ABSTRACT Rationale Respiratory Syncytial Virus (RSV) infection is a leading cause of infant respiratory disease and hospitalization. Infant airway microbiota occupying the nasopharynx have been associated with respiratory disease risk and severity. The extent to which interactions between RSV and microbiota occur in the airway, and their impact on respiratory disease severity and infection susceptibility, are not well understood. Objectives To characterize associations between the nasal microbiota and RSV infection before, during, and after infants’ first respiratory illness. Methods Nasal 16S rRNA microbial community profiling of two cohorts of infants in the first year of life: 1) a cross-sectional cohort of 89 RSV infected infants sampled during illness and 102 population matched healthy controls, and 2) an individually matched longitudinal cohort of 12 infants who developed RSV infection and 12 who did not, sampled at time points before, during, and after infection. Measurements and Main Results We identified 12 taxa significantly associated with RSV infection. All 12 were differentially abundant during infection, with seven differentially abundant prior to infection, and eight differentially abundant after infection. Eight of these taxa were associated with disease severity. Nasal microbiota composition was more discriminative of healthy vs. infected than of disease severity. Conclusions Our findings elucidate the chronology of nasal microbiota dysbiosis and suggest an altered developmental trajectory associated with first-time RSV infection. Microbial temporal dynamics reveal indicators of disease risk, correlates of illness and severity, and the impact of RSV infection on microbiota composition. Identified taxa represent appealing targets for additional translationally-oriented research.

Globally, RSV infection results in millions of hospitalizations and thousands of deaths each year. Specific factors that contribute to disease severity, such as premature birth and certain comorbidities, are well established. Additionally, genetic variants resulting in alterations in the adaptive and innate immune response appear to be associated with RSV severity. While previous studies focused on a single aspect of the disease, we jointly modeled the association of disparate data modalities with RSV severity. To investigate the host response to respiratory syncytial virus (RSV) infection in infants, we performed a systems-level study of RSV pathophysiology, incorporating high-throughput measurements of the peripheral innate and adaptive immune systems and the airway epithelium and microbiota. Specifically, we developed and employed a novel multi-omic data integration method based on multilayered principal component analysis, penalized regression, and feature weight back-propagation. Our novel approach enabled us to identify cell type specific and shared cellular pathways associated with RSV severity. Of particular interest was the association between RSV severity, activation of pathways controlling Th17 and acute phase response signaling, and inhibition of B cell receptor signaling, which were present in both airway and immune cells. These data identify specific aspects of dysregulation between the humoral and mucosal response to RSV that may play a critical role in determining illness severity.

Background RSV infection is common in infants, with a majority of those affected displaying mild clinical symptoms. However, a substantial number of infants infected with RSV develop severe symptoms requiring hospitalization. We currently lack sensitive and specific predictors to identify a majority of those who require hospitalization.Method We used our previously described methods to define comprehensive airway gene expression profiles from 106 full-tem previously healthy RSV infected subjects during acute infection (day 1-10 of illness; 106 samples), and during the convalescence stage (day 14-28 of illness; 69 samples). All subjects were assigned a cumulative clinical illness severity score (GRSS). High throughput RNA sequencing (RNAseq) defined airway gene expression patterns in RSV infected subjects. Using AIC-based model selection, we built a sparse linear predictor of GRSS based on the expression of 41 genes (NGSS1). Using a similar statistical approach, we built an alternate predictor based upon 13 genes displaying stable expression over time (NGSS2). We evaluated predictive performance of both models using leave-one-out cross-validation analyses.Results NGSS1 is strongly correlated with the disease severity, demonstrating a naïve correlation (ρ) of ρ=0.935 and cross-validated correlation of 0.813. As a binary classifier (mild versus severe), NGSS1 correctly classifies 89.6% of the subjects following cross-validation. NGSS2 has slightly less, but comparable, prediction accuracy with a cross-validated correlation of 0.741 and cross-validated classification accuracy of 84.0%.Conclusion Airway gene expression patterns, obtained following a minimally-invasive procedure, have potential utility as prognostic biomarkers for severe infant RSV infections.

Abstract Respiratory Syncytial Virus (RSV) disease in newborns ranges from mild symptoms to severe disease requiring hospitalization. RSV is classified into two subtypes (RSVA and RSVB) based on antigenic and genetic differences. The role these genomic variations play in disease severity remains unknown. Genome sequences were obtained using next-generation RNA sequencing on archived frozen nasal swabs of young children (< 8 months-old) infected with RSV in Rochester, NY between 1977-1998. Samples were chosen from both children hospitalized with severe RSV disease (inpatient) and those presenting with mild symptoms (outpatient) during their first cold-season. Both A and B subtypes demonstrated significant differences in the phylogeny and primary-protein structure during this time period. We found a significant association between RSV phylogeny over this time period and disease severity. For both subtypes, the G-protein demonstrated the greatest amino acid substitutions, although the number of amino acid substitutions was higher in the RSVA subtype. We found a significant association between G-protein variation and disease severity for RSVA, but not RSVB. For both subtypes, variation in the M2-2 protein was significantly associated with disease severity. These results suggest that the genetic variability of RSV proteins may contribute to disease severity in humans. Importance Each cold-season Respiratory Syncytial Virus (RSV) infects thousands of children in the US. Some will display mild cold symptoms while others develop severe disease, sometimes resulting in lifelong lung problems or fatality. RSV initiates infection and replicates in the nasopharynx. Substitutions in the RSV genome can be found in clinically isolated nasal-swab samples of RSV infected children. Whether these genome variations contribute to severe disease is unknown. Here we found a statistically significant association between RSV phylogeny and disease severity. Furthermore, we found specific RSV proteins (G and M2-2) whose amino acid variation was statistically associated with severe disease, although which protein was associated depended on subtype. Taken together, our results suggest that RSV genotype contributed to disease severity over this time period.

Abstract Background The correlates of COVID-19 illness severity following infection with SARS-Coronavirus 2 (SARS-CoV-2) are incompletely understood. Methods We assessed peripheral blood gene expression in 53 adults with confirmed SARS-CoV-2-infection clinically adjudicated as having mild, moderate or severe disease. Supervised principal components analysis was used to build a weighted gene expression risk score (WGERS) to discriminate between severe and non-severe COVID. Results Gene expression patterns in participants with mild and moderate illness were similar, but significantly different from severe illness. When comparing severe versus non-severe illness, we identified >4000 genes differentially expressed (FDR<0.05). Biological pathways increased in severe COVID-19 were associated with platelet activation and coagulation, and those significantly decreased with T cell signaling and differentiation. A WGERS based on 18 genes distinguished severe illness in our training cohort (cross-validated ROC-AUC=0.98), and need for intensive care in an independent cohort (ROC-AUC=0.85). Dichotomizing the WGERS yielded 100% sensitivity and 85% specificity for classifying severe illness in our training cohort, and 84% sensitivity and 74% specificity for defining the need for intensive care in the validation cohort. Conclusion These data suggest that gene expression classifiers may provide clinical utility as predictors of COVID-19 illness severity.

Abstract Background Respiratory Syncytial Virus (RSV) disease in young children ranges from mild cold symptoms to severe symptoms that require hospitalization and sometimes result in death. Studies have shown a statistical association between RSV subtype or phylogenic lineage and RSV disease severity, although these results have been inconsistent. Associations between variation within RSV gene coding regions or residues and RSV disease severity has been largely unexplored. Methods Nasal swabs from children (< 8 months-old) infected with RSV in Rochester, NY between 1977–1998 clinically presenting with either mild or severe disease during their first cold-season were used. Whole-genome RSV sequences were obtained using overlapping PCR and next-generation sequencing. Both whole-genome phylogenetic and non-phylogenetic statistical approaches were performed to associate RSV genotype with disease severity. Results The RSVB subtype was statistically associated with disease severity. A significant association between phylogenetic clustering of mild/severe traits and disease severity was also found. GA1 clade sequences were associated with severe disease while GB1 was significantly associated with mild disease. Both G and M2-2 gene variation was significantly associated with disease severity. We identified 16 residues in the G gene and 3 in the M2-2 RSV gene associated with disease severity. Conclusion These results suggest that phylogenetic lineage and the genetic variability in G or M2-2 genes of RSV may contribute to disease severity in young children undergoing their first infection.

Respiratory syncytial virus (RSV) is the leading cause of severe respiratory disease in infants. Other than age at the time of infection, the causes and correlates of severe illness in infants lacking known risk factors are poorly defined. We recruited a cohort of confirmed RSV-infected infants and simultaneously assayed the presence of resident airway microbiota and the molecular status of their airways using a novel method. Rigorous statistical analyses identified a molecular airway gene expression signature of severe illness dominated by excessive chemokine expression. Global 16S rRNA sequencing confirmed an association between H. influenzae and clinical severity. Interestingly, adjusting for H. influenzae in our gene expression analysis revealed an association between severity and airway lymphocyte accumulation. Exploring the relationship between airway gene expression and the time of onset of clinical symptoms revealed a robust, acute activation of interferon (IFN) signaling, which was absent in subjects with severe illness. Finally, we explored the relationship between IFN activity, airway gene expression and productive RSV infection using a novel in vitro model of bona fide pediatric human airway epithelial cells. Interestingly, blocking IFN signaling, but not IFN ligand production, in these cells leads to increased viral infection. Our data reveal that acute airway interferon responses are physiologically relevant in the context of infant RSV infection and may be a target for therapeutic intervention. Additionally, the airway gene expression signature we define may be useful as a biomarker for efficacy of intervention responses.