Individuals differ widely in their immune responses, with age, sex and genetic factors having major roles in this inherent variability1-6. However, the variables that drive such differences in cytokine secretion-a crucial component of the host response to immune challenges-remain poorly defined. Here we investigated 136 variables and identified smoking, cytomegalovirus latent infection and body mass index as major contributors to variability in cytokine response, with effects of comparable magnitudes with age, sex and genetics. We find that smoking influences both innate and adaptive immune responses. Notably, its effect on innate responses is quickly lost after smoking cessation and is specifically associated with plasma levels of CEACAM6, whereas its effect on adaptive responses persists long after individuals quit smoking and is associated with epigenetic memory. This is supported by the association of the past smoking effect on cytokine responses with DNA methylation at specific signal trans-activators and regulators of metabolism. Our findings identify three novel variables associated with cytokine secretion variability and reveal roles for smoking in the short- and long-term regulation of immune responses. These results have potential clinical implications for the risk of developing infections, cancers or autoimmune diseases.

Humans display substantial interindividual clinical variability after SARS-CoV-2 infection1-3, the genetic and immunological basis of which has begun to be deciphered4. However, the extent and drivers of population differences in immune responses to SARS-CoV-2 remain unclear. Here we report single-cell RNA-sequencing data for peripheral blood mononuclear cells-from 222 healthy donors of diverse ancestries-that were stimulated with SARS-CoV-2 or influenza A virus. We show that SARS-CoV-2 induces weaker, but more heterogeneous, interferon-stimulated gene activity compared with influenza A virus, and a unique pro-inflammatory signature in myeloid cells. Transcriptional responses to viruses display marked population differences, primarily driven by changes in cell abundance including increased lymphoid differentiation associated with latent cytomegalovirus infection. Expression quantitative trait loci and mediation analyses reveal a broad effect of cell composition on population disparities in immune responses, with genetic variants exerting a strong effect on specific loci. Furthermore, we show that natural selection has increased population differences in immune responses, particularly for variants associated with SARS-CoV-2 response in East Asians, and document the cellular and molecular mechanisms by which Neanderthal introgression has altered immune functions, such as the response of myeloid cells to viruses. Finally, colocalization and transcriptome-wide association analyses reveal an overlap between the genetic basis of immune responses to SARS-CoV-2 and COVID-19 severity, providing insights into the factors contributing to current disparities in COVID-19 risk.

Abstract Epigenetic changes are required for normal development, yet the nature and respective contribution of factors that drive epigenetic variation in humans remain to be fully characterized. Here, we assessed how the blood DNA methylome of 884 adults is affected by DNA sequence variation, age, sex and 139 factors relating to life habits and immunity. Furthermore, we investigated whether these effects are mediated or not by changes in cellular composition, measured by deep immunophenotyping. We show that DNA methylation differs substantially between naïve and memory T cells, supporting the need for adjustment on these cell-types. By doing so, we find that latent cytomegalovirus infection drives DNA methylation variation and provide further support that the increased dispersion of DNA methylation with aging is due to epigenetic drift. Finally, our results indicate that cellular composition and DNA sequence variation are the strongest predictors of DNA methylation, highlighting critical factors for medical epigenomics studies.

Abstract Humans display vast clinical variability upon SARS-CoV-2 infection 1–3 , partly due to genetic and immunological factors 4 . However, the magnitude of population differences in immune responses to SARS-CoV-2 and the mechanisms underlying such variation remain unknown. Here we report single-cell RNA-sequencing data for peripheral blood mononuclear cells from 222 healthy donors of various ancestries stimulated with SARS-CoV-2 or influenza A virus. We show that SARS-CoV-2 induces a weaker, but more heterogeneous interferon-stimulated gene activity than influenza A virus, and a unique pro-inflammatory signature in myeloid cells. We observe marked population differences in transcriptional responses to viral exposure that reflect environmentally induced cellular heterogeneity, as illustrated by higher rates of cytomegalovirus infection, affecting lymphoid cells, in African-descent individuals. Expression quantitative trait loci and mediation analyses reveal a broad effect of cell proportions on population differences in immune responses, with genetic variants having a narrower but stronger effect on specific loci. Additionally, natural selection has increased immune response differentiation across populations, particularly for variants associated with SARS-CoV-2 responses in East Asians. We document the cellular and molecular mechanisms through which Neanderthal introgression has altered immune functions, such as its impact on the myeloid response in Europeans. Finally, colocalization analyses reveal an overlap between the genetic architecture of immune responses to SARS-CoV-2 and COVID-19 severity. Collectively, these findings suggest that adaptive evolution targeting immunity has also contributed to current disparities in COVID-19 risk.

Abstract Bats are the only mammals with self-powered flight and account for 20% of all extant mammalian diversity. In addition, they harbor many emerging and reemerging viruses, including multiple coronaviruses, several of which are highly pathogenic in other mammals, but cause no disease in bats. How this relationship between bats and viruses exists is not yet fully understood. Existing evidence supports a specific role for the innate immune system, in particular type I interferon (IFN) responses, a major component of antiviral immunity. Previous studies in bats have shown that components of the IFN pathway are constitutively activated at the transcriptional level. In this study, we tested the hypothesis that the type I IFN response in bats is also constitutively activated at the protein level. For this we utilized highly sensitive Single Molecule (Simoa) digital ELISA assays, previously developed for humans that we adapted to bat samples. We prospectively sampled four non-native chiroptera species from French zoos. We identified a constitutive expression of IFNα protein in the circulation of healthy bats, and concentrations that are physiologically active in humans. Expression levels differed according to the species examined, but was not associated with age, sex, or health status suggesting constitutive IFNα protein expression independent of disease. These results confirm a unique IFN response in bat species that may explain their ability to coexist with multiple viruses in the absence of pathology. These results may help to manage potential zoonotic viral reservoirs and potentially identify new anti-viral strategies.

Multivariate analysis is becoming central in studies investigating high-throughput molecular data, yet, some important features of these data are seldom explored. Here, we present MANOCCA (Multivariate Analysis of Conditional CovAriance), a powerful method to test for the effect of a predictor on the covariance matrix of a multivariate outcome. The proposed test is by construction orthogonal to tests based on the mean and variance, and is able to capture effects that are missed by both approaches. We first compare the performances of MANOCCA with existing correlation-based methods and show that MANOCCA is the only test correctly calibrated in simulation mimicking omics data. We then investigate the impact of reducing the dimensionality of the data using principal component analysis when the sample size is smaller than the number of pairwise covariance terms analysed. We show that, in many realistic scenarios, the maximum power can be achieved with a limited number of components. Finally, we apply MANOCCA to 1,000 healthy individuals from the Milieu Interieur cohort, to assess the effect of health, lifestyle and genetic factors on the covariance of two sets of phenotypes, blood biomarkers and flow cytometry-based immune phenotypes. Our analyses identify significant associations between multiple factors and the covariance of both omics data.

Abstract The need to understand the mechanisms and pathways of immune responses in pathogenic conditions such as cancer and autoimmunity requires awareness of natural immune variability in healthy subjects. To this end, various systems immunology studies have been established. Among them, the Milieu Intérieur (MI) study was established to define the boundaries of a healthy immune response and identify determinants of immune response variation. MI used immunophenotyping of a 1000 healthy donor cohort by flow cytometry as a principal outcome for immune variance at steady state. For the 10-year longitudinal MI study, we have developed two high-dimensional spectral flow cytometry panels that allow deep characterization of innate and adaptive whole blood immune cells (35 and 34 fluorescent markers, respectively) and standardized the protocol for sample handling, staining, acquisition, and data analysis. This permits the reproducible quantification of over 182 immune cell phenotypes through robust immunophenotyping at a single site. This highly standardized protocol was applied to samples from patients with autoimmune/inflammatory diseases. It is currently used for characterization of the impact of age and environmental factors on peripheral blood immune phenotypes of >400 donors from the initial MI cohort.