La sepsi è una condizione temuta e pericolosa per la vita che può verificarsi quando un’infezione va fuori controllo. Come uno tsunami dopo un terremoto, la sepsi si verifica quando un’infezione innesca una disregolazione del sistema immunitario, che porta a danni diffusi agli organi e persino alla morte.
La condizione può derivare da quasi tutti i tipi di infezione e affligge decine di milioni ogni anno a livello globale. Gli scienziati non comprendono appieno come si sviluppa o il modo migliore per arrestare la sua progressione nei pazienti.
Un nuovo studio condotto da ricercatori del Broad Institute of MIT e di Harvard, del Massachusetts General Hospital e del MIT offre nuove informazioni su ciò che va storto nel sistema immunitario durante la sepsi.
Analizzando le cellule del sangue di pazienti affetti da COVID-19 che sono progrediti verso la sepsi, hanno identificato un tipo di cellula che altera la capacità del corpo di rilevare e rispondere al virus.
Il lavoro aiuta a spiegare come il sistema immunitario viene soppresso nei casi gravi di COVID-19 e altre infezioni e suggerisce che prendere di mira queste cellule potrebbe un giorno migliorare l’esito per i pazienti. Lo studio appare in Science Translational Medicine.
“La sepsi è un grave problema in tutto il mondo e nessuno sa come correggerla”, ha affermato Nir Hacohen, co-autore senior del nuovo studio, membro dell’istituto presso il Broad e direttore del Mass General Center for Cancer Immunotherapy e Programma di circuiti cellulari di Broad.
“La risposta all’infezione è complessa, ma un lavoro come questo ci aiuta a colmare le lacune nelle conoscenze e a scoprire nuove possibilità di trattamento”.
In un lavoro precedente, il team ha analizzato singole cellule immunitarie nel sangue di pazienti con infezioni batteriche del tratto urinario, alcune delle quali hanno provocato sepsi. I pazienti con infezioni del tratto urinario moderate ospitavano un tipo di cellule del sangue, soprannominate MS1, che era ancora più abbondante nei pazienti settici. Le cellule MS1 erano quasi assenti dal sangue di pazienti sani di controllo .
I ricercatori sospettavano che le cellule MS1 potessero anche contribuire alla soppressione immunitaria durante le infezioni virali.
Per scoprire cosa guida la produzione delle cellule, hanno aggiunto plasma sanguigno di pazienti con sepsi o COVID-19 grave a cellule sane del midollo osseo in un piatto e hanno scoperto che questa combinazione ha generato nuove cellule MS1.
Ciò ha indicato che alcuni fattori nel sangue di pazienti gravemente infetti – probabilmente molecole immunitarie secrete note come citochine che sono state identificate anche in questo studio – guidano la produzione di cellule MS1.
Successivamente hanno esplorato il modo in cui le cellule MS1 alterano le due funzioni principali del sistema immunitario: il rilevamento innato dei patogeni e le risposte immunitarie adattative ad essi. La presenza di cellule MS1 generate dal midollo osseo ha impedito alle cellule immunitarie di rilevare il materiale virale.
Inoltre, le cellule immunitarie T attivate si dividono più lentamente in presenza di cellule MS1, indicando una risposta immunitaria adattativa più lenta ai patogeni. I risultati suggeriscono che le cellule MS1 sopprimono fortemente il sistema immunitario nei casi gravi di COVID-19, sepsi e molte altre infezioni.
“Studiare le cellule alla rinfusa può solo portarci lontano. Analizzando le singole cellule dei pazienti in studi clinici accuratamente progettati e seguendo studi funzionali, possiamo scoprire tipi di cellule unici con grandi effetti sulla fisiologia, come le cellule MS1 “, ha affermato il co-autore senior Paul Blainey, membro principale di l’ampio e professore associato presso il Dipartimento di Ingegneria Biologica del MIT.
L’abbondanza di cellule MS1 nel sangue potrebbe essere utile come test clinico per valutare la gravità e la prognosi per i pazienti sottoposti a trattamento per la sepsi. Inoltre, i ricercatori anticipano che le future terapie per manipolare le cellule MS1 per cambiare la loro influenza sulla risposta immunitaria potrebbero migliorare l’esito per i pazienti con sepsi, sia a causa dell’infezione da COVID-19 che di un altro agente patogeno.
l’epsis è una malattia prevalente con elevata mortalità che contribuisce a una grande frazione della spesa sanitaria in tutto il mondo1. Ad oggi, nessun biomarcatore diagnostico né agente terapeutico mirato per la sepsi si è dimostrato utile o efficace. Ciò è probabilmente attribuibile alla sostanziale eterogeneità della malattia dovuta a molteplici potenziali agenti patogeni, siti di infezione, risposte immunitarie individualizzate dell’ospite e manifestazioni di disfunzione d’organo2-4.
Allo stesso modo, ci sono informazioni limitate sulle basi cellulari e molecolari della disregolazione immunitaria sistemica indotta dalla sepsi5-8. Precedenti studi sul profilo dell’espressione genica dell’ospite si basavano sul sangue intero per caratterizzare le firme genetiche diagnostiche o prognostiche9-12, un approccio che aggrega i segnali trascrittomici da molti tipi di cellule differenti, ma potrebbe non rilevare le firme da cellule più rare e non identifica le firme di malattie specifiche del tipo cellulare13 . Per superare queste limitazioni, abbiamo caratterizzato lo spettro degli stati delle cellule immunitarie nel sangue di pazienti settici utilizzando il profilo di espressione genica risolta da una singola cellula.
scRNA-seq definisce gli stati delle cellule immunitarie nei pazienti con sepsi in più coorti cliniche
Abbiamo eseguito scRNA-seq su PBMC da pazienti settici e controlli per definire la gamma di stati cellulari presenti in questi pazienti, identificare le differenze nella composizione dello stato cellulare tra i gruppi e rilevare le firme immunitarie che distinguono la sepsi dalla normale risposta immunitaria all’infezione batterica (Figura 1). Le nostre coorti primarie hanno preso di mira i pazienti con infezione del tratto urinario (UTI) all’inizio del loro decorso della malattia, entro 12 ore dalla presentazione al Pronto Soccorso (ED) (Figura 1b–e, Tabella supplementare 1).
Le UTI sono state selezionate per ridurre al minimo l’eterogeneità introdotta da diversi siti infettivi e massimizzare la chiarezza diagnostica, poiché le UTI possono essere confermate in modo affidabile post hoc dall’urinocoltura. Abbiamo incluso pazienti con UTI (analisi clinica delle urine con >20 GB per campo ad alta potenza) come infezione primaria sia con che senza segni di sepsi, e successivamente abbiamo giudicato i pazienti arruolati in UTI con leucocitosi (WBC nel sangue ≥ 12.000 per mm3) ma senza disfunzione d’organo (Leuk-UTI), UTI con disfunzione d’organo lieve o transitoria (Int-URO) e UTI con metodi chiari o persistenti); disfunzione d’organo (Urosepsis, URO) (pazienti con IVU semplice senza leucocitosi o segni di disfunzione d’organo non sono stati arruolati. Il nostro schema distingue la disfunzione d’organo correlata alla sepsi transitoria da quella sostenuta,

Definizione della coorte e strategia di analisi.
(a) Pipeline di elaborazione per i campioni di sangue utilizzati in questo studio. I PBMC CD45+ totali e le cellule dendritiche arricchite per gruppi di pazienti sono stati etichettati con anticorpi di hashing cellulare e caricati su una piattaforma scRNA-seq basata su goccioline. Le cellule sono state demultiplexate e i multipletti sono stati rimossi in base alle chiamate per ciascun anticorpo con codice a barre. (b) Schema e numero di pazienti per ciascuna coorte profilata in questo studio. (c) Distribuzione per età dei pazienti e dei controlli analizzati in questo studio. (d) Tempo all’arruolamento dalla presentazione in ospedale per ciascun paziente in tutte le coorti. I riquadri mostrano la media e l’intervallo interquartile (IQR) per ciascuna coorte di pazienti, con i baffi che si estendono a 1,5 IQR in entrambe le direzioni dal quartile superiore o inferiore. (e) Barplot che mostrano le frazioni di patogeni Gram-positivi e Gram-negativi per ciascuna coorte. (f) Canale di analisi: gli stati cellulari sono stati identificati tramite clustering in due fasi e le loro abbondanze frazionarie sono state confrontate per trovare stati specifici della sepsi. Ulteriori firme sono state derivate da questi stati utilizzando l’espressione genica differenziale e l’analisi del modulo genico. Queste firme sono state convalidate in set di dati esterni sulla sepsi tramite una combinazione di deconvoluzione dell’espressione genica di massa, mappatura diretta delle firme geniche e meta-analisi. Sono stati eseguiti esperimenti per identificare marcatori di superficie, sviluppare un sistema modello per l’induzione, analizzare il profilo epigenomico e caratterizzare il fenotipo funzionale dello stato cellulare identificato. Queste firme sono state convalidate in set di dati esterni sulla sepsi tramite una combinazione di deconvoluzione dell’espressione genica di massa, mappatura diretta delle firme geniche e meta-analisi. Sono stati eseguiti esperimenti per identificare marcatori di superficie, sviluppare un sistema modello per l’induzione, analizzare il profilo epigenomico e caratterizzare il fenotipo funzionale dello stato cellulare identificato. Queste firme sono state convalidate in set di dati esterni sulla sepsi tramite una combinazione di deconvoluzione dell’espressione genica di massa, mappatura diretta delle firme geniche e meta-analisi. Sono stati eseguiti esperimenti per identificare marcatori di superficie, sviluppare un sistema modello per l’induzione, analizzare il profilo epigenomico e caratterizzare il fenotipo funzionale dello stato cellulare identificato.
Abbiamo anche profilato i pazienti di due coorti secondarie di un ospedale diverso: pazienti batteriemici con sepsi nei reparti ospedalieri (Bac-SEP) e pazienti ricoverati nell’unità di terapia intensiva medica (ICU) con sepsi (ICU-SEP) o senza sepsi (ICU -NoSEP). I criteri di inclusione erano gli stessi per le coorti primarie e secondarie. Queste coorti secondarie includevano pazienti più avanti nel loro decorso della malattia, arruolati almeno 24 ore dopo la presentazione ospedaliera iniziale e la ricezione di antibiotici per via endovenosa. Per confronto, abbiamo analizzato campioni di controlli sani non infetti (controllo). Il nostro approccio multi-coorte, che abbraccia due ospedali e diversi fenotipi clinici, supporta la generalizzabilità dei nostri risultati in diversi contesti clinici.
Abbiamo profilato le PBMC CD45+ totali (1.000-1.500 cellule per paziente) e le cellule dendritiche LIN-, CD14-, HLA-DR+ (300-500 cellule per paziente) utilizzando un approccio di sequenziamento di tag RNA 3′. Abbiamo multiplexato 6-8 campioni per esperimento utilizzando l’hashing cellulare, senza osservare effetti batch importanti nei nostri dati (Metodi, dati estesi Fig. 1).
Abbiamo identificato gli stati delle cellule immunitarie raggruppando le cellule in due fasi: clustering a bassa risoluzione per identificare i principali tipi di cellule immunitarie (Figura 1f, dati estesi Fig. 2a-b, dati estesi Fig. 3), quindi sottoraggruppamento di ciascuna cellula principale digitare separatamente in modo robusto (Dati estesi Fig. 2c–d, Metodi). Questo approccio ha identificato 16 stati cellulari che si trovano in numerosi pazienti (n = 31-69 per stato) in diverse coorti e lotti di elaborazione (Figura 2a, dati estesi Fig. 2e-f).
Tra questi ci sono gli stati trascrizionali delle cellule T, B, NK e dendritiche15-17 e, soprattutto, quattro stati dei monociti (Dati estesi Fig. 4, 5). 5). Abbiamo trovato quattro distinti gruppi di monociti: cellule MS1, CD14+ caratterizzate da un’elevata espressione di RETN, ALOX5AP e IL1R2 (Figura 2b); MS2, caratterizzato da elevata espressione di MHC di classe II; MS3, simile ai monociti CD16hi non classici; e MS4, che è composto dalle restanti cellule CD14+ che esprimono bassi livelli sia di MHC di classe II che di citochine infiammatorie. Abbiamo notato che alcuni geni marcatori che caratterizzano lo stato MS1 (Tabella supplementare 2) erano stati precedentemente associati alla sepsi in studi che misuravano i livelli di proteine sieriche o di mRNA del sangue intero18-21.

scRNA-seq identifica gli stati delle cellule immunitarie specifiche per la sepsi e le firme geniche.
(a) grafici per l’inclusione stocastica del vicino (tSNE) distribuito in t per ciascun tipo di cella (n = 32341, 7970, 9390, 58557 e 14299, celle per T, B, NK, Mono e DC, rispettivamente) colorati dalla densità di inclusione di cellule di pazienti con sepsi (Int-URO, URO, Bac-SEP e ICU-SEP; a sinistra) e stato cellulare (a destra). (b) Selezionare i geni marcatori che sono espressi in modo differenziale (tasso di falsa scoperta [FDR] < 0,05, test della somma dei ranghi di Wilcoxon a due code) in ogni stato cellulare, rispetto ad altri stati cellulari all’interno dello stesso tipo di cellula. La scala dei colori corrisponde ai conteggi medi dell’espressione genica con z-score trasformati in log per ogni stato cellulare. ST, stati delle cellule T; BS, stati delle cellule B; NS, stati delle cellule NK; SM, stati dei monociti; DS, stati delle cellule dendritiche; MK, megacariociti. (c) Frazione di cellule CD45+ totali in ciascun tipo di paziente per i monociti totali (a sinistra) e le cellule MS1 (a destra). Nel gruppo di controllo, i punti per i controlli sani che erano campioni di follow-up da pazienti arruolati con Leuk-UTI, Int-URO e URO sono indicati come simboli neri e quelli per campioni di controllo sani abbinati da una fonte esterna sono indicati come simboli acqua. I valori FDR vengono mostrati quando si confronta ogni stato di malattia con controlli sani (test Wilcoxon rank-sum a due code, corretto per il test di stati multipli). I riquadri mostrano la mediana e l’IQR per ciascuna coorte di pazienti, con i baffi che si estendono a 1,5 IQR in entrambe le direzioni dal quartile superiore o inferiore. La dimensione del campione (n) per ogni coorte è indicata nella Figura 1b. (d) Grafico vulcano che mostra i risultati dell’analisi dell’espressione differenziale (test Wilcoxon rank-sum a due code) tra cellule MS1 da ICU-SEP e cellule MS1 da pazienti ICU-NoSEP. I geni con log2 FC (fold-change) > 1 sono evidenziati in rosso, e vengono etichettati i primi 5 geni con i più alti cambiamenti di piega positivi. n = 2.153 e 1.442 cellule da 8 pazienti ICU-SEP e 7 pazienti ICU-NoSEP, rispettivamente. (e) Grafici box e swarm che mostrano l’espressione media (conteggi dell’identificatore molecolare unico log2 [UMI]) di PLAC8 e CLU nelle cellule MS1 per ciascun paziente delle coorti ICU-SEP e ICU-NoSEP. I riquadri mostrano la mediana e l’IQR per ciascuna coorte di pazienti, con i baffi che si estendono a 1,5 IQR in entrambe le direzioni dal quartile superiore o inferiore. (fg) Grafici a dispersione che mostrano la correlazione tra l’utilizzo medio del modulo genico nelle cellule MS1 e i punteggi SOFA per i pazienti Int-URO e URO. La linea e l’ombra indicano rispettivamente l’adattamento della regressione lineare e l’intervallo di confidenza al 95%. La significatività delle correlazioni (Pearson r) è stata calcolata con un test di permutazione a due code, corretto per il test di più moduli. DIVANO,
Espansione di uno stato di monociti, MS1, nel sangue dei pazienti con sepsi
Abbiamo analizzato le differenze nell’abbondanza di questi stati cellulari tra i diversi fenotipi dei pazienti (Figura 1f). Abbiamo scoperto che le abbondanze frazionarie degli stati cellulari nel sangue sono fortemente associate allo stato di malattia di un individuo (Dati estesi Fig. 6a-b), mentre le abbondanze assolute lo sono meno (Dati estesi Fig. 6c). Le frazioni dei tipi cellulari classici variano significativamente tra le coorti di controllo, Leuk-UTI e sepsi (Int-URO, URO, Bac-SEP e ICU-SEP); tuttavia, questa variazione è meno pronunciata di quella degli stati cellulari derivati dal nostro raggruppamento (ad esempio, monociti contro MS1, Figura 2c). Da notare che le cellule MS1 costituiscono una frazione significativamente maggiore di cellule CD45+ nei pazienti Int-URO e URO rispetto ai pazienti Control o Leuk-UTI e sono anche arricchite nei pazienti settici nelle nostre coorti secondarie (Bac-SEP e ICU-SEP vs. Control , FDR < 0,001). Le cellule MS1 sono presenti anche in una frazione leggermente più alta nei pazienti settici (Int-URO, URO, Bac-SEP e ICU-SEP) rispetto ai pazienti gravemente malati senza infezione (ICU-NoSEP, FDR = 0,27).
Data l’espansione di MS1 nei pazienti settici, abbiamo ragionato sul fatto che l’analisi delle firme di espressione genica all’interno delle cellule MS1 può rivelare utili marcatori clinici per la sepsi e ulteriori informazioni sui meccanismi biologici. Per trovare le firme che discriminano la sepsi dalla malattia critica senza infezione batterica non distinta solo dall’abbondanza dello stato cellulare, abbiamo eseguito un’analisi dell’espressione differenziale specificamente su cellule MS1 da pazienti ICU-SEP e ICU-NoSEP (Figura 2d) e abbiamo trovato due geni, PLAC8 e CLU , che discriminano queste due popolazioni di pazienti (Figura 2e, Dati estesi, Fig. 7c). Mentre l’espressione di PLAC8 è stata associata alla sepsi negli studi che analizzano l’espressione di massa delle cellule del sangue22, l’espressione di CLU non lo è stata, forse a causa della sua specifica up-regolazione nelle cellule MS1.
Abbiamo analizzato i geni co-varianti tra le cellule MS1 utilizzando la fattorizzazione della matrice non negativa e abbiamo trovato cinque moduli genici che vengono rilevati in più della metà dei nostri pazienti con sepsi (Dati estesi Fig. 7d-f, Tabella supplementare 3). Da notare che il modulo nelle cellule MS1 corrispondente alla respirazione mitocondriale (MS1-A; MT-ND4, MT-CO3, MT-ATP6) è correlato significativamente con la gravità della malattia nei pazienti con sepsi della nostra coorte primaria (Int-URO e URO, FDR = 0,03; Figura 2f), supportando il legame tra alterazioni del metabolismo energetico e immunoparalisi nella sepsi23.
Inoltre, un modulo di geni in MS1 correlato a risposte antinfiammatorie e pro-risoluzione (MS1-B; S100A8, RETN, ALOX5AP, FPR2)24-26 è correlato negativamente con la gravità (FDR = 0,04) (Figura 2g, Dati estesi Fig. 7g), coerente con un modello attuale di sepsi in cui i pazienti all’inizio della loro malattia hanno uno stato infiammatorio accentuato, ma successivamente passano a uno stato immunosoppressivo27.
collegamento di riferimento: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7235950/
Ulteriori informazioni: Miguel Reyes et al, Il plasma di pazienti con sepsi batterica o grave COVID-19 induce la produzione di cellule mieloidi soppressive da cellule progenitrici ematopoietiche umane in vitro, Science Translational Medicine (2021). DOI: 10.1126/scitranslmed.abe9599