ABSTRACT BACKGROUND Differentiating the etiology of acute febrile respiratory illness in children is a challenge in low-income, malaria-endemic settings because the main pathogens responsible (viruses, bacteria, and malaria parasites) overlap in clinical presentation and frequently occur together as mixed infections. The critical task is to rapidly identify bacterial pneumonia to enable appropriate antibiotic treatment, ideally at point of care. Current diagnostic tests are insufficient and there is a need for the discovery and development of new tools. Here we report the identification of a unique biomarker signature that can be identified in blood samples. METHODS Blood samples from 195 pediatric Mozambican patients with clinical pneumonia were analyzed with an aptamer-based high dynamic range assay to quantify ∼1200 proteins. For discovery of new biomarkers, we identified a training set of patient samples in which the underlying etiology of the pneumonia was established as bacterial, viral or malaria. Proteins whose abundances varied significantly between patients with verified etiologies (FDR<0.01) formed the basis for predictive diagnostic models that were created using machine learning techniques (Random Forest, Elastic Net). These models were validated on a dedicated test set of samples. RESULTS 219 proteins had significantly different abundances between bacterial and viral infections, and 151 differed between bacterial infections and a mixed pool of viral and malaria infections. Predictive diagnostic models achieved >90% sensitivity and >80% specificity, regardless of whether one or two pathogen classes were present. Bacterial pneumonia was strongly associated with markers of neutrophil activity, in particular neutrophil degranulation. Degranulation markers included HP, LCN2, LTF, MPO, MMP8, PGLYRP1, RETN, SERPINA1, S100A9, and SLPI. CONCLUSION Blood protein signatures highly associated with neutrophil biology reliably differentiated bacterial pneumonia from other causes. With appropriate technology, these markers could provide the basis for a rapid diagnostic for field-based triage for antibiotic treatment of pediatric pneumonia.

SUMMARY In developing brains, axons exhibit remarkable precision in selecting synaptic partners among many non-partner cells. Evolutionally conserved teneurins were the first identified transmembrane proteins that instruct synaptic partner matching. However, how intracellular signaling pathways execute teneurin’s functions is unclear. Here, we use in situ proximity labeling to obtain the intracellular interactome of teneurin (Ten-m) in the Drosophila brain. Genetic interaction studies using quantitative partner matching assays in both olfactory receptor neurons (ORNs) and projection neurons (PNs) reveal a common pathway: Ten-m binds to and negatively regulates a RhoGAP, thus activating the Rac1 small GTPases to promote synaptic partner matching. Developmental analyses with single-axon resolution identify the cellular mechanism of synaptic partner matching: Ten-m signaling promotes local F-actin levels and stabilizes ORN axon branches that contact partner PN dendrites. Combining spatial proteomics and high-resolution phenotypic analyses, this study advanced our understanding of both cellular and molecular mechanisms of synaptic partner matching. HIGHLIGHTS In situ spatial proteomics reveal the first intracellular interactome of teneurins Ten-m signals via a RhoGAP and Rac1 GTPase to regulate synaptic partner matching Single-axon analyses reveal a stabilization-upon-contact model for partner matching Ten-m signaling promotes F-actin in axon branches contacting partner dendrites