression identifies a subset of patients where the CTL and ETL correlation is diminished, such that the association between these CD8+ T cell states and ICIs response is enhanced. Results nalyzing TCGA melanoma bulk gene expression, we identified a set of genes whose over-expression markedly diminishes the CTL and ETL correlation, termed a decoupling signature (DS) . Reassuringly, we first find that the correlation between ETL and CTL activities is indeed markedly lower across high scoring DS patients than that observed across low scoring DS patients in numerous independent melanoma ICIs cohorts. Second, indeed, this successful decoupling increases the power of CTL activity in predicting ICIs response in high DS scoring patients. We show that the resulting prediction accuracy is superior to other state-of-art ICI predictive transcriptomic signatures. Conclusion The new decoupling score boosts the power of CTL activity in predicting ICIs response in melanoma from the tumor bulk expression. Its use enables a two-step stratification approach, where the response of high scoring DS patient can be predicted more accurately that with extant transcriptomic signatures. What is already known on this topic The predictive power of CTL activity based on bulk tumor transcriptomics, despite being a widely studied important determinant of ICI treatment, is very limited. What this study adds The efficacy of CTL activity in predicting ICI therapy response is significantly higher among patients with decoupled CTL and ETL activities. How this study might affect research, practice or policy We identified a set of genes as the decoupling signature, whose upregulation markedly diminishes the correlation between CTL and ETL activities. Our decoupling signature enhances the power of CTL in predicting ICI treatment response, outperforming other extant expression-based signatures.

Immune response by T cells is essential for a healthy body against cancer, infection, and pathophysiological alteration. The activation and expansion of T cells can be inhibited by dasatinib, a tyrosine inhibitor, thus improving the outcome of diseases, such as autoimmune disease, graft-versus-host disease, and transplant rejection. The underlying mechanism of inhibition by dasatinib is elusive. Here, we designed and synthesized a CRISPR/Cas9 screening library that includes 6,149 genes. Using the library, we performed dasatinib CRISPR/cas9 screening in Jurkat cell, a T lymphocyte cell. We firstly identified survival essential genes for Jurkat cells. Comparing with other CRISPR/Cas9 screenings, we obtained Jurkat cell specific essential genes. By comparing dasatinib treatment to control, we identified a set of dasatinib targets, which includes known targets: CSK, LCK, ZAP70, and previously unknown targets: ZFP36L2, LRPPRC, CFLAR, PD-1, CD45 et al. Visualizing these target genes on T cell receptor signaling pathway, we found several genes could be inhibited by dasatinib. Furthermore, we introduced a framework, 9-square, to classify genes and found a group of genes that are associated with dasatinib resistance, possibly linking the side effects of dasatinib. These data reveal a set of dasatinib targets and demonstrate the molecular potential functions of dasatinib. Identification of dasatinib targets will broaden our understanding to its molecular mechanism, and thus benefits to clinical outcome.