Vascular inflammation contributes to cardiovascular diseases such as aortic aneurysm and dissection. However, the precise inflammatory pathways involved have not been clearly defined. We have shown here that subcutaneous infusion of Ang II, a vasopressor known to promote vascular inflammation, into older C57BL/6J mice induced aortic production of the proinflammatory cytokine IL-6 and the monocyte chemoattractant MCP-1. Production of these factors occurred predominantly in the tunica adventitia, along with macrophage recruitment, adventitial expansion, and development of thoracic and suprarenal aortic dissections. In contrast, a reduced incidence of dissections was observed after Ang II infusion into mice lacking either IL-6 or the MCP-1 receptor CCR2. Further analysis revealed that Ang II induced CCR2+CD14hiCD11bhiF4/80– macrophage accumulation selectively in aortic dissections and not in aortas from Il6–/– mice. Adoptive transfer of Ccr2+/+ monocytes into Ccr2–/– mice resulted in selective monocyte uptake into the ascending and suprarenal aorta in regions of enhanced ROS stress, with restoration of IL-6 secretion and increased incidence of dissection. In vitro, coculture of monocytes and aortic adventitial fibroblasts produced MCP-1– and IL-6–enriched conditioned medium that promoted differentiation of monocytes into macrophages, induced CD14 and CD11b upregulation, and induced MCP-1 and MMP-9 expression. These results suggest that leukocyte-fibroblast interactions in the aortic adventitia potentiate IL-6 production, inducing local monocyte recruitment and activation, thereby promoting MCP-1 secretion, vascular inflammation, ECM remodeling, and aortic destabilization.

Abstract Background Descending thoracic aortic aneurysms and dissections can go undetected until severe and catastrophic, and few clinical indices exist to screen for aneurysms or predict risk of dissection. Methods This study generated a plasma proteomic dataset from 75 patients with descending type B dissection (Type B) and 62 patients with descending thoracic aortic aneurysm (DTAA). Standard statistical approaches were compared to supervised machine learning (ML) algorithms to distinguish Type B from DTAA cases. Quantitatively similar proteins were clustered based on linkage distance from hierarchical clustering and ML models were trained with uncorrelated protein lists across various linkage distances with hyperparameter optimization using fivefold cross validation. Permutation importance (PI) was used for ranking the most important predictor proteins of ML classification between disease states and the proteins among the top 10 PI protein groups were submitted for pathway analysis. Results Of the 1,549 peptides and 198 proteins used in this study, no peptides and only one protein, hemopexin (HPX), were significantly different at an adjusted p < 0.01 between Type B and DTAA cases. The highest performing model on the training set (Support Vector Classifier) and its corresponding linkage distance (0.5) were used for evaluation of the test set, yielding a precision-recall area under the curve of 0.7 to classify between Type B from DTAA cases. The five proteins with the highest PI scores were immunoglobulin heavy variable 6–1 (IGHV6-1), lecithin-cholesterol acyltransferase (LCAT), coagulation factor 12 (F12), HPX, and immunoglobulin heavy variable 4–4 (IGHV4-4). All proteins from the top 10 most important groups generated the following significantly enriched pathways in the plasma of Type B versus DTAA patients: complement activation, humoral immune response, and blood coagulation. Conclusions We conclude that ML may be useful in differentiating the plasma proteome of highly similar disease states that would otherwise not be distinguishable using statistics, and, in such cases, ML may enable prioritizing important proteins for model prediction.

Aortic valve stenosis (AS) is the most common valvular heart disease, characterized by a thickened and calcified valve causing left ventricular outflow obstruction. Severe AS is a significant cause of morbidity and mortality, affecting approximately 5% of those over 70 years of age. Little is known about the genetics of AS, although recently a variant at the LPA locus and a rare MYH6 missense variant were found to associate with AS. We report a large genome-wide association study (GWAS) with a follow-up in up to 7,307 AS cases and 801,073 controls. We identified two new AS loci, on chromosome 1p21 near PALMD (rs7543130; OR=1.20, P=1.2x10-22) and on chromosome 2q22 in TEX41 (rs1830321; OR=1.15, P=1.8x10-13). Rs7543130 also associates with bicuspid aortic valve (BAV) (OR=1.28, P=6.6x10-10) and aortic root diameter (P=1.30x10-8) and rs1830321 associates with BAV (OR=1.12, P=5.3x10-3) and coronary artery disease (CAD) (OR=1.05, P=9.3x10-5). These results indicate that AS is partly rooted in the same processes as cardiac development and atherosclerosis.

Background: Thoracic aortic aneurysms and/or dissections (TAD) are associated with pathogenic variants in genes that involved in either smooth muscle cell (SMC) contraction or extracellular matrix (ECM). The inability to maintain homeostasis between SMCs and ECM is pivotal in TAD pathogenesis. Focal adhesions (FA) act as mechanosensors in cells, transferring mechanical signals from the ECM to the intracellular contractile filaments and regulating downstream Rho/ROCK signaling. However, the landscape of SMC-ECM interactions, has not been fully explored at the early stages of TAD. Methods: C57BL/6J wild-type mice aged 21 days postnatal (P21) were administered the ECM cross-link blocker, BAPN, for up to four weeks to induce TAD. Proximal aortas were harvested for single-cell RNA sequencing at P35. Immunofluorescence and immunoblots were used to validate findings. Results: Single-cell RNA sequencing classified SMCs into 5 clusters marked by Rgs5 (SMC Rgs5 + ), high levels of Palld (SMC Palld + ), Tnnt2 (SMC Tnnt2 + , marker of second heart field-derived cells), Atf3 (SMC Atf3+ cluster), or no clear marker (SMC NOS ). The analysis of how BAPN exposure affects different cell types, based on the Jensen-Shannon divergence in the probability distribution between groups, demonstrated that SMCs, and specifically SMC Atf3 + and SMC NOS , are the most perturbed cell cluster by BAPN. Gene set enrichment analysis identified significantly dysregulated pathways of FA and Rho/ROCK signaling. The expression of Itga5 and Fn1 (fibronectin) were increased and Itga8 was decreased. An SMC-SMC interaction analysis found Fn1 interactions were the most upregulated interaction in 4 SMC clusters. When analyzing downstream pathways due to the changes in interaction, 80% of the top 25 interactions were related to integrins, including increased Fn1 interactions with Itga5-Itgb1 and Itgav-Itgb3. In SMC Rgs5 + cluster, the most affected interactions are related to TGF-β signaling. Conclusions: These findings suggest that, in the majority of aortic SMCs, mechanosensing through FAs, driven by fibronectin interactions with specific integrin receptor pairs, is activated with BAPN treatment, potentially contributing to the pathogenesis of TAD.

Smooth muscle cell-specific myosin heavy chain, encoded by MYH11, is selectively expressed in smooth muscle cells (SMCs). Pathogenic variants in MYH11 predispose to a number of disorders, including heritable thoracic aortic disease associated with patent ductus arteriosus, visceral myopathy, and megacystis-microcolon-intestinal hypoperistalsis syndrome. Rare variants of uncertain significance occur throughout the gene, including MYH11 p.Glu1892Asp, and we sought to determine if this variant causes thoracic aortic disease in mice. Genomic editing was used to generate Myh11E1892D/E1892D mice. Wild-type (WT) and mutant mice underwent cardiovascular phenotyping and with transverse aortic constriction (TAC). Myh11E1892D/E1892D and WT mice displayed similar growth, blood pressure, root and ascending aortic diameters, and cardiac function up to 13 months of age, along with similar contraction and relaxation on myographic testing. TAC induced hypertension similarly in Myh11E1892D/E1892D and WT mice, but mutant mice showed augmented ascending aortic enlargement and increased elastic fragmentation on histology. Unexpectedly, male Myh11E1892D/E1892D mice two weeks post-TAC had decreased ejection fraction, stroke volume, fractional shortening, and cardiac output compared to similarly treated male WT mice. Importantly, left ventricular mass increased significantly due to primarily posterior wall thickening, and cardiac histology confirmed cardiomyocyte hypertrophy and increased collagen deposition in the myocardium and surrounding arteries. These results further highlight the clinical heterogeneity associated with MYH11 rare variants. Given that MYH11 is selectively expressed in SMCs, these results implicate a role of vascular SMCs in the heart contributing to cardiac hypertrophy and failure with pressure overload.

Background: Descending thoracic aortic aneurysms and dissections can go undetected until severe and catastrophic, and few clinical indices exist to screen for aneurysms or predict risk of dissection. Methods: This study generated a plasma proteomic dataset from 75 patients with descending type B dissection (Type B) and 62 patients with descending thoracic aortic aneurysm (DTAA). Standard statistical approaches were compared to supervised machine learning (ML) algorithms to distinguish Type B from DTAA cases. Quantitatively similar proteins were clustered based on linkage distance from hierarchical clustering and ML models were trained with uncorrelated protein lists across various linkage distances with hyperparameter optimization using 5-fold cross validation. Permutation importance (PI) was used for ranking the most important predictor proteins of ML classification between disease states and the proteins among the top 10 PI protein groups were submitted for pathway analysis. Results: Of the 1,549 peptides and 198 proteins used in this study, no peptides and only one protein, hemopexin (HPX), were significantly different at an adjusted p-value <0.01 between Type B and DTAA cases. The highest performing model on the training set (Support Vector Classifier) and its corresponding linkage distance (0.5) were used for evaluation of the test set, yielding a precision-recall area under the curve of 0.7 to classify between Type B from DTAA cases. The five proteins with the highest PI scores were immunoglobulin heavy variable 6-1 (IGHV6-1), lecithin-cholesterol acyltransferase (LCAT), coagulation factor 12 (F12), HPX, and immunoglobulin heavy variable 4-4 (IGHV4-4). All proteins from the top 10 most important correlated groups generated the following significantly enriched pathways in the plasma of Type B versus DTAA patients: complement activation, humoral immune response, and blood coagulation. Conclusions: We conclude that ML may be useful in differentiating the plasma proteome of highly similar disease states that would otherwise not be distinguishable using statistics, and, in such cases, ML may enable prioritizing important proteins for model prediction.