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.

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.

Abstract Biological ontologies are used to organize, curate, and interpret the vast quantities of data arising from biological experiments. While this works well when using a single ontology, integrating multiple ontologies can be problematic, as they are developed independently, which can lead to incompatibilities. The Open Biological and Biomedical Ontologies (OBO) Foundry was created to address this by facilitating the development, harmonization, application, and sharing of ontologies, guided by a set of overarching principles. One challenge in reaching these goals was that the OBO principles were not originally encoded in a precise fashion, and interpretation was subjective. Here we show how we have addressed this by formally encoding the OBO principles as operational rules and implementing a suite of automated validation checks and a dashboard for objectively evaluating each ontology’s compliance with each principle. This entailed a substantial effort to curate metadata across all ontologies and to coordinate with individual stakeholders. We have applied these checks across the full OBO suite of ontologies, revealing areas where individual ontologies require changes to conform to our principles. Our work demonstrates how a sizable federated community can be organized and evaluated on objective criteria that help improve overall quality and interoperability, which is vital for the sustenance of the OBO project and towards the overall goals of making data FAIR.

ABSTRACT The adaptive immune system in vertebrates has evolved to recognize non-self-antigens, such as proteins expressed by infectious agents and mutated cancer cells. T cells play an important role in antigen recognition by expressing a diverse repertoire of antigen-specific receptors, which bind epitopes to mount targeted immune responses. Recent advances in high-throughput sequencing have enabled the routine generation of T-cell receptor (TCR) repertoire data. Identifying the specific epitopes targeted by different TCRs in these data would be valuable. To accomplish that, we took advantage of the ever-increasing number of TCRs with known epitope specificity curated in the Immune Epitope Database (IEDB) since 2004. We compared six metrics of sequence similarity to determine their power to predict if two TCRs have the same epitope specificity. We found that a comprehensive k -mer matching approach produced the best results, which we have implemented into TCRMatch, an openly accessible tool ( http://tools.iedb.org/tcrmatch/ ) that takes TCR β-chain CDR3 sequences as an input, identifies TCRs with a match in the IEDB, and reports the specificity of each match. We anticipate that this tool will provide new insights into T cell responses captured in receptor repertoire and single cell sequencing experiments and will facilitate the development of new strategies for monitoring and treatment of infectious, allergic, and autoimmune diseases, as well as cancer.

B-cell epitope prediction tools are of great medical and commercial interest due to their practical applications in vaccine development. The introduction of protein language models (LM) trained on unprecedented large datasets of protein sequences and structures, tap into a powerful numeric representation that can be exploited to accurately predict local and global protein structural features from amino acid sequences only. In this paper, we present BepiPred 3.0, a sequence-based epitope prediction tool that, by exploiting LM embeddings, greatly improves the prediction accuracy for both linear and conformational epitope prediction on several independent test sets. Furthermore, by carefully selecting additional input variables and epitope residue annotation strategy, performance can be further improved, thus achieving extraordinary results. Our tool can predict epitopes across hundreds of sequences in mere minutes. It is freely available as a web server with a user-friendly interface to navigate the results, as well as a standalone downloadable package.

Abstract HLA class II antigen presentation is key for controlling and triggering T cell immune responses. HLA-DQ molecules, which are believed to play a major role in autoimmune diseases, are heterodimers that can be formed as both cis and trans variants depending on whether the α- and β-chains are encoded on the same (cis) or opposite (trans) chromosomes. So far, limited progress has been made for predicting HLA-DQ antigen presentation. In addition, the contribution of trans-only variants (i.e. variants not observed in the population as cis) in shaping the HLA-DQ immunopeptidome remains largely unresolved. Here, we seek to address these issues by integrating state-of-the-art immunoinformatics data mining models with large volumes of high-quality HLA-DQ specific MS-immunopeptidomics data. The analysis demonstrated a highly improved predictive power and molecular coverage for models trained including these novel HLA-DQ data. More importantly, investigating the role of trans-only HLA-DQ variants revealed a limited to no contribution to the overall HLA-DQ immunopeptidome. In conclusion, this study has furthered our understanding of HLA-DQ specificities and has for the first time cast light on the relative role of cis versus trans-only HLA-DQ variants in the HLA class II antigen presentation space. The developed method, NetMHCIIpan-4.2, is available at https://services.healthtech.dtu.dk/services/NetMHCIIpan-4.2 .

Abstract Recent advances in high-throughput experiments and systems biology approaches have resulted in hundreds of publications identifying “immune signatures”. Unfortunately, these are often described within text, figures, or tables in a format not amenable to computational processing, thus severely hampering our ability to fully exploit this information. Here we present a data model to represent immune signatures, along with the Human Immunology Project Consortium (HIPC) Dashboard ( www.hipc-dashboard.org ), a web-enabled application to facilitate signature access and querying. The data model captures the biological response components (e.g., genes, proteins, cell types or metabolites) and metadata describing the context under which the signature was identified using standardized terms from established resources (e.g., HGNC, Protein Ontology, Cell Ontology). We have manually curated a collection of >600 immune signatures from >60 published studies profiling human vaccination responses for the current release. The system will aid in building a broader understanding of the human immune response to stimuli by enabling researchers to easily access and interrogate published immune signatures.

Many problems in biology require looking for a "needle in a haystack," corresponding to a binary classification where there are a few positives within a much larger set of negatives, which is referred to as a class imbalance. The receiver operating characteristic (ROC) curve and the associated area under the curve (AUC) have been reported as ill-suited to evaluate prediction performance on imbalanced problems where there is more interest in performance on the positive minority class, while the precision-recall (PR) curve is preferable. We show via simulation and a real case study that this is a misinterpretation of the difference between the ROC and PR spaces, showing that the ROC curve is robust to class imbalance, while the PR curve is highly sensitive to class imbalance. Furthermore, we show that class imbalance cannot be easily disentangled from classifier performance measured via PR-AUC.

Tuberculosis caused by Mycobacterium tuberculosis is one of the leading causes of death from a single infectious agent. Identifying dominant epitopes and comparing their reactivity in different tuberculosis (TB) infection states can help design diagnostics and vaccines. We performed a proteome-wide screen of 20,610 Mtb derived peptides in 21 Active TB (ATB) patients 3-4 months post-diagnosis of pulmonary TB (mid-treatment) using an IFNγ and IL-17 Fluorospot assay. Responses were mediated exclusively by IFNγ and identified a total of 137 unique epitopes, with each patient recognizing, on average, 8 individual epitopes and 22 epitopes (16%) recognized by 2 or more participants. Responses were predominantly directed against antigens part of the cell wall and cell processes category. Testing 517 peptides spanning TB vaccine candidates and ESAT-6 and CFP10 antigens also revealed differential recognition between ATB participants mid-treatment and healthy IGRA+ participants of several vaccine antigens. An ATB-specific peptide pool consisting of epitopes exclusively recognized by participants mid-treatment, allowed distinguishing participants with active pulmonary TB from healthy interferon-gamma release assay (IGRA)+/- participants from diverse geographical locations. Analysis of longitudinal samples indicated decreased reactivity during treatment for pulmonary TB. Together, these results show that a proteome-wide screen of T cell reactivity identifies epitopes and antigens that are differentially recognized depending on the Mtb infection stage. These have potential use in developing diagnostics and vaccine candidates and measuring correlates of protection.