The American College of Rheumatology and the European League Against Rheumatism have developed new classification criteria for rheumatoid arthritis (RA). The aim of Phase 2 of the development process was to achieve expert consensus on the clinical and laboratory variables that should contribute to the final criteria set.Twenty-four expert RA clinicians (12 from Europe and 12 from North America) participated in Phase 2. A consensus-based decision analysis approach was used to identify factors (and their relative weights) that influence the probability of "developing RA," complemented by data from the Phase 1 study. Patient case scenarios were used to identify and reach consensus on factors important in determining the probability of RA development. Decision analytic software was used to derive the relative weights for each of the factors and their categories, using choice-based conjoint analysis.The expert panel agreed that the new classification criteria should be applied to individuals with undifferentiated inflammatory arthritis in whom at least 1 joint is deemed by an expert assessor to be swollen, indicating definite synovitis. In this clinical setting, they identified 4 additional criteria as being important: number of joints involved and site of involvement, serologic abnormality, acute-phase response, and duration of symptoms in the involved joints. These criteria were consistent with those identified in the Phase 1 data-driven approach.The consensus-based, decision analysis approach used in Phase 2 complemented the Phase 1 efforts. The 4 criteria and their relative weights form the basis of the final criteria set.

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.

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.

Abstract Synovial tissue inflammation is a hallmark of rheumatoid arthritis (RA). Recent work has identified prominent pathogenic cell states in inflamed RA synovial tissue, such as T peripheral helper cells; however, the epigenetic regulation of these states has yet to be defined. Here, we examine genome-wide open chromatin at single-cell resolution in 30 synovial tissue samples, including 12 samples with transcriptional data in multimodal experiments. We identify 24 chromatin classes and predict their associated transcription factors, including a CD8 + GZMK + class associated with EOMES and a lining fibroblast class associated with AP-1. By integrating with an RA tissue transcriptional atlas, we propose that these chromatin classes represent ‘superstates’ corresponding to multiple transcriptional cell states. Finally, we demonstrate the utility of this RA tissue chromatin atlas through the associations between disease phenotypes and chromatin class abundance, as well as the nomination of classes mediating the effects of putatively causal RA genetic variants.

Droplet-based single cell RNA-seq has emerged as a powerful technique for massively parallel cellular profiling. While these approaches offer the exciting promise to deconvolute cellular heterogeneity in diseased tissues, the lack of cost-effective, reliable, and user-friendly instrumentation has hindered widespread adoption of droplet microfluidic techniques. To address this, we have developed a microfluidic control instrument that can be easily assembled from 3D printed parts and commercially available components costing approximately $540. We adapted this instrument for massively parallel scRNA-seq and deployed it in a clinical environment to perform single cell transcriptome profiling of disaggregated synovial tissue from a rheumatoid arthritis patient. We sequenced 8,716 single cells from a synovectomy, revealing 16 transcriptomically distinct clusters. These encompass a comprehensive and unbiased characterization of the autoimmune infiltrate, including inflammatory T and NK subsets that contribute to disease biology. Additionally, we identified fibroblast subpopulations that are demarcated via THY1 (CD90) and CD55 expression. Further experiments confirm that these represent synovial fibroblasts residing within the synovial intimal lining and subintimal lining, respectively, each under the influence of differing microenvironments. We envision that this instrument will have broad utility in basic and clinical settings, enabling low-cost and routine application of microfluidic techniques, and in particular single-cell transcriptome profiling.

High dimensional single-cell analyses have dramatically improved the ability to resolve complex mixtures of cells from human disease samples; however, identifying disease-associated cell types or cell states in patient samples remains challenging due to technical and inter-individual variation. Here we present Mixed effects modeling of Associations of Single Cells (MASC), a novel reverse single cell association strategy for testing whether case-control status influences the membership of single cells in any of multiple cellular subsets while accounting for technical confounds and biological variation. Applying MASC to mass cytometry analyses of CD4+ T cells from blood of rheumatoid arthritis (RA) patients and controls revealed a significantly expanded population of CD4+ T cells, identified as CD27- HLA-DR+ effector memory cells, in RA patients (OR = 1.7; p = 0.0011). The frequency of CD27- HLA-DR+ cells was similarly elevated in blood samples from a second RA patient cohort, and CD27- HLA-DR+ cell frequency decreased in RA patients who respond to immunosuppressive therapy. Compared to peripheral blood, synovial fluid and synovial tissue samples from RA patients contained ~5-fold higher frequencies of CD27- HLA-DR+ cells, which comprised ~10% of synovial CD4+ T cells. We find that CD27- HLA-DR+ cells are abundant producers of IFN-γ and also express perforin and granzyme A at elevated levels. Thus MASC identified the expansion of a unique Th1 skewed effector T cell population with cytotoxic capacity in RA. We propose that MASC is a broadly applicable method to identify disease-associated cell populations in high-dimensional single cell data.

Fibroblasts mediate normal tissue matrix remodeling, but they can cause fibrosis or tissue destruction following chronic inflammation. In rheumatoid arthritis (RA), synovial fibroblasts expand, degrade cartilage, and drive joint inflammation. Little is known about fibroblast heterogeneity or if aberrations in fibroblast subsets relate to disease pathology. Here, we used an integrative strategy, including bulk transcriptomics on targeted subpopulations and unbiased single-cell transcriptomics, to analyze fibroblasts from synovial tissues. We identify 7 phenotypic fibroblast subsets with distinct surface protein phenotypes, and these collapsed into 3 subsets based on transcriptomics data. One subset expressing PDPN, THY1, but lacking CD34 was 3-fold expanded in RA relative to osteoarthritis (P=0.007); most of these cells expressed CDH11. The subsets were found to differ in expression of cytokines and matrix metalloproteinases, localization in synovial microanatomy, and in response to TNF. Our approach provides a template to identify pathogenic stromal cellular subsets in complex diseases.

Macrophages tailor their function to the signals found in tissue microenvironments, taking on a wide spectrum of phenotypes. In human tissues, a detailed understanding of macrophage phenotypes is limited. Using single-cell RNA-sequencing, we define distinct macrophage subsets in the joints of patients with the autoimmune disease rheumatoid arthritis (RA), which affects ~1% of the population. The subset we refer to as HBEGF+ inflammatory macrophages is enriched in RA tissues and shaped by resident fibroblasts and the cytokine TNF. These macrophages promote fibroblast invasiveness in an EGF receptor dependent manner, indicating that inflammatory intercellular crosstalk reshapes both cell types and contributes to fibroblast-mediated joint destruction. In an ex vivo tissue assay, the HBEGF+ inflammatory macrophage is targeted by several anti-inflammatory RA medications, however, COX inhibition redirects it towards a different inflammatory phenotype that is also expected to perpetuate pathology. These data highlight advances in understanding the pathophysiology and drug mechanisms in chronic inflammatory disorders can be achieved by focusing on macrophage phenotypes in the context of complex interactions in human tissues.

To define the cell populations in rheumatoid arthritis (RA) driving joint inflammation, we applied single-cell RNA-seq (scRNA-seq), mass cytometry, bulk RNA-seq, and flow cytometry to sorted T cells, B cells, monocytes, and fibroblasts from 51 synovial tissue RA and osteoarthritis (OA) patient samples. Utilizing an integrated computational strategy based on canonical correlation analysis to 5,452 scRNA-seq profiles, we identified 18 unique cell populations. Combining mass cytometry and transcriptomics together revealed cell states expanded in RA synovia: THY1+HLAhigh sublining fibroblasts (OR=33.8), IL1B+ pro-inflammatory monocytes (OR=7.8), CD11c+T-bet+ autoimmune-associated B cells (OR=5.7), and PD-1+ Tph/Tfh (OR=3.0). We also defined CD8+ T cell subsets characterized by GZMK+, GZMB+, and GNLY+ expression. Using bulk and single-cell data, we mapped inflammatory mediators to source cell populations, for example attributing IL6 production to THY1+HLAhigh fibroblasts and naive B cells, and ILB to pro-inflammatory monocytes. These populations are potentially key mediators of RA pathogenesis.