Some patients infected with severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) develop severe pneumonia and acute respiratory distress syndrome1 (ARDS). Distinct clinical features in these patients have led to speculation that the immune response to virus in the SARS-CoV-2-infected alveolus differs from that in other types of pneumonia2. Here we investigate SARS-CoV-2 pathobiology by characterizing the immune response in the alveoli of patients infected with the virus. We collected bronchoalveolar lavage fluid samples from 88 patients with SARS-CoV-2-induced respiratory failure and 211 patients with known or suspected pneumonia from other pathogens, and analysed them using flow cytometry and bulk transcriptomic profiling. We performed single-cell RNA sequencing on 10 bronchoalveolar lavage fluid samples collected from patients with severe coronavirus disease 2019 (COVID-19) within 48 h of intubation. In the majority of patients with SARS-CoV-2 infection, the alveolar space was persistently enriched in T cells and monocytes. Bulk and single-cell transcriptomic profiling suggested that SARS-CoV-2 infects alveolar macrophages, which in turn respond by producing T cell chemoattractants. These T cells produce interferon-γ to induce inflammatory cytokine release from alveolar macrophages and further promote T cell activation. Collectively, our results suggest that SARS-CoV-2 causes a slowly unfolding, spatially limited alveolitis in which alveolar macrophages containing SARS-CoV-2 and T cells form a positive feedback loop that drives persistent alveolar inflammation. Analysis of bronchoalveolar lavage fluid samples from patients with SARS-CoV-2-induced respiratory failure suggests that SARS-CoV-2 infects alveolar macrophages to cause release of T cell chemoattractants, thereby inducing local inflammatory cytokine release and further T cell activation, ultimately resulting in a positive feedback loop that drives alveolar inflammation.

Abstract Large language models such as ChatGPT can produce increasingly realistic text, with unknown information on the accuracy and integrity of using these models in scientific writing. We gathered fifth research abstracts from five high-impact factor medical journals and asked ChatGPT to generate research abstracts based on their titles and journals. Most generated abstracts were detected using an AI output detector, ‘GPT-2 Output Detector’, with % ‘fake’ scores (higher meaning more likely to be generated) of median [interquartile range] of 99.98% ‘fake’ [12.73%, 99.98%] compared with median 0.02% [IQR 0.02%, 0.09%] for the original abstracts. The AUROC of the AI output detector was 0.94. Generated abstracts scored lower than original abstracts when run through a plagiarism detector website and iThenticate (higher scores meaning more matching text found). When given a mixture of original and general abstracts, blinded human reviewers correctly identified 68% of generated abstracts as being generated by ChatGPT, but incorrectly identified 14% of original abstracts as being generated. Reviewers indicated that it was surprisingly difficult to differentiate between the two, though abstracts they suspected were generated were vaguer and more formulaic. ChatGPT writes believable scientific abstracts, though with completely generated data. Depending on publisher-specific guidelines, AI output detectors may serve as an editorial tool to help maintain scientific standards. The boundaries of ethical and acceptable use of large language models to help scientific writing are still being discussed, and different journals and conferences are adopting varying policies.

Some patients with severe COVID-19 develop end-stage pulmonary fibrosis for which lung transplantation may be the only treatment.

Abstract Single-cell technologies have transformed our understanding of human tissues. Yet, studies typically capture only a limited number of donors and disagree on cell type definitions. Integrating many single-cell datasets can address these limitations of individual studies and capture the variability present in the population. Here we present the integrated Human Lung Cell Atlas (HLCA), combining 49 datasets of the human respiratory system into a single atlas spanning over 2.4 million cells from 486 individuals. The HLCA presents a consensus cell type re-annotation with matching marker genes, including annotations of rare and previously undescribed cell types. Leveraging the number and diversity of individuals in the HLCA, we identify gene modules that are associated with demographic covariates such as age, sex and body mass index, as well as gene modules changing expression along the proximal-to-distal axis of the bronchial tree. Mapping new data to the HLCA enables rapid data annotation and interpretation. Using the HLCA as a reference for the study of disease, we identify shared cell states across multiple lung diseases, including SPP1 + profibrotic monocyte-derived macrophages in COVID-19, pulmonary fibrosis and lung carcinoma. Overall, the HLCA serves as an example for the development and use of large-scale, cross-dataset organ atlases within the Human Cell Atlas.

Some patients infected with Severe Acute Respiratory Syndrome Coronavirus-2 (SARS-CoV-2) develop severe pneumonia and the acute respiratory distress syndrome (ARDS) [1]. Distinct clinical features in these patients have led to speculation that the immune response to virus in the SARS-CoV-2-infected alveolus differs from other types of pneumonia [2]. We collected bronchoalveolar lavage fluid samples from 86 patients with SARS-CoV-2-induced respiratory failure and 252 patients with known or suspected pneumonia from other pathogens and subjected them to flow cytometry and bulk transcriptomic profiling. We performed single cell RNA-Seq in 5 bronchoalveolar lavage fluid samples collected from patients with severe COVID-19 within 48 hours of intubation. In the majority of patients with SARS-CoV-2 infection at the onset of mechanical ventilation, the alveolar space is persistently enriched in alveolar macrophages and T cells without neutrophilia. Bulk and single cell transcriptomic profiling suggest SARS-CoV-2 infects alveolar macrophages that respond by recruiting T cells. These T cells release interferon-gamma to induce inflammatory cytokine release from alveolar macrophages and further promote T cell recruitment. Our results suggest SARS-CoV-2 causes a slowly unfolding, spatially-limited alveolitis in which alveolar macrophages harboring SARS-CoV-2 transcripts and T cells form a positive feedback loop that drives progressive alveolar inflammation. This manuscript is accompanied by an online resource: https://www.nupulmonary.org/covid-19/.SARS-CoV-2-infected alveolar macrophages form positive feedback loops with T cells in patients with severe COVID-19.

Abstract Summary As the use of single-cell technologies has grown, so has the need for tools to explore these large, complicated datasets. The UCSC Cell Browser is a tool that allows scientists to visualize gene expression and metadata annotation distribution throughout a single-cell dataset or multiple datasets. Availability and implementation We provide the UCSC Cell Browser as a free website where users can explore a growing collection of single-cell datasets and a freely available python package for scientists to create stable, self-contained visualizations for their own single-cell datasets. Learn more at https://cells.ucsc.edu . Contact cells@ucsc.edu

Abstract Regulatory T (Treg) cells orchestrate resolution and repair of acute lung inflammation and injury following viral pneumonia. Compared with younger patients, older individuals experience impaired recovery and worse clinical outcomes after severe viral infections, including influenza and the novel severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). Whether age is a key determinant of Treg cell pro-repair function following lung injury remains unknown. Here, we show that aging results in a cell-autonomous impairment of reparative Treg cell function following experimental influenza pneumonia. Transcriptional and DNA methylation profiling of sorted Treg cells provide insight into the mechanisms underlying their age-related dysfunction, with Treg cells from aged mice demonstrating both loss of reparative programs and gain of maladaptive programs. Novel strategies that restore youthful Treg cell functional programs could be leveraged as therapies to improve outcomes among older individuals with severe viral pneumonia.

Skeletal muscle dysfunction in survivors of pneumonia is a major cause of lasting morbidity that disproportionately affects older individuals. We found that skeletal muscle recovery was impaired in aged compared with young mice after influenza A virus-induced pneumonia. In young mice, recovery of muscle loss was associated with expansion of tissue-resident skeletal muscle macrophages and downregulation of MHC II expression, followed by a proliferation of muscle satellite cells. These findings were absent in aged mice and in mice deficient in Cx3cr1. Transcriptomic profiling of tissue-resident skeletal muscle macrophages from aged compared with young mice showed downregulation of pathways associated with phagocytosis and proteostasis, and persistent upregulation of inflammatory pathways. Consistently, skeletal muscle macrophages from aged mice failed to downregulate MHCII expression during recovery from influenza A virus-induced pneumonia and showed impaired phagocytic function in vitro. Like aged animals, mice deficient in the phagocytic receptor Mertk showed no macrophage expansion, MHCII downregulation or satellite cell proliferation and failed to recover skeletal muscle function after influenza A pneumonia. Our data suggest that a loss of phagocytic function in a CX3CR1+ tissue-resident skeletal muscle macrophage population in aged mice precludes satellite cell proliferation and recovery of skeletal muscle function after influenza A pneumonia.

Pathogen clearance and resolution of inflammation in patients with pneumonia require an effective local T cell response. Nevertheless, local T cell activation may drive lung injury, particularly during prolonged episodes of respiratory failure characteristic of severe SARS-CoV-2 pneumonia. While T cell responses in the peripheral blood are well described, the evolution of T cell phenotypes and molecular signatures in the distal lung of patients with severe pneumonia caused by SARS-CoV-2 or other pathogens is understudied. Accordingly, we serially obtained 432 bronchoalveolar lavage fluid samples from 273 patients with severe pneumonia and respiratory failure, including 74 unvaccinated patients with COVID-19, and performed flow cytometry, transcriptional, and T cell receptor profiling on sorted CD8+ and CD4+ T cell subsets. In patients with COVID-19 but not pneumonia secondary to other pathogens, we found that early and persistent enrichment in CD8+ and CD4+ T cell subsets correlated with survival to hospital discharge. Activation of interferon signaling pathways early after intubation for COVID-19 was associated with favorable outcomes, while activation of NF-κB-driven programs late in disease was associated with poor outcomes. Patients with SARS-CoV-2 pneumonia whose alveolar T cells preferentially targeted the Spike and Nucleocapsid proteins tended to experience more favorable outcomes than patients whose T cells predominantly targeted the ORF1ab polyprotein complex. These results suggest that in patients with severe SARS-CoV-2 pneumonia, alveolar T cell interferon responses targeting structural SARS-CoV-2 proteins characterize patients who recover, yet these responses progress to NF-κB activation against non-structural proteins in patients who go on to experience poor clinical outcomes.