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.

Abstract In this study, we leveraged a combination of single cell RNAseq, cytometry by time of flight (CyTOF), and flow cytometry to study the biology of a unique macrophage population in pulmonary fibrosis. Using the profiling data from 312,928 cells derived from 32 idiopathic pulmonary fibrosis (IPF), 29 healthy control and 18 chronic obstructive pulmonary disease (COPD) lungs, we identified an expanded population of macrophages in IPF that have a unique transcriptional profile associated with pro-fibrotic signature. These macrophages attain a hybrid transitional state between alveolar and interstitial macrophages, are enriched with biological processes of pro-fibrotic immune cells, and express novel surface markers and genes that have not been previously reported. We then applied single cell CyTOF to simultaneously measure 37 markers to precisely phenotype the uniquely expanded macrophage subset in IPF lungs. The SPADE algorithm independently identified an expanded macrophage cluster, and validated CD84 and CD36 as novel surface markers that highly label this cluster. Using a separate validation cohort, we confirmed an increase in CD84 ++ CD36 ++ macrophage population in IPF compared to control and COPD lungs by flow cytometry. Further, using the signature from the IPF-specific macrophages and the LINCS drug database, we predicted small molecules that could reverse the signature of IPF-specific macrophages, and validated two molecules, CRT and Cucur, using THP-1 derived human macrophages and precision-cut lung slices (PCLS) from IPF patients. Utilizing a multi-dimensional translational approach, our work identified a novel and targetable population of macrophages found in end-stage pulmonary fibrosis. One Sentence Summary Single cell RNAseq, CyTOF, and flow cytometry reveal the presence of an aberrant macrophage population in pulmonary fibrosis

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 Combining single-cell cytometry datasets increases the analytical flexibility and the statistical power of data analyses. However, in many cases the full potential of co-analyses is not reached due to technical variance between data from different experimental batches. Here, we present cyCombine, a method to robustly integrate cytometry data from different batches, experiments, or even different experimental techniques, such as CITE-seq, flow cytometry, and mass cytometry. We demonstrate that cyCombine maintains the biological variance and the structure of the data, while minimizing the technical variance between datasets. cyCombine does not require technical replicates across datasets, and computation time scales linearly with the number of cells, allowing for integration of massive datasets. Robust, accurate, and scalable integration of cytometry data enables integration of multiple datasets for primary data analyses and the validation of results using public datasets.

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.

ABSTRACT Objectives Neutrophils are typically the most abundant leukocyte in arthritic synovial fluid. We sought to understand changes that occur in neutrophils as they migrate from blood to joint. Methods We performed RNA sequencing of neutrophils from healthy human blood, arthritic blood, and arthritic synovial fluid, comparing transcriptional signatures with those from murine K/BxN serum transfer arthritis. We employed mass cytometry to quantify protein expression and sought to reproduce the synovial fluid phenotype ex vivo in cultured healthy blood neutrophils. Results Blood neutrophils from healthy donors and patients with active arthritis exhibited largely similar transcriptional signatures. By contrast, synovial fluid neutrophils exhibited more than 1,600 differentially expressed genes. Gene signatures identified a prominent response to interferon gamma (IFNγ), as well as to tumor necrosis factor, interleukin 6, and hypoxia, in both humans and mice. Mass cytometry also found healthy and arthritic donor blood neutrophils largely indistinguishable but revealed a range of neutrophil phenotypes in synovial fluid defined by downregulation of CXCR1 and upregulation of FcγRI, HLA-DR, PD-L1, ICAM-1 and CXCR4. Reproduction of key elements of this signature in cultured blood neutrophils required both IFNγ and prolonged culture. Conclusions Circulating neutrophils from arthritis patients resemble those from healthy controls, but joint fluid cells exhibit a network of changes, conserved across species, that implicate IFNγ response and aging as complementary drivers of the synovial neutrophil phenotype. KEY MESSAGES What is already known about this subject? Neutrophils are central in the effector phase of inflammatory arthritis but their phenotypic heterogeneity in inflamed synovial fluid is poorly understood. What does this study add? RNA-seq and mass cytometry identify a hallmark phenotype of neutrophils in synovial fluid consisting of upregulated ICAM-1, HLA-DR, PD-L1, Fc receptors and CXCR4. Transcriptomics highlight an IFNγ response signature conserved across humans and mice. In vitro experiments implicate aging and IFNγ as complementary factors orchestrating the synovial fluid neutrophil phenotype. How might this impact on clinical practice or future developments? Understanding the specific features of neutrophils in the arthritic joint may disclose opportunities for safe therapeutic targeting of this lineage.

Abstract Objective To investigate the immune cell profiling and their longitudinal changes in systemic lupus erythematosus (SLE). Methods We employed mass cytometry with three different 38-39 marker panels (Immunophenotyping, T cell/monocyte, and B cell) in cryopreserved peripheral blood mononuclear cells (PBMCs) from nine patients with early SLE, 15 patients with established SLE, and 14 non-inflammatory controls. We used machine learning-driven clustering, FlowSOM (Flow Self-Organizing Maps) and dimensional reduction with tSNE (t-distributed Stochastic Neighbor Embedding) to identify unique cell populations in early and established SLE. For the nine early SLE patients, longitudinal mass cytometry analysis was applied to PBMCs at three time points (at enrollment, six months post-enrollment, and one year post-enrollment). Serum samples were also assayed for 65 cytokines by Luminex multiplex assay, and associations between cell types and cytokines/chemokines assessed. Results T peripheral helper cells (Tph cells), T follicular helper cells (Tfh cells) and several Ki67 + proliferating subsets (ICOS + Ki67 + CD8 T cells, Ki67 + regulatory T cells, CD19 int Ki67 hi plasmablasts, and Ki67 hi PU.1 hi monocytes) were increased in early SLE. Longitudinal mass cytometry and multiplex serum cytokine assays of samples from early SLE patients revealed that Tfh cells and CXCL10 decreased at one year post-enrollment. CXCL13 correlated positively with several of the expanded cell populations in early SLE. Conclusions Two major helper T cell subsets and unique Ki67 + proliferating immune cell subsets were expanded in the early phase of SLE, and the immunologic features characteristic of early SLE evolved over time.

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.