Abstract Methicillin-resistant Staphylococcus aureus (MRSA) bacteremia is a common, life-threatening infection that imposes up to 30% mortality even when appropriate therapy is used. Despite in vitro efficacy, antibiotics often fail to resolve the infection in vivo , resulting in persistent MRSA bacteremia. Recently, several genetic, epigenetic, and proteomic correlates of persistent outcomes have been identified. However, the extent to which single variables or composite patterns operate as independent predictors of outcome or reflect shared underlying mechanisms of persistence is unknown. To explore this question, we employed a tensor-based integration of host transcriptional and proteomic data across a well-characterized cohort of patients with persistent and resolving MRSA bacteremia outcomes. Tensor-based data integration yielded high correlative accuracy with persistence and revealed immunologic signatures shared across both the transcriptomic and proteomic datasets. We find that elevated proliferation of mature granulocytes associates with resolving bacteremia outcomes. In contrast, patients with persistent bacteremia heterogeneously exhibit correlates of granulocyte dysfunction or immature granulocyte proliferation. Collectively, these results suggest that transcriptional and proteomic correlates of persistent versus resolving bacteremia outcomes are complex and may not be disclosed by conventional modeling. However, a tensor-based integration approach can help to reveal consensus molecular mechanisms in an interpretable manner. Significance Statement While antibacterial therapies effectively resolve MRSA in vitro , these treatments often fail to clear MRSA bacteremia in vivo , suggesting that host-pathogen interactions are essential to persistent MRSA bacteremia. Recent studies have identified genetic, transcriptomic, and proteomic determinants of MRSA persistence. These determinants independently, however, provide insufficient mechanistic insight and it is unclear if they indicate unique or overlapping persistence mechanisms. Here, we use tensor-based decomposition to jointly analyze cytokine and transcriptomic measurements from patients with MRSA bacteremia. Results indicate that persistence mechanisms integrated across biological modalities reflect diverging mechanisms of persistent bacteremia. Ultimately, these results may help to identify future therapeutic targets for treating persistent MRSA bacteremia.

Variations in DNA methylation patterns in human tissues have been linked to various environmental exposures and infections. Here, we identified the DNA methylation signatures associated with multiple exposures in nine major immune cell types derived from peripheral blood mononuclear cells (PBMCs) at single-cell resolution. We performed methylome sequencing on 111,180 immune cells obtained from 112 individuals who were exposed to different viruses, bacteria, or chemicals. Our analysis revealed 790,662 differentially methylated regions (DMRs) associated with these exposures, which are mostly individual CpG sites. Additionally, we integrated methylation and ATAC-seq data from same samples and found strong correlations between the two modalities. However, the epigenomic remodeling in these two modalities are complementary. Finally, we identified the minimum set of DMRs that can predict exposures. Overall, our study provides the first comprehensive dataset of single immune cell methylation profiles, along with unique methylation biomarkers for various biological and chemical exposures.

Introduction Staphylococcus aureus bacteremia (SAB) is a life-threatening infection particularly involving methicillin-resistant S. aureus (MRSA). In contrast to resolving MRSA bacteremia (RB), persistent MRSA bacteremia (PB) blood cultures remain positive despite appropriate antibiotic treatment. Host immune responses distinguishing PB vs. RB outcomes are poorly understood. Here, integrated transcriptomic, IL-10 cytokine levels, and genomic analyses sought to identify signatures differentiating PB vs. RB outcomes. Methods Whole-blood transcriptomes of propensity-matched PB (n=28) versus RB (n=30) patients treated with vancomycin were compared in one independent training patient cohort. Gene expression (GE) modules were analyzed and prioritized relative to host IL-10 cytokine levels and DNA methyltransferase-3A ( DNMT3A ) genotype. Results Differential expression of T and B lymphocyte gene expression early in MRSA bacteremia discriminated RB from PB outcomes. Significant increases in effector T and B cell signaling pathways correlated with RB, lower IL-10 cytokine levels and DNMT3A heterozygous A/C genotype. Importantly, a second PB and RB patient cohort analyzed in a masked manner demonstrated high predictive accuracy of differential signatures. Discussion Collectively, the present findings indicate that human PB involves dysregulated immunity characterized by impaired T and B cell responses associated with excessive IL-10 expression in context of the DNMT3A A/A genotype. These findings reveal distinct immunologic programs in PB vs. RB outcomes, enable future studies to define mechanisms by which host and/or pathogen drive differential signatures and may accelerate prediction of PB outcomes. Such prognostic assessment of host risk could significantly enhance early anti-infective interventions to avert PB and improve patient outcomes.

Lyme disease is a spatially heterogeneous tick-borne infection, with approximately 85% of US cases concentrated in the mid-Atlantic and northeastern states. Surveillance for Lyme disease and its causative agent, including public health case reporting and entomologic surveillance, is necessary to understand its endemic range, but currently used case detection methods have limitations. To evaluate an alternative approach to Lyme disease surveillance, we have performed a geospatial analysis of Lyme disease cases from the Johns Hopkins Health System in Maryland. We used two sources of cases: a) individuals with both a positive test for Lyme disease and a contemporaneous diagnostic code consistent with a Lyme disease-related syndrome; and b) individuals referred for a Lyme disease evaluation who were adjudicated to have Lyme disease. Controls were individuals from the referral cohort judged not to have Lyme disease. Residential address data were available for all cases and controls. We used a hierarchical Bayesian model with a smoothing function for a coordinate location to evaluate the probability of Lyme disease within 100 km of Johns Hopkins Hospital. We found that the probability of Lyme disease was greatest in the north and west of Baltimore, and the local probability that a subject would have Lyme disease varied by as much as 30-fold. Adjustment for demographic and ecological variables partially attenuated the spatial gradient. Our study supports the suitability of electronic medical record data for the retrospective surveillance of Lyme disease.