Progressive lung fibrosis is a major cause of mortality in systemic sclerosis (SSc) patients, but the underlying mechanisms remain unclear. We demonstrate that immune complexes (ICs) activate human monocytes to promote lung fibroblast migration partly via osteopontin (OPN) secretion, which is amplified by autocrine monocyte colony stimulating factor (MCSF) and interleukin-6 (IL-6) activity. Bulk and single-cell RNA sequencing demonstrate that elevated OPN expression in SSc lung tissue is enriched in macrophages, partially overlapping with CCL18 expression. Serum OPN is elevated in SSc patients with interstitial lung disease (ILD) and prognosticates future lung function deterioration in SSc cohorts. Serum OPN levels decrease following tocilizumab (monoclonal anti-IL-6 receptor) treatment, confirming the connection between IL-6 and OPN in SSc patients. Collectively, these data suggest a plausible link between autoantibodies and lung fibrosis progression, where circulating OPN serves as a systemic proxy for IC-driven profibrotic macrophage activity, highlighting its potential as a promising biomarker in SSc ILD.

Abstract Aging is associated with both overt and subclinical lung fibrosis, which increases risk for mortality from viruses and other respiratory pathogens. The molecular programs that induce fibrosis in the aging lung are not well understood. To overcome this knowledge gap, we undertook multimodal profiling of distal lung samples from healthy human donors across the lifespan. Telomere shortening, a cause of cell senescence and fibrosis, was progressive with age in a sample of 86 lungs and was associated with foci of DNA damage. Bulk RNA sequencing confirmed activation of cellular senescence and pro-fibrotic pathways as well as genes necessary for collagen processing with increasing age. These findings were validated in independent datasets for lung and sun-exposed skin, but not other organs including heart, liver and kidney. Cell type deconvolution analysis revealed a progressive loss of lung epithelial cells and an increasing proportion of fibroblasts. Consistent with the observed pro-fibrotic transcriptional profile, second harmonic imaging demonstrated increased density of interstitial collagen in aged human lungs. Furthermore, regions of parenchymal fibrosis were associated with decreased alveolar expansion and surfactant secretion. These findings reveal the transcriptional and structural features of fibrosis and associated physiologic impairments in normal lung aging.

Systemic sclerosis (SSc) interstitial lung disease (ILD) is among the leading causes of SSc-related morbidity and mortality. Tocilizumab (TCZ, anti-IL6RA) has demonstrated a reduced rate of pulmonary function decline in two phase 2/3 trials (faSScinate and focuSSced) in SSc-ILD patients. We performed transcriptome analysis of skin biopsy samples collected in the studies to decipher gene networks that were potentially associated with clinical responses to TCZ treatment. One module correlated with disease progression showed pharmacodynamic changes with TCZ treatment, and was characterized by plasma cell (PC) genes. PC signature gene expression levels were also significantly increased in both fibrotic SSc and IPF lungs compared to controls. scRNAseq analyses confirmed that PC signature genes were co-expressed in CD38 and CD138 expressing PC subsets in SSc lungs. These data provide insights into the potential role of PC in disease progression and mechanisms of action of TCZ in fibrotic interstitial lung diseases.

Abstract Single-cell RNA-seq (scRNA-seq) studies have profiled over 100 million human cells across diseases, developmental stages, and perturbations to date. A singular view of this vast and growing expression landscape could help reveal novel associations between cell states and diseases, discover cell states in unexpected tissue contexts, and relate in vivo cells to in vitro models. However, these require a common, scalable representation of cell profiles from across the body, a general measure of their similarity, and an efficient way to query these data. Here, we present SCimilarity, a metric learning framework to learn and search a unified and interpretable representation that annotates cell types and instantaneously queries for a cell state across tens of millions of profiles. We demonstrate SCimilarity on a 22.7 million cell corpus assembled across 399 published scRNA-seq studies, showing accurate integration, annotation and querying. We experimentally validated SCimilarity by querying across tissues for a macrophage subset originally identified in interstitial lung disease, and showing that cells with similar profiles are found in other fibrotic diseases, tissues, and a 3D hydrogel system, which we then repurposed to yield this cell state in vitro . SCimilarity serves as a foundational model for single cell gene expression data and enables researchers to query for similar cellular states across the entire human body, providing a powerful tool for generating novel biological insights from the growing Human Cell Atlas.