Abstract Rheumatoid arthritis is a prototypical autoimmune disease that causes joint inflammation and destruction 1 . There is currently no cure for rheumatoid arthritis, and the effectiveness of treatments varies across patients, suggesting an undefined pathogenic diversity 1,2 . Here, to deconstruct the cell states and pathways that characterize this pathogenic heterogeneity, we profiled the full spectrum of cells in inflamed synovium from patients with rheumatoid arthritis. We used multi-modal single-cell RNA-sequencing and surface protein data coupled with histology of synovial tissue from 79 donors to build single-cell atlas of rheumatoid arthritis synovial tissue that includes more than 314,000 cells. We stratified tissues into six groups, referred to as cell-type abundance phenotypes (CTAPs), each characterized by selectively enriched cell states. These CTAPs demonstrate the diversity of synovial inflammation in rheumatoid arthritis, ranging from samples enriched for T and B cells to those largely lacking lymphocytes. Disease-relevant cell states, cytokines, risk genes, histology and serology metrics are associated with particular CTAPs. CTAPs are dynamic and can predict treatment response, highlighting the clinical utility of classifying rheumatoid arthritis synovial phenotypes. This comprehensive atlas and molecular, tissue-based stratification of rheumatoid arthritis synovial tissue reveal new insights into rheumatoid arthritis pathology and heterogeneity that could inform novel targeted treatments.

Summary Rheumatoid arthritis (RA) is a prototypical autoimmune disease that causes destructive tissue inflammation in joints and elsewhere. Clinical challenges in RA include the empirical selection of drugs to treat patients, inadequate responders with incomplete disease remission, and lack of a cure. We profiled the full spectrum of cells in inflamed synovium from patients with RA with the goal of deconstructing the cell states and pathways characterizing pathogenic heterogeneity in RA. Our multicenter consortium effort used multi-modal CITE-seq, RNA-seq, and histology of synovial tissue from 79 donors to build a >314,000 single-cell RA synovial cell atlas with 77 cell states from T, B/plasma, natural killer, myeloid, stromal, and endothelial cells. We stratified tissue samples into six distinct cell type abundance phenotypes (CTAPs) individually enriched for specific cell states. These CTAPs demonstrate the striking diversity of RA synovial inflammation, ranging from marked enrichment of T and B cells (CTAP-TB) to a congregation of specific myeloid, fibroblast, and endothelial cells largely lacking lymphocytes (CTAP-EFM). Disease-relevant cytokines, histology, and serology metrics are associated with certain CTAPs. This comprehensive RA synovial atlas and molecular, tissue-based CTAP stratification reveal new insights into RA pathology and heterogeneity, which could lead to novel targeted-treatment approaches in RA.

Immunosuppressive and anti-cytokine treatment may have a protective effect for patients with COVID-19. Understanding the immune cell states shared between COVID-19 and other inflammatory diseases with established therapies may help nominate immunomodulatory therapies. Using an integrative strategy, we built a reference by meta-analyzing > 300,000 immune cells from COVID-19 and 5 inflammatory diseases including rheumatoid arthritis (RA), Crohn's disease (CD), ulcerative colitis (UC), lupus, and interstitial lung disease. Our cross-disease analysis revealed that an FCN1 + inflammatory macrophage state is common to COVID-19 bronchoalveolar lavage samples, RA synovium, CD ileum, and UC colon. We also observed that a CXCL10 + CCL2 + inflammatory macrophage state is abundant in severe COVID-19, inflamed CD and RA, and expresses inflammatory genes such as GBP1, STAT1 , and IL1B . We found that the CXCL10 + CCL2 + macrophages are transcriptionally similar to blood-derived macrophages stimulated with TNF- α and IFN- γ ex vivo . Our findings suggest that IFN- γ , alongside TNF- α , might be a key driver of this abundant inflammatory macrophage phenotype in severe COVID-19 and other inflammatory diseases, which may be targeted by existing immunomodulatory therapies.

Abstract Background Detailed molecular analyses of cells from rheumatoid arthritis (RA) synovium hold promise in identifying cellular phenotypes that drive tissue pathology and joint damage. The Accelerating Medicines Partnership (AMP) RA/SLE network aims to deconstruct autoimmune pathology by examining cells within target tissues through multiple high-dimensional assays. Robust standardized protocols need to be developed before cellular phenotypes at a single cell level can be effectively compared across patient samples. Methods Multiple clinical sites collected cryopreserved synovial tissue fragments from arthroplasty and synovial biopsy in a 10%-DMSO solution. Mechanical and enzymatic dissociation parameters were optimized for viable cell extraction and surface protein preservation for cell sorting and mass cytometry, as well as for reproducibility in RNA sequencing (RNA-seq). Cryopreserved synovial samples were collectively analyzed at a central processing site by a custom-designed and validated 35-marker mass cytometry panel. In parallel, each sample was flow sorted into fibroblast, T cell, B cell, and macrophage suspensions for bulk population RNA-seq and plate-based single cell CEL-Seq2 RNA-seq. Results Upon dissociation, cryopreserved synovial tissue fragments yielded a high frequency of viable cells, comparable to samples undergoing immediate processing. Optimization of synovial tissue dissociation across six clinical collection sites with ∼30 arthroplasty and ∼20 biopsy samples yielded a consensus digestion protocol using 100µg/mL of Liberase TL ™ enzyme. This protocol yielded immune and stromal cell lineages with preserved surface markers and minimized variability across replicate RNA-seq transcriptomes. Mass cytometry analysis of cells from cryopreserved synovium distinguished: 1) diverse fibroblast phenotypes, 2) distinct populations of memory B cells and antibody-secreting cells, and 3) multiple CD4+ and CD8+ T cell activation states. Bulk RNA sequencing of sorted cell populations demonstrated robust separation of synovial lymphocytes, fibroblasts, and macrophages. Single cell RNA-seq produced transcriptomes of over 1000 genes/cell, including transcripts encoding characteristic lineage markers identified. Conclusion We have established a robust protocol to acquire viable cells from cryopreserved synovial tissue with intact transcriptomes and cell surface phenotypes. A centralized pipeline to generate multiple high-dimensional analyses of synovial tissue samples collected across a collaborative network was developed. Integrated analysis of such datasets from large patient cohorts may help define molecular heterogeneity within RA pathology and identify new therapeutic targets and biomarkers.

Prioritizing disease-critical cell types by integrating genome-wide association studies (GWAS) with functional data is a fundamental goal. Single-cell chromatin accessibility (scATAC-seq) and gene expression (scRNA-seq) have characterized cell types at high resolution, and early work on integrating GWAS with scRNA-seq has shown promise, but work on integrating GWAS with scATAC-seq has been limited. Here, we identify disease-critical fetal and adult brain cell types by integrating GWAS summary statistics from 28 brain-related diseases and traits (average N=298K) with 3.2 million scATAC-seq and scRNA-seq profiles from 83 cell types. We identified disease-critical fetal (resp. adult) brain cell types for 22 (resp. 23) of 28 traits using scATAC-seq data, and for 8 (resp. 17) of 28 traits using scRNA-seq data. Notable findings using scATAC-seq data included highly significant enrichments of fetal photoreceptor cells for major depressive disorder, fetal ganglion cells for BMI, fetal astrocytes for ADHD, and adult VGLUT2 excitatory neurons for schizophrenia. Our findings improve our understanding of brain-related diseases and traits, and inform future analyses of other diseases/traits.

Abstract The morphology of cells is dynamic and mediated by genetic and environmental factors. Characterizing how genetic variation impacts cell morphology can provide an important link between disease association and cellular function. Here, we combined genomic and high-content imaging approaches on iPSCs from 297 unique donors to investigate the relationship between genetic variants and cellular morphology to map what we term cell morphological quantitative trait loci (cmQTLs). We identified novel associations between rare protein altering variants in WASF2, TSPAN15 , and PRLR with several morphological traits related to cell shape, nucleic granularity, and mitochondrial distribution. Knockdown of these genes by CRISPRi confirmed their role in cell morphology. Analysis of common variants yielded one significant association and nominated over 300 variants with suggestive evidence (P<10 -6 ) of association with one or more morphology traits. Our results showed that, similar to other molecular phenotypes, morphological profiling can yield insight about the function of genes and variants.

Abstract Many non-coding genetic variants cause disease by modulating gene expression. However, identifying these expression quantitative trait loci (eQTLs) is complicated by gene-regulation differences between cell states. T cells, for example, have fluid, multifaceted functional states in vivo that cannot be modeled in eQTL studies that aggregate cells. Here, we modeled T cell states and eQTLs at single-cell resolution. Using >500,000 resting memory T cells from 259 Peruvians, we found over one-third of the 6,511 cis -eQTLs had state-dependent effects. By integrating single-cell RNA and surface protein measurements, we defined continuous cell states that explained more eQTL variation than discrete states like CD4+ or CD8+ T cells and could have opposing effects on independent eQTL variants in a locus. Autoimmune variants were enriched in cell-state-dependent eQTLs, such as a rheumatoid-arthritis variant near ORMDL3 strongest in cytotoxic CD8+ T cells. These results argue that fine-grained cell state context is crucial to understanding disease-associated eQTLs.

Abstract Current inflammatory bowel disease (IBD) therapies are ineffective in a high proportion of patients. Combining bulk and single-cell transcriptomics, quantitative histopathology, and in situ localisation, we describe heterogeneity of the tissular inflammatory response in IBD treatment failure. Among inflammatory pathotypes, we found high neutrophil infiltration, activation of fibroblasts, and vascular remodelling at sites of deep ulceration was a feature of non-response to several anti-inflammatory therapies. Activated fibroblasts in the ulcer bed display neutrophil chemoattractant properties that are IL-1R- but not TNF-dependent. The identification of distinct, localised, tissular pathotypes associated with treatment non-response will aid precision targeting of current therapeutics and provide a biological rationale for IL-1 signalling blockade in ulcerating disease.

Summary The role of stromal fibroblasts in chronic inflammation is unfolding. In rheumatoid arthritis (RA), leukocyte-derived cytokines tumor necrosis factor (TNF) and IL-17A work together, activating fibroblasts to become a dominant source of the hallmark cytokine IL-6. However, IL-17A alone has minimal effect on fibroblasts. To identify key mediators of the synergistic response to TNF and IL-17A in human synovial fibroblasts, we performed time series, dose response, and gene silencing transcriptomics experiments. Here we show that in combination with TNF, IL-17A selectively induces a specific set of genes mediated by factors including CUX1 and IκBζ. In the promoters of CXCL1 , CXCL2 , and CXCL3 , we found a putative CUX1-NF-κB binding motif not found elsewhere in the genome. CUX1 and NF-κB p65 mediate transcription of these genes independent of LIFR, STAT3, STAT4, and ELF3. Transcription of NFKBIZ , encoding the atypical IκB factor IκBζ, is IL-17A dose-dependent, and IκBζ only mediates the transcriptional response to TNF and IL-17A, but not to TNF alone. In fibroblasts, IL-17A response depends on CUX1 and IκBζ to engage the NF-κB complex to produce chemoattractants for neutrophil and monocyte recruitment.

Abstract As single-cell datasets grow in sample size, there is a critical need to characterize cell states that vary across samples and associate with sample attributes like clinical phenotypes. Current statistical approaches typically map cells to cell-type clusters and examine sample differences through that lens alone. Here we present covarying neighborhood analysis (CNA), an unbiased method to identify cell populations of interest with greater flexibility and granularity. CNA characterizes dominant axes of variation across samples by identifying groups of very small regions in transcriptional space—termed neighborhoods—that covary in abundance across samples, suggesting shared function or regulation. CNA can then rigorously test for associations between any sample-level attribute and the abundances of these covarying neighborhood groups. We show in simulation that CNA enables more powerful and accurate identification of disease-associated cell states than a cluster-based approach. When applied to published datasets, CNA captures a Notch activation signature in rheumatoid arthritis, redefines monocyte populations expanded in sepsis, and identifies a previously undiscovered T-cell population associated with progression to active tuberculosis.