Background:

 Interstitial lung disease (ILD) is a severe extra-articular manifestation of rheumatoid arthritis (RA). Abatacept (ABA) has demonstrated effectiveness in the treatment of RA-ILD, regardless combined or not with methotrexate and the radiological pattern [1-3]. Although global results are satisfactory, there are patients who present progression of ILD despite its use. The characterization of this group of patients is crucial for its early identification and management 

Objectives:

 To assess a) the RA-ILD patients treated with ABA with progression of ILD and b) comparative study with patients without progression. 

Methods:

 From a large observational multicenter study of 526 RA-ILD patients treated with ABA, we selected those with available pulmonary function tests (PFTs) follow-up data. Progression of ILD was defined as an absolute decline of forced vital capacity (FVC) of ≥10% within 2 years of follow-up since ABA initiation (Figure 1). compared demographic and clinical variables of patients with ILD progression vs. patients with ILD improvement or stabilization. Results are expressed as percentage, mean±SD or median [IQR]. 

Results:

 We included a total of 343 patients with available data on FVC evolution, of which 80 (23.3%) presented ILD progression and 263 (76.7%) had a favorable lung function course. The differential baseline demographic and clinical characteristics between these 2 groups of patients are displayed in Table 1. We found no statistically significant differences between both groups in terms of age, sex, smoking, ILD duration up to ABA initiation, positivity of rheumatoid factor or anti-citrullinated protein autoantibodies, combined treatment, prednisone dose, baseline PFTs or radiological pattern. The differences in basal dyspnea and previous therapy with methotrexate and tocilizumab were statistically significant. 

Conclusion:

 Almost a quarter of patients with ABA therapy presented ILD progression. There were few differences between progressive group and non-progressive group. Although ABA has consistently demonstrated effectiveness in the treatment of RA-ILD, its response should be closely monitored in all the patients to early detect progression. 

REFERENCES:

 [1] Fernández-Díaz C, et al. Rheumatology (Oxford). 2020 Dec 1;59(12):3906-3916. [2] Fernández-Díaz C, et al. Rheumatology (Oxford). 2021 Dec 24;61(1):299-308. [3] Atienza-Mateo B, et al. Eur J Intern Med. 2024 Jan;119:118-124. Table 1. Comparison of main baseline features of RA-ILD patients treated with ABA divided into ILD progression and no-ILD progression groups. ACPA, anti-citrullinated protein antibodies; DLCO, diffusing capacity of the lung for carbon monoxide; cDMARD, conventional disease-modifying antirheumatic drug; FVC, forced vital capacity; HRCT, high-resolution computed tomography; ILD, interstitial lung disease; IQR, interquartile range; iv, intravenous; mMRC, modified Medical Research Council scale; MTX, methotrexate; NSIP, non-specific interstitial pneumonia; RA, rheumatoid arthritis; RF, rheumatoid factor; RTX, rituximab; sc, subcutaneous; SD, standard deviation; TCZ, tocilizumab; TNF, tumor necrosis factor; UIP, usual interstitial pneumonia. 

Acknowledgements:

 NIL. 

Disclosure of Interests:

 Ana Serrano-Combarro: None declared, Belén Atienza-Mateo: None declared, Libe Ibarrola Paino: None declared, Ivette Casafont-Solé: None declared, Jesús Loarce-Martos: None declared, Juan María Blanco-Madrigal: None declared, Santos Castañeda: None declared, Rafaela Ortega-Castro: None declared, Natalia Mena-Vázquez: None declared, Nuria Vegas-Revenga: None declared, Lucía Domínguez Casas: None declared, Cilia Peralta-Ginés: None declared, Carolina Díez: None declared, Lorena Pérez Albaladejo: None declared, Ruben López-Sánchez: None declared, Mª Guadalupe Mazano Canabal: None declared, Anahy Brandy-Garcia: None declared, Patricia López Viejo: None declared, Gema Bonilla: None declared, Olga Maiz: None declared, Maria del Carmen Carrasco Cubero: None declared, Marta Garijo Bufort: None declared, Mireia Moreno: None declared, Ana Urruticoechea-Arana: None declared, Sergi Ordoñez: None declared, C. González-Montagut Gómez: None declared, Andrea García-Valle: None declared, Juan Ramón De Dios Jiménez de Aberásturi: None declared, Patricia Carreira: None declared, Tomas Vazquez Rodriguez: None declared, Delia Fernandez-Lozano: None declared, Ignacio Braña Abascal: None declared, Rafael B Melero-González: None declared, EMILIO GINER: None declared, Virginia Ruiz: None declared, Clara Ventín-Rodríguez: None declared, Marina Rodriguez Lopez: None declared, Pablo Andújar-Brazal: None declared, J. Fernández-Melón: None declared, Lilian Maria López: None declared, Jose Ramón Lamúa Riazuelo: None declared, Carlos Fernández-Díaz: None declared, Javier Loricera: None declared, Diego Ferrer: None declared, Ricardo Blanco Abbvie, Pfizer, Roche, lilly, Bristol-Myers, Janssen, Galapagos and MSD, Abbvie, Pfizer, Roche, lilly, Bristol-Myers, Janssen and MSD, Abbvie, MSD, novartis and Roche.

1 Abstract Background Systemic autoimmune diseases (SADs) are characterized by internal heterogeneity, overlapping clinical symptoms, and shared molecular pathways. Therefore, they are difficult to diagnose and new tools allowing precise diagnosis are needed. Molecular-based reclassification studies enable to find patterns in a diagnosis-independent way. Objective To evaluate the possibility of using high-content immunophenotyping for detecting patient subgroups in the context of precise treatment. Methods Whole blood high-content immunophenotyping of 101 patients with 7 systemic autoimmune diseases and 22 controls was performed using 36-plex mass cytometry panel. Patients were compared across diagnostic entities and re-classified using Monte Carlo reference-based consensus clustering. Levels of 45-plex multiplexed cytokine were measured and used for cluster characterization. Results Differential analysis by diagnosis did not reveal any disease-specific pattern in the cellular compositions and phenotypes but rather their relative similarities. Accordingly, patients were classified into phenotypically distinct groups composed of different diagnostic entities sharing common immunophenotypes and cytokine signatures. These features were mainly based on granulocyte activation and CD38 expression in discrete lymphocyte populations and were related to Th17 or IFN-dependent cytokines. Conclusions Our data indicate that specific individuals could potentially benefit from the same line of treatment independently of their diagnosis and emphasize the possibility of using immunophenotyping as a stratification tool in precision rheumatology. 2 Graphical abstract Key messages Whole blood immmunophenotyping could be used to stratify systemic autoimmune patients, thus it is a useful tool in precision medicine. Patients’ groups could benefit from the same line of treatment.

Background:

 Systemic lupus erythematosus (SLE) exhibits significant heterogeneity in clinical progression and treatment response, posing challenges in both diagnosis and therapeutic interventions. 

Objectives:

 To explore mechanisms underlying relevant clinical endotypes in SLE patients though the integrated analysis of the serum proteomic and metabolomic profiles, employing advanced machine learning approaches. 

Methods:

 Proteomic and metabolomic analyses assessed 184 proteins (Olink) and 250 metabolites (NMR, Nightingale) in 100 SLE patients and 27 healthy donors (HD). A comprehensive clinical profile complemented the analysis. Molecular profiles were established using clustering, differential protein expression, pathway enrichment (STRING and Metascape), univariate logistic regression, and advanced machine learning models integrated with clinical data. A validation SLE cohort (n=41) from the University College London Hospital (UCLH) was included. 

Results:

 Unsupervised hierarchical clustering of proteomic data identified two patient groups. Forty-seven proteins were elevated in patients within Cluster-1 vs Cluster-2, while 31 proteins were upregulated in Cluster-1 relative to HD. Cluster-1 was characterised by a heightened disease severity and prevalence of cardiovascular (CV) risk factors, including prolonged disease duration, high disease activity (SLEDAI >5), prevalence of lupus nephritis (LN), hypertension, abnormal lipid profile and obesity. Differentially regulated proteins were enriched in pathways associated with nephritis, CV-risk, and immune response. A univariate logistic regression (LR) analysis of metabolomic data between clusters identified a distinctive metabolite signature, which included elevated levels of Acetoacetate, Citrate, Creatinine, and various triglycerides. Moreover, a neural network machine learning model applied to metabolomic and clinical data classified patients into Cluster-1 and -2 with high accuracy (Area Under the Curve=0.77). Hierarchical clustering applied to proteins enriched in both CV and nephritis pathways confirmed the distinct SLE subgroups. Furthermore, correlation analysis between regulated proteins and metabolites identified a positive relationship between creatinine and proteins within the CV [Natriuretic peptide precursor C, Mevalonate kinase, Placenta growth factor, and CD40] and nephritis [CD40 and IL17C] pathways. Finally, comparison of patients with and without LN identified 40 upregulated metabolites, including several CV markers: low-density lipoprotein subsets, fatty acids and apolipoprotein-B. This signature was validated in an external SLE cohort of patients stratified for the presence/absence of LN (UCLH), where 35 out of 40 (87.5%) LN-associated metabolites were also detected, underscoring the robustness of our findings. 

Conclusion:

 The present study revealed a distinct molecular signature associated with novel SLE subgroups defined by high disease activity, elevated CV risk and incidence of LN. This integrative approach, harnessing proteomic and metabolomic methodologies, could enhance molecular characterization of novel SLE patient endotypes, refine the understanding of patient clinical profiles and potentially unveil novel disease biomarkers, paving the way for improved therapeutic interventions. Supported by the EU/EFPIA Innovative Medicines Initiative Joint Undertaking 3TR, Projects no. PI21/0591 & CD21/00187 funded by Instituto de Salud Carlos III (ISCIII) and co-funded by the European Union. Project no. RD21/0002/0033 funded by ISCIII and funded by the European Union-NextGeneration EU, via Plan de Recuperación, Transformacion y Resiliencia (PRTR) and MINECO (RYC2021-033828-I, and PID2022-141500OA-I00). 

REFERENCES:

 NIL. 

Acknowledgements:

 NIL. 

Disclosure of Interests:

 None declared.

Background:

 Rheumatoid arthritis (RA) is a remarkably heterogeneous autoimmune disease whose clinical outcomes with disease-modifying antirheumatic drugs (DMARDs) remain unpredictable in patients. Biomarker identification and personalised medicine is an imperative need. 

Objectives:

 To characterize the molecular landscape of RA patients, by using a multi-omic approach involving transcriptomics and proteomics and assess its association with disease status and clinical response. 

Methods:

 PBMCs from 149 subjects, including 27 healthy donors and 123 RA patients underwent RNAseq on Illumina platforms. The RA cohort included 39 biologics-naïve patients before receiving TNFi and 26 patients before receiving JAKinibs. Clinical outcomes were assessed after 3 months following EULAR criteria. Gene expression data were projected into gene pathway modules (gene signatures) using a validated functional annotation approach ('scoring personalized molecular portraits'). Hierarchical clustering was conducted to identify patients' subgroups based on transcriptomic profiles. Concurrently, 92 inflammatory mediators in RA serum were analyzed using Olink platform. Machine learning models assessed molecular signatures for predicting therapeutic response. 

Results:

 Unsupervised clustering identified three clusters (CL). CL1 exhibited a pronounced myeloid and inflamed profile, characterized by diminished T-cell levels, in stark contrast to CL2, which mirrored a healthy profile. CL3 showed moderate changes, with increased B-cell signature in RA patients. Clinically, CL1 showed the highest status of disease activity, longest evolution time and greatest innate immune cells count. Correlation analysis of deregulated gene modules and disease features underscored a positive relationship between the disease severity and elevated levels of myeloid and inflammation modules, while inversely correlating with reduced T-cell modules. This observation suggests a potential link to the phenomenon of T-cell exhaustion. Alterations in 22 inflammation-related proteins were found among clusters, which exhibited positive correlation with expression levels of gene modules associated with inflammation, IFN pathway and myeloid cell activity. Association analysis found baseline gene modules differences between responders (R) and non-responders (NR) to JAKi or TNFi at 3 months. Heightened gene modules associated with T cell activation were linked to NR to JAKi, while increased gene modules tied to the IFN pathway were associated with NR to TNFi. Two gene signatures (involving the top 10 differentially expressed genes in these modules) distinguished R from NR to TNFi and JAKi. Machine learning approaches demonstrated the great potential of these signatures as predictive models of response to these therapies. Lastly, by analyzing the top 15 inflammation-related proteins at baseline between R and NR for both therapies, consistent opposing patterns emerged. Elevated chemokines and cytokines were found in R to JAKi but NR to TNFi, while reduced levels appeared in NR to JAKi but R to TNFi. 

Conclusion:

 1.RA patients conform distinctive subgroups based on altered transcriptomic and proteomic profiles, directly linked to their clinical status. 2.Clinical effectiveness of TNFi and JAKi was associated with specific transcriptomic and proteomic profiles before starting such therapies. Overall, the integration of clinical and molecular data represents a relevant strategy to guide the future of precision medicine in RA patients. 

REFERENCES:

 NIL. 

Acknowledgements:

 Supported by the EU/EFPIA Innovative Medicines Initiative Joint Undertaking 3TR, Projects no. PI21/0591 & CD21/00187 funded by Instituto de Salud Carlos III (ISCIII) and co-funded by the European Union. Project no. RD21/0002/0033 funded by ISCIII and funded by the European Union-NextGeneration EU, via Plan de Recuperación, Transformacion y Resiliencia (PRTR) and MINECO (RYC2021-033828-I, and PID2022-141500OA-I00). 

Disclosure of Interests:

 None declared.

Background:

 The profound alterations in the structure, cellular composition, and function of synovial tissue in rheumatoid arthritis (RA) underlie the persistent inflammation and cumulative joint destruction that are hallmarks of this disease. Several biomolecules originating from infiltrating inflammatory cells and activated resident cells in the RA joint, and present in the serum, which remain poorly characterized, likely play a crucial role in the disease's pathophysiology. 

Objectives:

 To identify synovial tissue secreted proteins that may contribute to the inflammatory serum profile, assess their correlation with clinical manifestations of RA, and evaluate their responsiveness to biologic and targeted synthetic DMARDs. 

Methods:

 Synovial explants obtained from biopsies of 17 RA patients were cultured in vitro for 24h, to characterize the secreted protein profile of this tissue. Tissues from each patient were also treated with etanercept, sarilumab or baricitinib (all 10 micromolar). Protein levels and drug-induced changes were assessed in supernatants by proximity extension assay -PEA- technology (Olink)), analyzing a panel of 92 inflammation-related proteins. Concurrently, that proteomic profile was analyzed in the serum samples from the same subjects. Findings were further validated in the serum of an independent cohort of 185 RA patients. 

Results:

 Levels of ten synovial-secreted proteins correlated with those present in the serum of RA patients (CDCP1, CXCL1, IL10RA, IL10RB, IL10, IL15RA, PDL1, CCL28, IFN gamma, and FGF19). These proteins influence RA pathophysiology, affecting T cells, synovium chemotaxis, immune cells activity, inflammatory cytokines, B cells, autoantibodies, reactive species, antigen presentation, macrophage activation, and cell proliferation. Clinically, elevated levels of these proteins were noted in RA patients with active disease (DAS28 score > 3.2), increased acute phase reactants (APR), and positivity for ACPAs. To validate the findings, serum levels of this protein signature was assessed in a separate cohort of 185 RA patients with established disease. Hierarchical unsupervised clustering identified two patient groups, with 46% exhibiting elevated expression of the aforementioned 10 proteins. Clinically, these patients demonstrated increased disease activity, elevated APRs, longer disease duration, and associated comorbidities such as heightened cardiovascular risk, indicated by atheroma plaques, an increased atherogenic index, and arterial hypertension. Intriguingly, these patients also exhibited a more favorable clinical response to bDMARDs after six months, as evaluated by EULAR criteria. Finally, in vitro studies demonstrated that culturing synovial tissues from patients who exhibited elevated basal levels of the identified 10-protein signature with TNFi, IL6Ri, or JAKinibs for 24 hours resulted in a more significant modulation of inflammatory mediators compared to those with lower protein levels of this signature. Furthermore, distinct responses were observed for each therapeutic approach. 

Conclusion:

 1.We have identified a ten-protein signature, secreted by the synovial tissue, that seems to contribute to the circulating inflammatory profile of RA patients. 2.This signature further correlates with relevant RA clinical features and impacts responses to both, biologic and targeted synthetic DMARDs. These insights emphasize the potential for personalized RA treatment selection using circulating biomarkers that mirror synovial tissue molecular characteristics. 

REFERENCES:

 NIL. 

Acknowledgements:

 Supported by the EU/EFPIA Innovative Medicines Initiative Joint Undertaking 3TR, Projects no. PI21/0591 & CD21/00187 funded by Instituto de Salud Carlos III (ISCIII) and co-funded by the European Union. Project no. RD21/0002/0033 funded by ISCIII and funded by the European Union-NextGeneration EU, via Plan de Recuperación, Transformacion y Resiliencia (PRTR) and MINECO (RYC2021-033828-I, and PID2022-141500OA-I00). 

Disclosure of Interests:

 None declared.

To evaluate the main outcomes of disease activity and their association with other measures of activity, damage, and quality of life in patients with idiopathic inflammatory myopathy (IIM) according to time since diagnosis and positivity to antisynthetase autoantibodies (ASAs). Cross-sectional multicenter study within the Spanish Myo-Spain registry. Cases were classified as incident (≤ 12 months since diagnosis) and prevalent. The main outcomes of disease activity were the Myositis Disease Activity Assessment visual analogue scale (MYOACT), the Manual Muscle Test 8 (MMT-8), physician global activity (PhGA), and extramuscular activity. Other measures of activity, damage, and quality of life included patient global disease activity, MYOACT muscular, creatine phosphokinase, Health Assessment Questionnaire, physician and patient global damage, global damage of the Myositis Damage Index, and the 12-item Short-Form Health Survey (SF-12). We analyzed associations using a multivariate generalized linear model and a simple linear regression model. A total of 554 patients with different diagnostic subgroups of IIM were included (136 incident and 418 prevalent cases), with 215 ASA-positive patients (58 incident and 157 prevalent cases). All measures of disease activity were higher in the incident cases (p < 0.05), except for MYOACT muscular and creatine phosphokinase, for which no differences were recorded in ASA-positive patients. No differences were found between incident and prevalent cases for measures of damage. Values for the physical component of the SF-12 were higher in the prevalent cases (p < 0.05). The multivariate model was initially significant overall for the main activity outcomes. Positivity to ASAs was positively and negatively associated with the MYOACT index and MMT-8, respectively (p < 0.05), although no association was recorded with PhGA and extramuscular activity. Prevalent cases were negatively associated with the main outcomes of activity, except with MMT-8, for which the association was positive (p < 0.05). The main activity outcomes validated in polymyositis and dermatomyositis could also be used in other subtypes of IIM, such as antisynthetase syndrome. Recent diagnosis is associated with greater disease activity, as assessed based on these activity outcomes. PhGA and extramuscular activity are not modified by ASA positivity, thus supporting their preferred use for assessing treatment response in IIM with ASAs.