ABSTRACT Understanding immune memory to SARS-CoV-2 is critical for improving diagnostics and vaccines, and for assessing the likely future course of the COVID-19 pandemic. We analyzed multiple compartments of circulating immune memory to SARS-CoV-2 in 254 samples from 188 COVID-19 cases, including 43 samples at ≥ 6 months post-infection. IgG to the Spike protein was relatively stable over 6+ months. Spike-specific memory B cells were more abundant at 6 months than at 1 month post symptom onset. SARS-CoV-2-specific CD4 + T cells and CD8 + T cells declined with a half-life of 3-5 months. By studying antibody, memory B cell, CD4 + T cell, and CD8 + T cell memory to SARS-CoV-2 in an integrated manner, we observed that each component of SARS-CoV-2 immune memory exhibited distinct kinetics.

The SARS-CoV-2 Omicron variant of concern comprises three sublineages designated BA.1, BA.2, and BA.3, with BA.2 steadily replacing the globally dominant BA.1. We show that the large number of BA.1 and BA.2 spike mutations severely dampen plasma neutralizing activity elicited by infection or seven clinical vaccines, with cross-neutralization of BA.2 being consistently more potent than that of BA.1, independent of the vaccine platform and number of doses. Although mRNA vaccines induced the greatest magnitude of Omicron BA.1 and BA.2 plasma neutralizing activity, administration of a booster based on the Wuhan-Hu-1 spike sequence markedly increased neutralizing antibody titers and breadth against BA.1 and BA.2 across all vaccines evaluated. Our data suggest that although BA.1 and BA.2 evade polyclonal neutralizing antibody responses, current vaccine boosting regimens may provide sufficient protection against Omicron-induced disease.

SUMMARY We address whether T cell responses induced by different vaccine platforms (mRNA-1273, BNT162b2, Ad26.COV2.S, NVX-CoV2373) cross-recognize SARS-CoV-2 variants. Preservation of at least 83% and 85% for CD4 + and CD8 + T cell responses was found, respectively, regardless of vaccine platform or variants analyzed. By contrast, highly significant decreases were observed for memory B cell and neutralizing antibody recognition of variants. Bioinformatic analyses showed full conservation of 91% and 94% of class II and class I spike epitopes. For Omicron, 72% of class II and 86% of class I epitopes were fully conserved, and 84% and 85% of CD4 + and CD8 + T cell responses were preserved. In-depth epitope repertoire analysis showed a median of 11 and 10 spike epitopes recognized by CD4 + and CD8 + T cells from vaccinees. Functional preservation of the majority of the T cell responses may play an important role as a second-level defense against diverse variants.

Multiple COVID-19 vaccines, representing diverse vaccine platforms, successfully protect against symptomatic COVID-19 cases and deaths. Head-to-head comparisons of T cell, B cell, and antibody responses to diverse vaccines in humans are likely to be informative for understanding protective immunity against COVID-19, with particular interest in immune memory. Here, SARS-CoV-2-spike-specific immune responses to Moderna mRNA-1273, Pfizer/BioNTech BNT162b2, Janssen Ad26.COV2.S and Novavax NVX-CoV2373 were examined longitudinally for 6 months. 100% of individuals made memory CD4 + T cells, with cTfh and CD4-CTL highly represented after mRNA or NVX-CoV2373 vaccination. mRNA vaccines and Ad26.COV2.S induced comparable CD8 + T cell frequencies, though memory CD8 + T cells were only detectable in 60-67% of subjects at 6 months. Ad26.COV2.S was not the strongest immunogen by any measurement, though the Ad26.COV2.S T cell, B cell, and antibody responses were relatively stable over 6 months. A differentiating feature of Ad26.COV2.S immunization was a high frequency of CXCR3 + memory B cells. mRNA vaccinees had substantial declines in neutralizing antibodies, while memory T cells and B cells were comparatively stable over 6 months. These results of these detailed immunological evaluations may also be relevant for vaccine design insights against other pathogens.

SUMMARY T cells are involved in control of SARS-CoV-2 infection. To establish the patterns of immunodominance of different SARS-CoV-2 antigens, and precisely measure virus-specific CD4 + and CD8 + T cells, we studied epitope-specific T cell responses of approximately 100 convalescent COVID-19 cases. The SARS-CoV-2 proteome was probed using 1,925 peptides spanning the entire genome, ensuring an unbiased coverage of HLA alleles for class II responses. For HLA class I, we studied an additional 5,600 predicted binding epitopes for 28 prominent HLA class I alleles, accounting for wide global coverage. We identified several hundred HLA-restricted SARS-CoV-2-derived epitopes. Distinct patterns of immunodominance were observed, which differed for CD4 + T cells, CD8 + T cells, and antibodies. The class I and class II epitopes were combined into new epitope megapools to facilitate identification and quantification of SARS-CoV-2-specific CD4 + and CD8 + T cells.

We sought to define the host immune response, a.k.a, the "cytokine storm" that has been implicated in fatal COVID-19 using an AI-based approach. Over 45,000 transcriptomic datasets of viral pandemics were analyzed to extract a 166-gene signature using ACE2 as a 'seed' gene; ACE2 was rationalized because it encodes the receptor that facilitates the entry of SARS-CoV-2 (the virus that causes COVID-19) into host cells. Surprisingly, this 166-gene signature was conserved in all vi ral p andemics, including COVID-19, and a subset of 20-genes classified disease severity, inspiring the nomenclatures ViP and severe-ViP signatures, respectively. The ViP signatures pinpointed a paradoxical phenomenon wherein lung epithelial and myeloid cells mount an IL15 cytokine storm, and epithelial and NK cell senescence and apoptosis determines severity/fatality. Precise therapeutic goals were formulated and subsequently validated in high-dose SARS-CoV-2-challenged hamsters using neutralizing antibodies that abrogate SARS-CoV-2•ACE2 engagement or a directly acting antiviral agent, EIDD-2801. IL15/IL15RA were elevated in the lungs of patients with fatal disease, and plasma levels of the cytokine tracked with disease severity. Thus, the ViP signatures provide a quantitative and qualitative framework for titrating the immune response in viral pandemics and may serve as a powerful unbiased tool to rapidly assess disease severity and vet candidate drugs.The host immune response in COVID-19.Evidence before this study: The SARS-CoV-2 pandemic has inspired many groups to find innovative methodologies that can help us understand the host immune response to the virus; unchecked proportions of such immune response have been implicated in fatality. We searched GEO and ArrayExpress that provided many publicly available gene expression data that objectively measure the host immune response in diverse conditions. However, challenges remain in identifying a set of host response events that are common to every condition. There are no studies that provide a reproducible assessment of prognosticators of disease severity, the host response, and therapeutic goals. Consequently, therapeutic trials for COVID-19 have seen many more 'misses' than 'hits'. This work used multiple (> 45,000) gene expression datasets from GEO and ArrayExpress and analyzed them using an unbiased computational approach that relies upon fundamentals of gene expression patterns and mathematical precision when assessing them.Added value of this study: This work identifies a signature that is surprisingly conserved in all viral pandemics, including Covid-19, inspiring the nomenclature ViP-signature. A subset of 20-genes classified disease severity in respiratory pandemics. The ViP signatures pinpointed the nature and source of the 'cytokine storm' mounted by the host. They also helped formulate precise therapeutic goals and rationalized the repurposing of FDA-approved drugs.Implications of all the available evidence: The ViP signatures provide a quantitative and qualitative framework for assessing the immune response in viral pandemics when creating pre-clinical models; they serve as a powerful unbiased tool to rapidly assess disease severity and vet candidate drugs.

In the aftermath of Covid-19, some patients develop a fibrotic lung disease, i.e., p ost- C OVID-19 l ung d isease (PCLD), for which we currently lack insights into pathogenesis, disease models, or treatment options.Using an AI-guided approach, we analyzed > 1000 human lung transcriptomic datasets associated with various lung conditions using two viral pandemic signatures (ViP and sViP) and one covid lung-derived signature. Upon identifying similarities between COVID-19 and idiopathic pulmonary fibrosis (IPF), we subsequently dissected the basis for such similarity from molecular, cytopathic, and immunologic perspectives using a panel of IPF-specific gene signatures, alongside signatures of alveolar type II (AT2) cytopathies and of prognostic monocyte-driven processes that are known drivers of IPF. Transcriptome-derived findings were used to construct protein-protein interaction (PPI) network to identify the major triggers of AT2 dysfunction. Key findings were validated in hamster and human adult lung organoid (ALO) pre-clinical models of COVID-19 using immunohistochemistry and qPCR.COVID-19 resembles IPF at a fundamental level; it recapitulates the gene expression patterns (ViP and IPF signatures), cytokine storm (IL15-centric), and the AT2 cytopathic changes, e.g., injury, DNA damage, arrest in a transient, damage-induced progenitor state, and senescence-associated secretory phenotype (SASP). These immunocytopathic features were induced in pre-clinical COVID models (ALO and hamster) and reversed with effective anti-CoV-2 therapeutics in hamsters. PPI-network analyses pinpointed ER stress as one of the shared early triggers of both diseases, and IHC studies validated the same in the lungs of deceased subjects with COVID-19 and SARS-CoV-2-challenged hamster lungs. Lungs from tg- mice, in which ER stress is induced specifically in the AT2 cells, faithfully recapitulate the host immune response and alveolar cytopathic changes that are induced by SARS-CoV-2.Like IPF, COVID-19 may be driven by injury-induced ER stress that culminates into progenitor state arrest and SASP in AT2 cells. The ViP signatures in monocytes may be key determinants of prognosis. The insights, signatures, disease models identified here are likely to spur the development of therapies for patients with IPF and other fibrotic interstitial lung diseases.This work was supported by the National Institutes for Health grants R01-GM138385 and AI155696 and funding from the Tobacco-Related disease Research Program (R01RG3780).Severe COVID-19 triggers cellular processes seen in fibrosing Interstitial Lung Disease.Evidence before this study: In its aftermath, the COVID-19 pandemic has left many survivors, almost a third of those who recovered, with a mysterious long-haul form of the disease which culminates in a fibrotic form of interstitial lung disease (post-COVID-19 ILD). Post-COVID-19 ILD remains a largely unknown entity. Currently, we lack insights into the core cytopathic features that drive this condition.Added value of this study: Using an AI-guided approach, which involves the use of sets of gene signatures, protein-protein network analysis, and a hamster model of COVID-19, we have revealed here that COVID-19 -lung fibrosis resembles IPF, the most common form of ILD, at a fundamental levelâ€"showing similar gene expression patterns in the lungs and blood, and dysfunctional AT2 processes (ER stress, telomere instability, progenitor cell arrest, and senescence). These findings are insightful because AT2 cells are known to contain an elegant quality control network to respond to intrinsic or extrinsic stress; a failure of such quality control results in diverse cellular phenotypes, of which ER stress appears to be a point of convergence, which appears to be sufficient to drive downstream fibrotic remodeling in the lung.Implications of all the available evidence: Because unbiased computational methods identified the shared fundamental aspects of gene expression and cellular processes between COVID-19 and IPF, the impact of our findings is likely to go beyond COVID-19 or any viral pandemic. The insights, tools (disease models, gene signatures, and biomarkers), and mechanisms identified here are likely to spur the development of therapies for patients with IPF and, other fibrotic interstitial lung diseases, all of whom have limited or no treatment options. To dissect the validated prognostic biomarkers to assess and track the risk of pulmonary fibrosis and develop therapeutics to halt fibrogenic progression.

Abstract The current Monkeypox virus (MPXV) outbreak in non-endemic countries is raising concern about the pandemic potential of novel orthopoxviruses. Little is known regarding MPXV immunity in the context of MPXV infection or vaccination with Vaccinia-based vaccines (VACV). As with vaccinia, T cells are likely to provide an important contribution to overall immunity to MPXV. Here we leveraged the epitope information available in Immune Epitope Database (IEDB) on VACV to predict potential MPXV targets recognized by CD4 + and CD8 + T cell responses. We found a high degree of conservation between VACV epitopes and MPXV, and defined T cell immunodominant targets. These analyses enabled the design of peptide pools able to experimentally detect VACV-specific T cell responses and MPXV cross-reactive T cells in a cohort of vaccinated individuals. Our findings will facilitate the monitoring of cellular immunity following MPXV infection and vaccination.

The Coronavirus (CoV) family includes a variety of viruses able to infect humans. Endemic CoVs that can cause common cold belong to the alphaCoV and betaCoV genera, with the betaCoV genus also containing subgenera with zoonotic and pandemic concern, including sarbecoCoV (SARS-CoV and SARS-CoV-2) and merbecoCoV (MERS-CoV). It is therefore warranted to explore pan-CoV vaccine concepts, to provide adaptive immune protection against new potential CoV outbreaks, particularly in the context of betaCoV sub lineages. To explore the feasibility of eliciting CD4 + T cell responses widely cross-recognizing different CoVs, we utilized samples collected pre-pandemic to systematically analyze T cell reactivity against representative alpha (NL63) and beta (OC43) common cold CoVs (CCC). Similar to previous findings on SARS-CoV-2, the S, N, M, and nsp3 antigens were immunodominant for both viruses while nsp2 and nsp12 were immunodominant for NL63 and OC43, respectively. We next performed a comprehensive T cell epitope screen, identifying 78 OC43 and 87 NL63-specific epitopes. For a selected subset of 18 epitopes, we experimentally assessed the T cell capability to cross-recognize sequences from representative viruses belonging to alphaCoV, sarbecoCoV, and beta-non-sarbecoCoV groups. We found general conservation within the alpha and beta groups, with cross-reactivity experimentally detected in 89% of the instances associated with sequence conservation of >67%. However, despite sequence conservation, limited cross-reactivity was observed in the case of sarbecoCoV (50% of instances), indicating that previous CoV exposure to viruses phylogenetically closer to this subgenera is a contributing factor in determining cross-reactivity. Overall, these results provided critical insights in the development of future pan-CoV vaccines.

SUMMARY SARS-CoV-2 infection and COVID-19 vaccines elicit memory T cell responses. Here, we report the development of two new pools of E xperimentally-defined T cell epitopes derived from the non-spike R emainder of the SARS-CoV-2 proteome (CD4RE and CD8RE). The combination of T cell responses to these new pools and Spike (S) were used to discriminate four groups of subjects with different SARS-CoV-2 infection and COVID-19 vaccine status: non-infected, non-vaccinated (I−V−); infected and non-vaccinated (I+V−); infected and then vaccinated (I+V+); and non-infected and vaccinated (I−V+). The overall classification accuracy based on 30 subjects/group was 89.2% in the original cohort and 88.5% in a validation cohort of 96 subjects. The T cell classification scheme was applicable to different mRNA vaccines, and different lengths of time post-infection/post-vaccination. T cell responses from breakthrough infections (infected vaccinees, V+I+) were also effectively segregated from the responses of vaccinated subjects using the same classification tool system. When all five groups where combined, for a total of 239 different subjects, the classification scheme performance was 86.6%. We anticipate that a T cell-based immunodiagnostic scheme able to classify subjects based on their vaccination and natural infection history will be an important tool for longitudinal monitoring of vaccination and aid in establishing SARS-CoV−2 correlates of protection.