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.

Abstract Respiratory syncytial virus (RSV) contains a conserved CX3C motif on the ectodomain of the G-protein. The motif has been indicated as facilitating attachment of the virus to the host initiating infection via the human CX3CR1 receptor. The natural CX3CR1 ligand, CX3CL1, has been shown to induce signaling pathways resulting in transcriptional changes in the host cells. We hypothesize that binding of RSV to CX3CR1 via CX3C leads to transcriptional changes in host epithelial cells. Using transcriptomic analysis, the effect of CX3CR1 engagement by RSV was investigated. Normal human bronchial epithelial (NHBE) cells were infected with RSV virus containing either wildtype G-protein, or a mutant virus containing a CX4C mutation in the G-protein. RNA sequencing was performed on mock and 4-days-post-infected cultures. NHBE cultures were also treated with purified recombinant wild-type A2 G-protein. Here we report that RSV infection resulted in significant changes in the levels 766 transcripts. Many nuclear associated proteins were upregulated in the WT group, including Nucleolin. Alternatively, cilia-associated genes, including CC2D2A and CFAP221 (PCDP1), were downregulated. The addition of recombinant G-protein to the culture lead to the suppression of cilia-related genes while also inducing Nucleolin. Mutation of the CX3C motif (CX4C) reversed these effects on transcription decreasing nucleolin induction and lessening the suppression of cilia-related transcripts in culture. Furthermore, immunohistochemical staining demonstrated decreases in in ciliated cells and altered morphology. Therefore, it appears that engagement of CX3CR1 leads to induction of genes necessary for RSV entry as well as dysregulation of genes associated with cilia function. Importance Respiratory Syncytial Virus (RSV) has an enormous impact on infants and the elderly including increased fatality rates and potential for causing lifelong lung problems. Humans become infected with RSV through the inhalation of viral particles exhaled from an infected individual. These virus particles contain specific proteins that the virus uses to attach to human ciliated lung epithelial cells, initiating infection. Two viral proteins, G-protein and F-protein, have been shown to bind to human CX3CR1and Nucleolin, respectively. Here we show that the G-protein induces Nucleolin and suppresses gene transcripts specific to ciliated cells. Furthermore, we show that mutation of the CX3C-motif on the G-protein, CX4C, reverses these transcriptional changes.

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.

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.