Single-cell transcriptomic analysis is widely used to study human tumors. However, it remains challenging to distinguish normal cell types in the tumor microenvironment from malignant cells and to resolve clonal substructure within the tumor. To address these challenges, we developed an integrative Bayesian segmentation approach called copy number karyotyping of aneuploid tumors (CopyKAT) to estimate genomic copy number profiles at an average genomic resolution of 5 Mb from read depth in high-throughput single-cell RNA sequencing (scRNA-seq) data. We applied CopyKAT to analyze 46,501 single cells from 21 tumors, including triple-negative breast cancer, pancreatic ductal adenocarcinoma, anaplastic thyroid cancer, invasive ductal carcinoma and glioblastoma, to accurately (98%) distinguish cancer cells from normal cell types. In three breast tumors, CopyKAT resolved clonal subpopulations that differed in the expression of cancer genes, such as KRAS, and signatures, including epithelial-to-mesenchymal transition, DNA repair, apoptosis and hypoxia. These data show that CopyKAT can aid in the analysis of scRNA-seq data in a variety of solid human tumors. Clonal subpopulations in human tumors are identified from single-cell RNA-seq data.

MicroRNAs are well known to mediate translational repression and mRNA degradation in the cytoplasm. Various microRNAs have also been detected in membrane-compartmentalized organelles, but the functional significance has remained elusive. Here, we report that miR-1, a microRNA specifically induced during myogenesis, efficiently enters the mitochondria where it unexpectedly stimulates, rather than represses, the translation of specific mitochondrial genome-encoded transcripts. We show that this positive effect requires specific miR:mRNA base-pairing and Ago2, but not its functional partner GW182, which is excluded from the mitochondria. We provide evidence for the direct action of Ago2 in mitochondrial translation by crosslinking immunoprecipitation coupled with deep sequencing (CLIP-seq), functional rescue with mitochondria-targeted Ago2, and selective inhibition of the microRNA machinery in the cytoplasm. These findings unveil a positive function of microRNA in mitochondrial translation and suggest a highly coordinated myogenic program via miR-1-mediated translational stimulation in the mitochondria and repression in the cytoplasm.

SUMMARY Transcriptional profiling has revealed a diverse range of cancer cell states, however an understanding of their function has remained elusive. Using a combination of zebrafish melanoma modeling and human validation, we have identified a conserved stress-like state that confers intrinsic drug resistance. The stress-like state expresses genes such as fos , hsp70 and ubb , all required for adaptation to diverse cellular stresses, and we confirmed its existence using immunofluorescence and spatial transcriptomics. We provide evidence that this state has a higher tumor seeding capabilities compared to non-stressed cells, and confers intrinsic resistance to MEK inhibitors, a commonly used melanoma therapeutic. Furthermore, the stress-like program can be induced by extrinsic processes such as heat shock, and confers resistance to both MEK and BRAF inhibitors in both zebrafish and human melanomas. Collectively, our study suggests that the transcriptional states associated with therapeutic failure are established during the earliest steps of tumorigenesis.

Abstract High-throughput methods for single cell copy number sequencing have enabled the profiling of thousands of cells in parallel, yet there remains a significant bottleneck for data analysis. Here we present CopyKit, a comprehensive set of computational methods for the pre-processing and analysis of single cell copy number data to resolve clonal substructure and reconstruct genetic lineages in tumors. We performed single cell DNA sequencing of 2977 cells from multiple spatial regions in two liver metastasis and 7365 cells from three primary tumors with matched metastatic tissues. In the liver metastases, CopyKit resolved clonal substructure in different spatial regions, which revealed both clonal intermixing and spatial segregation in the tumor mass. In the matched metastatic colorectal and breast cancers, CopyKit resolved metastatic lineages and identified subclones and genomic events that were associated with metastases. These applications show that CopyKit is comprehensive tool for resolving copy number substructure in tumors.

ABSTRACT Differential use of identical DNA sequences leads to distinct tissue lineages and then multiple cell types within a lineage, an epigenetic process central to progenitor and stem cell biology. The associated genomic changes, especially in native tissues, remain insufficiently understood, and are hereby addressed in the mouse lung, where the same lineage transcription factor NKX2-1 promotes the diametrically opposed alveolar type 1 (AT1) and AT2 cell fates. We show that the cell-type-specific function of NKX2-1 is attributed to its differential chromatin binding that is acquired or retained during development in coordination with partner transcriptional factors. Loss of YAP/TAZ redirects NKX2-1 from its AT1-specific to AT2-specific binding sites, leading to transcriptionally exaggerated AT2 cells when deleted in progenitors or AT1-to-AT2 conversion when deleted after fate commitment. Nkx2-1 mutant AT1 and AT2 cells gain distinct accessible sites including those of the opposite fate while adopting the gastrointestinal fate, suggesting an epigenetic plasticity larger than a transcriptional one. Our genomic analysis of single or purified cells, coupled with precision genetics, provides an epigenetic roadmap of alveolar cell fate and potential, and introduces an experimental benchmark for unraveling the in vivo function of lineage transcription factors.

High-throughput single-cell RNA-Seq (scRNA-Seq) is a powerful approach for studying heterogeneous tissues and dynamic cellular processes. However, compared to bulk RNA-Seq, single-cell expression profiles are extremely noisy, as they only capture a fraction of the transcripts present in the cell. Here, we propose the k-nearest neighbor smoothing (kNN-smoothing) algorithm, designed to reduce noise by aggregating information from similar cells (neighbors) in a computationally efficient and statistically tractable manner. The algorithm is based on the observation that across protocols, the technical noise exhibited by UMI-filtered scRNA-Seq data closely follows Poisson statistics. Smoothing is performed by first identifying the nearest neighbors of each cell in a step-wise fashion, based on partially smoothed and variance-stabilized expression profiles, and then aggregating their transcript counts. We show that kNN-smoothing greatly improves the detection of clusters of cells and co-expressed genes, and clearly outperforms other smoothing methods on simulated data. To accurately perform smoothing for datasets containing highly similar cell populations, we propose the kNN-smoothing 2 algorithm, in which neighbors are determined after projecting the partially smoothed data onto the first few principal components. We show that unlike its predecessor, kNN-smoothing 2 can accurately distinguish between cells from different T cell subsets, and enables their identification in peripheral blood using unsupervised methods. Our work facilitates the analysis of scRNA-Seq data across a broad range of applications, including the identification of cell populations in heterogeneous tissues and the characterization of dynamic processes such as cellular differentiation. Reference implementations of our algorithms can be found at https://github.com/yanailab/knn-smoothing.

The testis expresses the largest number of genes of any mammalian organ, a finding that has long puzzled molecular biologists. Analyzing our single-cell transcriptomic maps of human and mouse spermatogenesis, we provide evidence that this widespread transcription serves to maintain DNA sequence integrity in the male germline by correcting DNA damage through 'transcriptional scanning'. Supporting this model, we find that genes expressed during spermatogenesis display lower mutation rates on the transcribed strand and have low diversity in the population. Moreover, this effect is fine-tuned by the level of gene expression during spermatogenesis. The unexpressed genes, which in our model do not benefit from transcriptional scanning, diverge faster over evolutionary time-scales and are enriched for sensory and immune-defense functions. Collectively, we propose that transcriptional scanning modulates germline mutation rates in a gene-specific manner, maintaining DNA sequence integrity for the bulk of genes but allowing for fast evolution in a specific subset.