Objective Accumulation of myofibroblasts in fibrotic skin is a hallmark of systemic sclerosis (SSc; scleroderma), but the origins of these cells remain unknown. Because loss of intradermal adipose tissue is a consistent feature of cutaneous fibrosis, we sought to examine the hypothesis that myofibroblasts populating fibrotic dermis derive from adipocytic progenitors. Methods We performed genetic fate mapping studies to investigate the loss of intradermal adipose tissue and its potential role in fibrosis in mice with bleomycin‐induced scleroderma. Modulation of adipocytic phenotypes ex vivo was investigated in adipose tissue–derived cells in culture. Results A striking loss of intradermal adipose tissue and its replacement with fibrous tissue were consistently observed in mice with bleomycin‐induced fibrosis. Loss of adipose tissue and a decline in the expression of canonical adipogenic markers in lesional skin preceded the onset of dermal fibrosis and expression of fibrogenic markers. Ex vivo, subcutaneous adipocytes were driven by transforming growth factor β to preferentially undergo fibrogenic differentiation. Cell fate mapping studies in mice with the adiponectin promoter–driven Cre recombinase transgenic construct indicated that adiponectin‐positive progenitors that are normally confined to the intradermal adipose tissue compartment were distributed throughout the lesional dermis over time, lost their adipocytic markers, and expressed myofibroblast markers in bleomycin‐treated mice. Conclusion These observations establish a novel link between intradermal adipose tissue loss and dermal fibrosis and demonstrate that adiponectin‐positive intradermal progenitors give rise to dermal myofibroblasts. Adipose tissue loss and adipocyte–myofibroblast transition might be primary events in the pathogenesis of cutaneous fibrosis that represent novel potential targets for therapeutic intervention.

T cells play a key role in the pathogenesis of early systemic sclerosis. This study was undertaken to assess the safety and efficacy of abatacept in patients with diffuse cutaneous systemic sclerosis (dcSSc).

Four intrinsic molecular subsets (inflammatory, fibroproliferative, limited, normal-like) have previously been identified in SSc and are characterized by unique gene expression signatures and pathways. The intrinsic subsets have been linked to improvement with specific therapies. Here, we investigated associations between baseline demographics and intrinsic molecular subsets in a meta-analysis of published datasets.Publicly available gene expression data from skin biopsies of 311 SSc patients measured by DNA microarray were classified into the intrinsic molecular subsets. RNA-sequencing data from 84 participants from the ASSET trial were used as a validation cohort. Baseline clinical demographics and intrinsic molecular subsets were tested for statistically significant associations.Males were more likely to be classified in the fibroproliferative subset (P = 0.0046). SSc patients who identified as African American/Black were 2.5 times more likely to be classified as fibroproliferative compared with White/Caucasian patients (P = 0.0378). ASSET participants sera positive for anti-RNA pol I and RNA pol III autoantibodies were enriched in the inflammatory subset (P = 5.8 × 10-5, P = 9.3 × 10-5, respectively), while anti-Scl-70 was enriched in the fibroproliferative subset. Mean modified Rodnan Skin Score (mRSS) was statistically higher in the inflammatory and fibroproliferative subsets compared with normal-like (P = 0.0027). The average disease duration for inflammatory subset was less than fibroproliferative and normal-like intrinsic subsets (P = 8.8 × 10-4).We identified multiple statistically significant differences in baseline demographics between the intrinsic subsets that may represent underlying features of disease pathogenesis (e.g. chronological stages of fibrosis) and have implications for treatments that are more likely to work in certain SSc populations.

Here, the efficacy of abatacept in patients with early diffuse systemic sclerosis (dcSSc) was analyzed to test the hypothesis that patients in the inflammatory intrinsic subset would show the most significant clinical improvement. Eighty-four participants with dcSSc were randomized to receive abatacept or placebo for 12 months. RNA-Seq was performed on 233 skin paired biopsies at baseline and at 3 and 6 months. Improvement was defined as a 5-point or more than 20% change in modified Rodnan skin score (mRSS) between baseline and 12 months. Samples were assigned to intrinsic gene expression subsets (inflammatory, fibroproliferative, or normal-like subsets). In the abatacept arm, change in mRSS was most pronounced for the inflammatory and normal-like subsets relative to the placebo subset. Gene expression for participants on placebo remained in the original molecular subset, whereas inflammatory participants treated with abatacept had gene expression that moved toward the normal-like subset. The Costimulation of the CD28 Family Reactome Pathway decreased in patients who improved on abatacept and was specific to the inflammatory subset. Patients in the inflammatory subset had elevation of the Costimulation of the CD28 Family pathway at baseline relative to that of participants in the fibroproliferative and normal-like subsets. There was a correlation between improved ΔmRSS and baseline expression of the Costimulation of the CD28 Family pathway. This study provides an example of precision medicine in systemic sclerosis clinical trials.

Objective Among individuals with systemic sclerosis (SSc) randomized to cyclophosphamide (CYC) (n = 34) or hematopoietic stem cell transplantation (HSCT) (n = 33), we examined longitudinal trends of clinical, pulmonary function, and quality of life measures while accounting for the influence of early failures on treatment comparisons. Methods Assuming that data were missing at random, mixed‐effects regression models were used to estimate longitudinal trends for clinical measures when comparing treatment groups. Results were compared to observed means and to longitudinal trends estimated from shared parameter models, assuming that data were missing not at random. Longitudinal trends for SSc intrinsic molecular subsets defined by baseline gene expression signatures (normal‐like, inflammatory, and fibroproliferative signatures) were also studied. Results Available observed means for pulmonary function tests appeared to improve over time in both arms. However, after accounting for participant loss, forced vital capacity in HSCT recipients increased by 0.77 percentage points/year but worsened by –3.70/year for CYC ( P = 0.004). Similar results were found for diffusing capacity for carbon monoxide and quality of life indicators. Results for both analytic models were consistent. HSCT recipients in the inflammatory (n = 20) and fibroproliferative (n = 20) subsets had superior long‐term trends compared to CYC for pulmonary and quality of life measures. HSCT was also superior for modified Rodnan skin thickness scores in the fibroproliferative subset. For the normal‐like subset (n = 22), superiority of HSCT was less apparent. Conclusion Longitudinal trends estimated from 2 statistical models affirm the efficacy of HSCT over CYC in severe SSc. Failure to account for early loss of participants may distort estimated clinical trends over the long term.

Background

 A prior pilot study of abatacept in SSc with molecular gene expression data in skin (1) found that four of five patients who improved on abatacept, as determined by change in mRSS, were in the inflammatory intrinsic gene expression subset. Improvement was accompanied by a decrease in gene expression for immune pathways, including the CD28 and CTLA4 receptors—the target of abatacept. Here we tested our a priori hypothesis that the inflammatory subset shows a significant decline in mRSS during abatacept therapy. 

Objectives

 ASSET (Abatacept Systemic SclErosis Trial) is a Phase 2 study designed to assess the efficacy of subcutaneous abatacept to treat diffuse cutaneous systemic sclerosis. We performed RNA-sequencing (RNA-seq) analysis of skin biopsies and analyzed associations between intrinsic molecular subsets and clinical outcomes in the ASSET trial. 

Methods

 RNA-seq was performed on skin biopsies from 84 participants in the ASSET trial. A machine learning classifier was trained on independent cohorts and used to objectively classify patients into intrinsic gene expression subsets prior to study unblinding (2). Treatment differences in longitudinal outcomes were assessed using linear mixed effect models. 

Results

 84 participants were assigned to intrinsic subset at baseline resulting in 33 inflammatory, 18 fibroproliferative, and 33 normal-like samples. Change in mRSS over 12 months was significantly different between the abatacept and placebo treatment arms for the inflammatory (p<0.001) and normal-like (p=0.03) subsets, but there was no difference in the fibroproliferative subset of patients (p=0.47) (Figure 1). For FVC% predicted, the fibroproliferative subset showed a numerical increase in FVC% in the abatacept arm (p=0.19) while all other groups showed decreases in FVC%. All gene expression subsets showed decreases in HAQ-DI in the abatacept arm not observed in the placebo arm, with the most robust changes occurring in the inflammatory (p=0.09) and normal-like (p=0.06) subsets. 

Conclusion

 There was a marked divergence of the trajectory for mRSS change for the inflammatory subset and no apparent impact for the fibroproliferative subset. In contrast, only the fibroproliferative subset showed a clinically meaningful FVC change for abatacept. For the broader functional measure of HAQ-DI, there were similar impacts of abatacept on all three intrinsic skin gene expression subsets but is numerically greatest for the normal-like and fibroproliferative subsets. Together these data show for the first time in a placebo-controlled trial that intrinsic skin gene expression subsets may predict differential response to a targeted biological therapy, and also that this may reflect impact on different facets of SSc pathogenesis in skin or lung. This suggests that stratification of cases according to intrinsic gene expression subsets may maximize the number of informative SSc cases in clinical trials, and potentially improve future clinical practice. 

References

 [1] E. F. Chakravarty, et al., Gene expression changes reflect clinical response in a placebo-controlled randomized trial of abatacept in patients with diffuse cutaneous systemic sclerosis. Arthritis Res Ther 17, 159 (2015). [2] J. M. Franks, et al., A Machine Learning Classifier for Assigning Patients with Systemic Sclerosis to Intrinsic Molecular Subsets., Arthritis Rheum. (2019) In Press. 

Acknowledgement

 This project was supported by NIH/NIAID Clinical ACE grant (5UM1AI110557-05) and an investigator-initiated grant by Bristol-Myers Squibb. 

Disclosure of Interests

 Jennifer Franks: None declared, Bhaven Mehta: None declared, Veronica Berrocal: None declared, Yue Wang: None declared, Tammara Wood Consultant for: Celdara Medical LLC, Christopher Denton Grant/research support from: GlaxoSmithKline, Inventiva, CSF Behring, Consultant for: Roche-Genentech, Actelion, GlaxoSmithKline, Sanofi Aventis, Inventiva, CSL Behring, Boehringer Ingelheim, Bayer, Robert Lafyatis: None declared, David Fox: None declared, Dinesh Khanna Shareholder of: Eicos Sciences, Inc, Grant/research support from: Bayer, BMS, Pfizer, Horizon, Consultant for: Actelion Acceleron, Arena, Bayer, BI, BMS, CSL Behring, Corbus, Cytori, GSK, Genentech/Roche, Galapagos, Employee of: Elcos Sciences, Inc, Michael Whitfield Shareholder of: Scientific Founder, Celdara Medical LLC, Grant/research support from: Dr. Whitfield has received research contracts from Celdara Medical LLC and UCB Biopharma, Consultant for: Bristol Myers Squib, Celdara Medical, Corbus, and Boerhinger Ingelheim

Abstract Systemic sclerosis (SSc) is an autoimmune disease characterized by skin fibrosis, internal organ involvement and vascular dropout. We previously developed and phenotypically characterized an in vitro 3D skin-like tissue model of SSc, and now analyze the transcriptomic (scRNA-seq) and epigenetic (scATAC-seq) characteristics of this model at single-cell resolution. SSc 3D skin-like tissues were fabricated using autologous fibroblasts, macrophages, and plasma from SSc patients or healthy control (HC) donors. SSc tissues displayed increased dermal thickness and contractility, as well as increased α-SMA staining. Single-cell transcriptomic and epigenomic analyses identified keratinocytes, macrophages, and five populations of fibroblasts (labeled FB1 – 5). Notably, FB1 APOE-expressing fibroblasts were 12-fold enriched in SSc tissues and were characterized by high EGR1 motif accessibility. Pseudotime analysis suggests that FB1 fibroblasts differentiate from a TGF-β1-responsive fibroblast population and ligand-receptor analysis indicates that the FB1 fibroblasts are active in macrophage crosstalk via soluble ligands including FGF2 and APP. These findings provide characterization of the 3D skin-like model at single cell resolution and establish that it recapitulates subsets of fibroblasts and macrophage phenotypes observed in skin biopsies.

Background: Cardiac involvement is a leading cause of death in systemic sclerosis (SSc/scleroderma). The complexity of SSc cardiac manifestations is not fully captured by the current clinical SSc classification, which is based on extent of skin involvement and specific autoantibodies. Therefore, we sought to develop a clinically relevant SSc cardiac disease classification to improve clinical care and increase understanding of SSc cardiac disease pathobiology. We hypothesized that machine learning could identify novel SSc cardiac disease subgroups, and that gene expression assessment of skin could provide insights into molecular pathogenesis of these SSc pheno-groups. Methods: We used unsupervised model-based clustering (phenomapping) of SSc patient echocardiographic and clinical data to identify clinically relevant SSc pheno-groups in a discovery cohort (n=316), and validated these findings in an external SSc validation cohort (n=67). Cox regression was used to evaluate survival differences among groups. Gene expression profiles from skin biopsies from a subset of SSc patients (n=68) and controls (n=18) were analyzed with weighted gene co-expression network analyses to identify gene modules that were associated with cardiac pheno-groups and echocardiographic parameters. Results: Four SSc cardiac pheno-groups were identified with distinct profiles. Pheno-group #1 displayed a predominant cutaneous phenotype without cardiac involvement; pheno-group #2 had long-standing SSc with limited skin and cardiac involvement; pheno-group #3 had diffuse skin involvement, a high frequency of interstitial lung disease (88%), and significant right heart remodeling/dysfunction; and pheno-group #4 had prolonged SSc disease duration, limited skin involvement, and marked biventricular cardiac involvement. After multivariable adjustment, pheno-group #3 (hazard ratio [HR] 7.8, 95% confidence interval [CI] 1.5-33.0) and pheno-group #4 (HR 10.5, 95% CI 2.1-52.7) remained associated with mortality (P<0.05). The addition of pheno-group classification was additive to conventional survival models (P<0.05 by likelihood ratio test for all models), a finding that was replicated in the validation cohort. Skin gene expression analysis identified 2 gene modules (representing fibrosis and skin integrity, respectively) that differed among the cardiac pheno-groups and were associated with specific echocardiographic parameters. Conclusions: Machine learning of echocardiographic and skin gene expression data in SSc identifies clinically relevant subgroups with distinct cardiac phenotypes, survival, and associated molecular pathways in skin.

We have used integrative genomics to determine if a common molecular mechanism underlies different clinical manifestations in systemic sclerosis (SSc), and the related conditions pulmonary fibrosis (PF) and pulmonary arterial hypertension (PAH). We identified a common pathogenic gene expression signature - an immune-fibrotic axis-indicative of pro-fibrotic macrophages in multiple affected tissues (skin, lung, esophagus and PBMCs) of SSc, PF, and PAH. We used this disease-associated signature to query tissue-specific functional genomic networks. This allowed us to identify common and tissue-specific pathology of SSc and related conditions. We rigorously contrasted the lung- and skin-specific gene-gene interaction networks to identify a distinct lung resident macrophage signature associated with lipid stimulation and alternative activation. In keeping with our network results, we find distinct macrophages alternative activation transcriptional programs in SSc-PF lung and in the skin of patients with an "inflammatory" SSc gene expression signature. Our results suggest that the innate immune system is central to SSc disease processes, but that subtle distinctions exist between tissues. Our approach provides a framework for examining molecular signatures of disease in fibrosis and autoimmune diseases and for leveraging publicly available data to understand common and tissue-specific disease processes in complex human diseases.