Abstract Crohn’s disease (CD) is a chronic inflammatory gut disorder. Molecular mechanisms underlying the clinical heterogeneity of CD remain poorly understood. MicroRNAs (miRNAs) are important regulators of gut physiology and several have been implicated in the pathogenesis of adult CD. However, there is a dearth of large-scale miRNA studies for pediatric CD. We hypothesized that specific miRNAs uniquely mark pediatric CD. We performed small RNA-sequencing of patient-matched non-inflamed colon and ileum biopsies from treatment-naïve pediatric patients with CD (n=169) and a control cohort (n=108). Comprehensive miRNA analysis revealed 58 miRNAs altered in pediatric CD. Notably, multinomial logistic regression analysis revealed that index levels of ileal miR-29 are strongly predictive of severe inflammation and stricturing. Transcriptomic analyses of transgenic mice overexpressing miR-29 show a significant reduction of the tight junction protein gene Pmp22 and classic Paneth cell markers. The dramatic loss of Paneth cells was confirmed by histologic assays. Moreover, we also found that pediatric CD patients with elevated miR-29 exhibit significantly lower Paneth cell counts, increased inflammation scores, and reduced levels of PMP22 . These findings strongly indicate that miR-29 up-regulation is a distinguishing feature of pediatric CD, highly predictive of severe phenotypes, and associated with inflammation and Paneth cell loss.

Introduction Pediatric Crohn’s disease (CD) is the fastest growing age group and is characterized by frequent disease complications. We sought to analyze both ileal and colonic gene expression in a cohort of pediatric CD patients and apply machine learning-based models to predict risk of developing future complications. Methods RNA-seq was generated from matched ileal and colonic biopsies from formalin-fixed, paraffin-embedded (FFPE) tissue obtained from patients with non-stricturing/non-penetrating, treatment-naïve CD and from controls. Clinical outcomes including development of strictures or fistulas, progression to surgery, and remission were analyzed first using differential expression. Machine learning models were then developed for each outcome, combining gene expression and clinical factors. Models were assessed using area under the receiver operating characteristic curve (AUROC). Results 56 patients with CD and 46 controls were included. Differential expression analysis revealed a distinct colonic transcriptome for patients who developed strictures, with downregulation of pathways related to inflammation and extra-cellular matrix production. In contrast, there were few differentially expressed genes for other outcomes and for ileal tissue. Despite this, machine learning-based models were able to incorporate colonic gene expression and clinical characteristics to predict outcomes with high accuracy. Models showed an AUROC of 0.84 for strictures, 0.83 for remission, and 0.75 for surgery. Certain genes with potential prognostic importance for strictures (REG1A, MMP3, and DUOX2) were not identified in single gene differential analysis but were found to have strong contributions to predictive models. Conclusions Our findings in FFPE tissue support the importance of colonic gene expression and the potential for machine learning-based models in predicting outcomes for pediatric CD.