Significance Genome-wide identification of changes in the expression of large intergenic noncoding RNAs (lincRNAs) in a classical model of innate immune cell activation revealed a panel of 159 lincRNAs that were highly modulated in stimulated THP1 macrophages. One of the lincRNAs, named TNFα and heterogenous nuclear ribonucleoprotein L (hnRNPL) related immunoregulatory LincRNA (THRIL), was essential for induction of TNFα, functions through a ribonucleoprotein (RNP) complex with hnRNPL, and plays an important role as regulator of physiological and pathological inflammatory immune responses.

Kawasaki disease is a pediatric systemic vasculitis of unknown etiology for which a genetic influence is suspected. We identified a functional SNP (itpkc_3) in the inositol 1,4,5-trisphosphate 3-kinase C (ITPKC) gene on chromosome 19q13.2 that is significantly associated with Kawasaki disease susceptibility and also with an increased risk of coronary artery lesions in both Japanese and US children. Transfection experiments showed that the C allele of itpkc_3 reduces splicing efficiency of the ITPKC mRNA. ITPKC acts as a negative regulator of T-cell activation through the Ca2+/NFAT signaling pathway, and the C allele may contribute to immune hyper-reactivity in Kawasaki disease. This finding provides new insights into the mechanisms of immune activation in Kawasaki disease and emphasizes the importance of activated T cells in the pathogenesis of this vasculitis.

A significant surge in cases of multisystem inflammatory syndrome in children (MIS-C, also called Pediatric Inflammatory Multisystem Syndrome - PIMS) has been observed amidst the COVID-19 pandemic. MIS-C shares many clinical features with Kawasaki disease (KD), although clinical course and outcomes are divergent. We analyzed whole blood RNA sequences, serum cytokines, and formalin fixed heart tissues from these patients using a computational toolbox of two gene signatures, i.e., the 166-gene viral pandemic (ViP) signature, and its 20-gene severe (s)ViP subset that were developed in the context of SARS-CoV-2 infection and a 13-transcript signature previously demonstrated to be diagnostic for KD. Our analyses revealed that KD and MIS-C are on the same continuum of the host immune response as COVID-19. While both the pediatric syndromes converge upon an IL15/IL15RA -centric cytokine storm, suggestive of shared proximal pathways of immunopathogenesis, they diverge in other laboratory parameters and cardiac phenotypes. The ViP signatures also revealed unique targetable cytokine pathways in MIS-C, place MIS-C farther along in the spectrum in severity compared to KD and pinpoint key clinical (reduced cardiac function) and laboratory (thrombocytopenia and eosinopenia) parameters that can be useful to monitor severity.

Phage Immunoprecipitation-Sequencing (PhIP-Seq) allows for unbiased, proteome-wide autoantibody discovery across a variety of disease settings, with identification of disease-specific autoantigens providing new insight into previously poorly understood forms of immune dysregulation. Despite several successful implementations of PhIP-Seq for autoantigen discovery, including our previous work (Vazquez et al. 2020), current protocols are inherently difficult to scale to accommodate large cohorts of cases and importantly, healthy controls. Here, we develop and validate a high throughput extension of PhIP-seq in various etiologies of autoimmune and inflammatory diseases, including APS1, IPEX, RAG1/2 deficiency, Kawasaki Disease (KD), Multisystem Inflammatory Syndrome in Children (MIS-C), and finally, mild and severe forms of COVID19. We demonstrate that these scaled datasets enable machine-learning approaches that result in robust prediction of disease status, as well as the ability to detect both known and novel autoantigens, such as PDYN in APS1 patients, and intestinally expressed proteins BEST4 and BTNL8 in IPEX patients. Remarkably, BEST4 antibodies were also found in 2 patients with RAG1/2 deficiency, one of whom had very early onset IBD. Scaled PhIP-Seq examination of both MIS-C and KD demonstrated rare, overlapping antigens, including CGNL1, as well as several strongly enriched putative pneumonia-associated antigens in severe COVID19, including the endosomal protein EEA1. Together, scaled PhIP-Seq provides a valuable tool for broadly assessing both rare and common autoantigen overlap between autoimmune diseases of varying origins and etiologies.

Abstract The aetiology of Kawasaki Disease (KD), an acute inflammatory disorder of childhood, remains unknown despite various triggers of KD having been proposed. Host ‘omic profiles offer insights into the host response to infection and inflammation, with the interrogation of multiple ‘omic levels in parallel providing a more comprehensive picture. We used differential abundance analysis, pathway analysis, clustering and classification techniques to explore whether the host response in KD is more similar to the response to bacterial or viral infection at the transcriptomic and proteomic levels through comparison of ‘omic profiles from children with KD to those with bacterial and viral infections. Pathways activated in patients with KD included those involved in anti-viral and anti-bacterial responses. Unsupervised clustering showed that the majority of KD patients clustered with bacterial patients on both ‘omic levels, whilst application of diagnostic signatures specific for bacterial and viral infections revealed that many transcriptomic KD samples had low probabilities of having bacterial or viral infections, suggesting that KD may be triggered by a different process not typical of either common bacterial or viral infections. Clustering based on the transcriptomic and proteomic responses during KD revealed three clusters of KD patients on both ‘omic levels, suggesting heterogeneity within the inflammatory response during KD. The observed heterogeneity may reflect differences in the host response to a common trigger, or variation dependent on different triggers of the condition.

Inflammatory syndromes, including those caused by infection, are a major cause of hospital admissions among children and are often misdiagnosed because of a lack of advanced molecular diagnostic tools. In this study, we explored the utility of circulating cell-free RNA (cfRNA) in plasma as an analyte for the differential diagnosis and characterization of pediatric inflammatory syndromes. We profiled cfRNA in 370 plasma samples from pediatric patients with a range of inflammatory conditions, including Kawasaki disease (KD), multisystem inflammatory syndrome in children (MIS-C), viral infections, and bacterial infections. We developed machine learning models based on these cfRNA profiles, which effectively differentiated KD from MIS-C—two conditions presenting with overlapping symptoms—with high performance [test area under the curve = 0.98]. We further extended this methodology into a multiclass machine learning framework that achieved 80% accuracy in distinguishing among KD, MIS-C, viral, and bacterial infections. We further demonstrated that cfRNA profiles can be used to quantify injury to specific tissues and organs, including the liver, heart, endothelium, nervous system, and the upper respiratory tract. Overall, this study identified cfRNA as a versatile analyte for the differential diagnosis and characterization of a wide range of pediatric inflammatory syndromes.