Understanding immune memory to severe acute respiratory syndrome coronavirus 2 (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 after infection. Immunoglobulin G (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 after symptom onset. SARS-CoV-2-specific CD4

The Immune Epitope Database (IEDB, iedb.org) captures experimental data confined in figures, text and tables of the scientific literature, making it freely available and easily searchable to the public. The scope of the IEDB extends across immune epitope data related to all species studied and includes antibody, T cell, and MHC binding contexts associated with infectious, allergic, autoimmune, and transplant related diseases. Having been publicly accessible for >10 years, the recent focus of the IEDB has been improved query and reporting functionality to meet the needs of our users to access and summarize data that continues to grow in quantity and complexity. Here we present an update on our current efforts and future goals.

Reliable prediction of antibody, or B-cell, epitopes remains challenging yet highly desirable for the design of vaccines and immunodiagnostics. A correlation between antigenicity, solvent accessibility, and flexibility in proteins was demonstrated. Subsequently, Thornton and colleagues proposed a method for identifying continuous epitopes in the protein regions protruding from the protein's globular surface. The aim of this work was to implement that method as a web-tool and evaluate its performance on discontinuous epitopes known from the structures of antibody-protein complexes.Here we present ElliPro, a web-tool that implements Thornton's method and, together with a residue clustering algorithm, the MODELLER program and the Jmol viewer, allows the prediction and visualization of antibody epitopes in a given protein sequence or structure. ElliPro has been tested on a benchmark dataset of discontinuous epitopes inferred from 3D structures of antibody-protein complexes. In comparison with six other structure-based methods that can be used for epitope prediction, ElliPro performed the best and gave an AUC value of 0.732, when the most significant prediction was considered for each protein. Since the rank of the best prediction was at most in the top three for more than 70% of proteins and never exceeded five, ElliPro is considered a useful research tool for identifying antibody epitopes in protein antigens. ElliPro is available at http://tools.immuneepitope.org/tools/ElliPro.The results from ElliPro suggest that further research on antibody epitopes considering more features that discriminate epitopes from non-epitopes may further improve predictions. As ElliPro is based on the geometrical properties of protein structure and does not require training, it might be more generally applied for predicting different types of protein-protein interactions.

Preexisting immune response to SARS-CoV-2 Robust T cell responses to the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) virus occur in most individuals with coronavirus disease 2019 (COVID-19). Several studies have reported that some people who have not been exposed to SARS-CoV-2 have preexisting reactivity to SARS-CoV-2 sequences. The immunological mechanisms underlying this preexisting reactivity are not clear, but previous exposure to widely circulating common cold coronaviruses might be involved. Mateus et al. found that the preexisting reactivity against SARS-CoV-2 comes from memory T cells and that cross-reactive T cells can specifically recognize a SARS-CoV-2 epitope as well as the homologous epitope from a common cold coronavirus. These findings underline the importance of determining the impacts of preexisting immune memory in COVID-19 disease severity. Science , this issue p. 89

Effective countermeasures against the recent emergence and rapid expansion of the 2019 novel coronavirus (SARS-CoV-2) require the development of data and tools to understand and monitor its spread and immune responses to it. However, little information is available about the targets of immune responses to SARS-CoV-2. We used the Immune Epitope Database and Analysis Resource (IEDB) to catalog available data related to other coronaviruses. This includes SARS-CoV, which has high sequence similarity to SARS-CoV-2 and is the best-characterized coronavirus in terms of epitope responses. We identified multiple specific regions in SARS-CoV-2 that have high homology to the SARS-CoV virus. Parallel bioinformatic predictions identified a priori potential B and T cell epitopes for SARS-CoV-2. The independent identification of the same regions using two approaches reflects the high probability that these regions are promising targets for immune recognition of SARS-CoV-2. These predictions can facilitate effective vaccine design against this virus of high priority.

The IEDB, www.iedb.org, contains information on immune epitopes--the molecular targets of adaptive immune responses--curated from the published literature and submitted by National Institutes of Health funded epitope discovery efforts. From 2004 to 2012 the IEDB curation of journal articles published since 1960 has caught up to the present day, with >95% of relevant published literature manually curated amounting to more than 15,000 journal articles and more than 704,000 experiments to date. The revised curation target since 2012 has been to make recent research findings quickly available in the IEDB and thereby ensure that it continues to be an up-to-date resource. Having gathered a comprehensive dataset in the IEDB, a complete redesign of the query and reporting interface has been performed in the IEDB 3.0 release to improve how end users can access this information in an intuitive and biologically accurate manner. We here present this most recent release of the IEDB and describe the user testing procedures as well as the use of external ontologies that have enabled it.

SARS-CoV-2 has been identified as the causative agent of a global outbreak of respiratory tract disease (COVID-19). In some patients the infection results in moderate to severe acute respiratory distress syndrome (ARDS), requiring invasive mechanical ventilation. High serum levels of IL-6, IL-10 and an immune hyperresponsiveness referred to as a 'cytokine storm' have been associated with poor clinical outcome. Despite the large numbers of COVID-19 cases and deaths, information on the phenotype and kinetics of SARS-CoV-2-specific T cells is limited. Here, we studied 10 COVID-19 patients who required admission to an intensive care unit and detected SARS-CoV-2-specific CD4+ and CD8+ T cells in 10 out of 10 and 8 out of 10 patients, respectively. We also detected low levels of SARS-CoV-2-reactive T cells in 2 out of 10 healthy controls not previously exposed to SARS-CoV-2, which is indicative of cross-reactivity due to past infection with 'common cold' coronaviruses. The strongest T-cell responses were directed to the spike (S) surface glycoprotein, and SARS-CoV-2-specific T cells predominantly produced effector and Th1 cytokines, although Th2 and Th17 cytokines were also detected. Furthermore, we studied T-cell kinetics and showed that SARS-CoV-2-specific T cells are present relatively early and increase over time. Collectively, these data shed light on the potential variations in T-cell responses as a function of disease severity, an issue that is key to understanding the potential role of immunopathology in the disease, and also inform vaccine design and evaluation.

The authors devise an algorithm that can cluster T cell receptor (TCR) sequences sharing the same specificity, predict the HLA restriction of these TCR clusters on the basis of subjects’ genotypes and help to identify specific peptide major histocompatibility complex ligands. T cells have a critical role in the immune system, using receptors to recognize and respond to specific antigens. T cell receptors form in unique sequences during T cell development, resulting in a huge diversity of sequences. Mark Davis and colleagues address the challenging question of how T cell receptor sequences relate to antigen specificity. They start with T cells of defined specificity and a structural knowledge of the interaction of different T cell receptors with their major histocompatibility complex (MHC) in complex with cognate peptides. They use this to devise an algorithm that predicts the human leukocyte antigen (HLA) restriction of the T cell receptor targets and helps to identify specific peptide MHC ligands. Elsewhere in this issue, Paul Thomas and colleagues use molecular genetic tools to analyse the diversity of epitope-specific T cell repertoires to extract features that enable the prediction of T cell epitope specificity immunity based on sequence analysis. T cell receptor (TCR) sequences are very diverse, with many more possible sequence combinations than T cells in any one individual1,2,3,4. Here we define the minimal requirements for TCR antigen specificity, through an analysis of TCR sequences using a panel of peptide and major histocompatibility complex (pMHC)-tetramer-sorted cells and structural data. From this analysis we developed an algorithm that we term GLIPH (grouping of lymphocyte interactions by paratope hotspots) to cluster TCRs with a high probability of sharing specificity owing to both conserved motifs and global similarity of complementarity-determining region 3 (CDR3) sequences. We show that GLIPH can reliably group TCRs of common specificity from different donors, and that conserved CDR3 motifs help to define the TCR clusters that are often contact points with the antigenic peptides. As an independent validation, we analysed 5,711 TCRβ chain sequences from reactive CD4 T cells from 22 individuals with latent Mycobacterium tuberculosis infection. We found 141 TCR specificity groups, including 16 distinct groups containing TCRs from multiple individuals. These TCR groups typically shared HLA alleles, allowing prediction of the likely HLA restriction, and a large number of M. tuberculosis T cell epitopes enabled us to identify pMHC ligands for all five of the groups tested. Mutagenesis and de novo TCR design confirmed that the GLIPH-identified motifs were critical and sufficient for shared-antigen recognition. Thus the GLIPH algorithm can analyse large numbers of TCR sequences and define TCR specificity groups shared by TCRs and individuals, which should greatly accelerate the analysis of T cell responses and expedite the identification of specific ligands.

The serum level of RBD-binding antibodies correlates with SARS-CoV-2 neutralization and can be used for population-level surveillance.