Linking cell dynamics with coexpression networks to characterize key events in chronic virus infection

Abstract

The host immune response against infection requires the coordinated action of many diverse cell subsets that dynamically adapt to a pathogen threat. Due to the complexity of such a response, most immunological studies have focused on a few genes, proteins, or cell types. With the development of “omic”-technologies and computational analysis methods, attempts to analyse and understand complex system dynamics are now feasible. However, the decomposition of transcriptomic data sets generated from complete organs remains a major challenge. Here, we combined Weighted Gene Coexpression Network Analysis (WGCNA) and Digital Cell Quantifier (DCQ) to analyse time-resolved mouse splenic transcriptomes in acute and chronic Lymphocytic Choriomeningitis Virus (LCMV) infections. This enabled us to generate hypotheses about complex immune functioning after a virus-induced perturbation. This strategy was validated by successfully predicting several known immune phenomena, such as effector cytotoxic T lymphocyte (CTL) expansion and exhaustion. Furthermore, we predicted and subsequently verified experimentally that virus-specific CD8+ T cells with an early effector transcriptome profile participate in the host adaptation to an overwhelming virus threat. Thus, the linking of gene expression changes with immune cell kinetics provides novel insights into the complex immune processes within infected tissues.

La respuesta inmune del huésped contra una infección requiere la acción coordinada de varios tipos de células que, de forma dinámica, se adapta a la amenaza del patógeno. Debido a la complejidad de dicha respuesta, la mayoría de los estudios inmunológicos se han centrado en pocos genes, proteínas o en células específicas. Con el desarrollo de tecnologías "ómicas" y métodos de análisis computacionales, los intentos de analizar y comprender sistemas complejos ahora son más factibles. Sin embargo, la descomposición de datos de transcriptomas, generados a partir de órganos completos sigue siendo un desafío importante. Aquí he combinado Weighted Gene Coexpression Network Analysis (WGCNA) y Digital Cell Quantifier (DCQ) para analizar los perfiles transcriptómicos de bazos de ratón, a diferentes tiempos, durante la infección aguda y crónica por el virus de la Coriomeningitis Linfocítica Aguda (LCMV). Este método nos ha permitido generar hipótesis sobre funcionamiento del complejo sistema inmune después de una perturbación inducida por el virus. Esta estrategia fue validada al predecir con éxito varios fenómenos inmunes conocidos, como la expansión de los linfocitos T citotóxicos (CTL) y el fenómeno conocido como agotamiento. Además, he predicho y posteriormente verificado de forma experimental que las células efectoras T CD8+ específicas de virus, con un perfil de transcriptoma efector temprano, participan en la adaptación a la amenaza del virus. Por lo tanto, la conexión entre la expresión de genes y la cinética de las células del sistema inmune, proporciona nuevos conocimientos sobre los complejos procesos inmunes en tejidos infectados.