Abstract About two thirds of rheumatoid arthritis (RA) patients develop anti-citrullinated protein antibodies (ACPA), which are a characteristic of the disease and sparsely observed in other clinical settings or in the healthy population. ACPA are used as a diagnostic criterion and often develop prior to diagnosis. Therefore, ACPA titers are important in the identification of individuals at risk of developing RA. Interestingly, the titers and target cross-reactivity of ACPA increase by time of diagnosis, suggesting a causality between anti-citrulline reactivity and the development of RA. However, only 50% of ACPA-positive at-risk individuals will progress to a clinical RA diagnosis. This observation suggests that there are different types of ACPA and that their relationship with RA development is more complex than presently assumed. To address the biological effect of ACPA in the establishment and development of inflammatory arthritis, we made use of the collagen antibody-induced arthritis (CAIA) model of passive arthritis. Using seven unique patient derived monoclonal ACPA, we observed that ACPA are predominantly anti-inflammatory, with some clones (C03 and BVCA1) completely inhibiting disease development. We have also identified a clone (C04) as having a disease-prone effect, by increasing and sustaining disease prevalence. This clone had previously been reported as being pro-inflammatory in a different model of joint inflammation. The anti-inflammatory effects of C03 were dependent on FcγR, since neither F(ab’)2 or a mutated Fc-null GRLR-C03 clone could mediate disease protection. Most importantly, mice receiving polyclonal ACPA enriched from RA sera were also partially protected from disease. Looking at the cell and tissue of origin of the ACPA clones, their V(D)J sequences, Fc glycosylation pattern and fine-specificities, we could not identify a common feature between anti-inflammatory ACPA distinguishing them from those without the properties. Together, our data demonstrates that circulating ACPA in RA patients are predominantly anti-inflammatory, emphasizing the need to study ACPA repertoires in order to determine their influence on the clinical outcome of the patient or at-risk individual.

Abstract Rheumatoid arthritis (RA) is an autoimmune disease characterized by joint inflammation, strongly associated with the activity of autoreactive CD4+ T cells. DNMT3A mutations are the most common somatic mutations found in the hematopoietic system of patients with rheumatoid arthritis. However, the role of DNMT3A in CD4+ T cells and CD4+ T follicular helper (Tfh) cells is poorly understood. Since somatic mutations are not identified in standard genome-wide association studies, somatic mutations’ impact on the etiology of diseases could be underestimated. Here, we thoroughly characterized and used the KRN+ splenocyte transfer model of autoimmune joint inflammation and inactivated Dnmt3a using CRISPR-Cas9 and standard Cre/loxP approaches. Experiments with competitive bone marrow (BM) chimeras identified a positive role for Dnmt3a in Tfh differentiation, which was validated by comparing mice with Dnmt3a mutations in CD4+ cells to animals with WT Dnmt3a . In conclusion, We identify that Dnmt3a mutations limit normal and autoreactive Tfh differentiation. Key findings – Dnmt3a mutations limit Tfh differentiation, which could contribute to reduced immune responses in individuals with somatic DNMT3A mutations. – Deep characterization of the KRN+ splenocyte transfer model defines a dynamic process leading to reproducible autoimmune joint inflammation. – The immuno-CRISPR (iCR) methodology can be used to test the role of candidate genes in disease models.

We fine-mapped 76 rheumatoid arthritis (RA) and type 1 diabetes (T1D) loci outside of the MHC. After sequencing 799 1kb regulatory (H3K4me3) regions within these loci in 568 individuals, we observed accurate imputation for 89% of common variants. We fine-mapped these loci in RA (11,475 cases, 15,870 controls), T1D (9,334 cases and 11,111 controls) and combined datasets. We reduced the number of potential causal variants to ≤5 in 8 RA and 11 T1D loci. We identified causal missense variants in five loci (DNASE1L3, SIRPG, PTPN22, SH2B3 and TYK2) and likely causal non coding variants in six loci (MEG3, TNFAIP3, CD28/CTLA4, ANKRD55, IL2RA, REL/PUS10). Functional analysis confirmed allele specific binding and differential enhancer activity for three variants: the CD28/CTLA4 rs117701653 SNP, the TNFAIP3 rs35926684 indel, and the MEG3 rs34552516 indel. This study demonstrates the potential for dense genotyping and imputation to pinpoint missense and non-coding causal alleles.

Shared genetic architecture between phenotypes may be driven by a common genetic basis (pleiotropy) or a subset of genetically similar individuals (heterogeneity). We developed BUHMBOX, a well-powered statistical method to distinguish pleiotropy from heterogeneity using genotype data. We observed a shared genetic basis between 11 of 17 tested autoimmune diseases and type I diabetes (T1D, p<10 12) and 11 of 17 tested autoimmune diseases and rheumatoid arthritis (RA, p<10-7). This sharing could not be explained by heterogeneity (corrected pBUHMBOX>0.2 using 6,670 T1D cases and 7,279 RA cases), suggesting that shared genetic features in autoimmunity are due to pleiotropy. We observed a shared genetic basis between seronegative and seropostive RA (p<10-22), explained by heterogeneity (pBUHMBOX=0.008 in 2,406 seronegative RA cases). Consistent with previous observations, we observed genetic sharing between major depressive disorder (MDD) and schizophrenia (p<10 9). This sharing is not explained by heterogeneity (pBUHMBOX=0.28 in 9,238 MDD cases).

In anti-citrullinated protein antibody positive rheumatoid arthritis (ACPA-positive RA), a particular subset of HLA-DRB1 alleles, called shared epitope alleles (SE), is the highest genetic risk factor. Here, we aimed to investigate whether gene-gene interactions influence this HLA-DRB1 related major disease risk; specifically, we set out to test if non-HLA SNPs, conferring low diseases risk on their own, can modulate the HLA-DRB1 SE effect to develop ACPA-positive RA. To address this question, we computed the attributable proportion (AP) due to additive interaction at genome-wide level for two independent ACPA-positive RA cohorts: the Swedish EIRA and the North American NARAC. We found a strong enrichment of significant interactions (AP p-values<0.05) between the HLA-DRB1 SE alleles and a group of SNPs associated with ACPA-positive RA in both cohorts (Kolmogorov-Smirnov [KS] test D=0.35 for EIRA and D=0.25 for NARAC, p<2.2e-16 for both). Interestingly, 201 out of 1,492 SNPs in consistent interaction for both cohorts, were eQTLs in SE alleles context in PBMCs from ACPA-positive RA patients. Finally, we observed that the effect size of HLA-DRB1 SE alleles for disease decreases from 5.2 to 2.5 after discounting the risk alleles of the two top interacting SNPs (rs2476601 and rs10739581, AP FDR corrected p<0.05). Our data demonstrate that the association between the HLA-DRB1 SE alleles and the risk of ACPA-positive RA is modulated by massive genetic interactions with non-HLA genetic variants.