Abstract Single-cell RNA-sequencing data can revolutionize our understanding of the patterns of cell-cell and ligand-receptor connectivity that influence the function of tissues and organs. However, the quantification and visualization of these patterns are major computational and epistemological challenges. Here, we present Connectome , a software package for R which facilitates rapid calculation, and interactive exploration, of cell-cell signaling network topologies contained in single-cell RNA-sequencing data. Connectome can be used with any reference set of known ligand-receptor mechanisms. It has built-in functionality to facilitate differential and comparative connectomics, in which complete mechanistic networks are quantitatively compared between systems. Connectome includes computational and graphical tools designed to analyze and explore cell-cell connectivity patterns across disparate single-cell datasets. We present approaches to quantify these topologies and discuss some of the biologic theory leading to their design.

Severe COVID-19 is characterized by persistent lung inflammation, inflammatory cytokine production, viral RNA, and sustained interferon (IFN) response all of which are recapitulated and required for pathology in the SARS-CoV-2 infected MISTRG6-hACE2 humanized mouse model of COVID-19 with a human immune system 1-20 . Blocking either viral replication with Remdesivir 21-23 or the downstream IFN stimulated cascade with anti-IFNAR2 in vivo in the chronic stages of disease attenuated the overactive immune-inflammatory response, especially inflammatory macrophages. Here, we show SARS-CoV-2 infection and replication in lung-resident human macrophages is a critical driver of disease. In response to infection mediated by CD16 and ACE2 receptors, human macrophages activate inflammasomes, release IL-1 and IL-18 and undergo pyroptosis thereby contributing to the hyperinflammatory state of the lungs. Inflammasome activation and its accompanying inflammatory response is necessary for lung inflammation, as inhibition of the NLRP3 inflammasome pathway reverses chronic lung pathology. Remarkably, this same blockade of inflammasome activation leads to the release of infectious virus by the infected macrophages. Thus, inflammasomes oppose host infection by SARS-CoV-2 by production of inflammatory cytokines and suicide by pyroptosis to prevent a productive viral cycle.

Abstract Summary Recent years have seen the release of several toolsets that reveal cell-cell interactions from single-cell data. However, all existing approaches leverage mean celltype gene expression values, and do not preserve the single-cell fidelity of the original data. Here, we present NICHES ( N iche I nteractions and C ommunication H eterogeneity in E xtracellular S ignaling), a tool to explore extracellular signaling at the truly single-cell level. NICHES allows embedding of ligand-receptor signal proxies to visualize heterogeneous signaling archetypes within cell clusters, between cell clusters, and across experimental conditions. When applied to spatial transcriptomic data, NICHES can be used to reflect local cellular microenvironment. NICHES can operate with any list of ligand-receptor signaling mechanisms and is compatible with existing single-cell packages and pseudotime techniques. NICHES is also a user friendly and extensible program, allowing rapid analysis of cell-cell signaling at single-cell resolution. Availability and implementation NICHES is an open-source software implemented in R under academic free license v3.0 and it is available at github.com/msraredon/NICHES. Use-case vignettes are available at https://msraredon.github.io/NICHES/ . Contact michasam.raredon@yale.edu ; yuval.kluger@yale.edu

Abstract Traditional cell clustering analysis used to compare the transcriptomic landscapes between two biological states in single cell RNA sequencing (scRNA-seq) is largely inadequate to functionally identify distinct and important differentially abundant (DA) subpopulations between groups. This problem is exacerbated further when using unsupervised clustering approaches where differences are not observed in clear cluster structure and therefore many important differences between two biological states go entirely unseen. Here, we develop DA-seq, a powerful unbiased, multi-scale algorithm that uniquely detects and decodes novel DA subpopulations not restricted to well separated clusters or known cell types. We apply DA-seq to several publicly available scRNA-seq datasets on various biological systems to detect differences between distinct phenotype in COVID-19 cases, melanomas subjected to immune checkpoint therapy, embryonic development and aging brain, as well as simulated data. Importantly, we find that DA-seq not only recovers the DA cell types as discovered in the original studies, but also reveals new DA subpopulations that were not described before. Analysis of these novel subpopulations yields new biological insights that would otherwise be neglected.

Abstract Interleukin-10 (IL-10) is a key anti-inflammatory cytokine that can limit immune cell activation and cytokine production in innate immune cell types 1 . Loss of IL-10 signalling results in life-threatening inflammatory bowel disease in humans and mice—however, the exact mechanism by which IL-10 signalling subdues inflammation remains unclear 2–5 . Here we find that increased saturated very long chain (VLC) ceramides are critical for the heightened inflammatory gene expression that is a hallmark of IL-10 deficiency. Accordingly, genetic deletion of ceramide synthase 2 (encoded by Cers2 ), the enzyme responsible for VLC ceramide production, limited the exacerbated inflammatory gene expression programme associated with IL-10 deficiency both in vitro and in vivo. The accumulation of saturated VLC ceramides was regulated by a decrease in metabolic flux through the de novo mono-unsaturated fatty acid synthesis pathway. Restoring mono-unsaturated fatty acid availability to cells deficient in IL-10 signalling limited saturated VLC ceramide production and the associated inflammation. Mechanistically, we find that persistent inflammation mediated by VLC ceramides is largely dependent on sustained activity of REL, an immuno-modulatory transcription factor. Together, these data indicate that an IL-10-driven fatty acid desaturation programme rewires VLC ceramide accumulation and aberrant activation of REL. These studies support the idea that fatty acid homeostasis in innate immune cells serves as a key regulatory node to control pathologic inflammation and suggests that ‘metabolic correction’ of VLC homeostasis could be an important strategy to normalize dysregulated inflammation caused by the absence of IL-10.

Abstract Substance use disorders (SUD) and drug addiction are major threats to public health, impacting not only the millions of individuals struggling with SUD, but also surrounding families and communities. One of the seminal challenges in treating and studying addiction in human populations is the high prevalence of co-morbid conditions, including an increased risk of contracting a human immunodeficiency virus (HIV) infection. Of the ~15 million people who inject drugs globally, 17% are persons with HIV. Conversely, HIV is a risk factor for SUD because chronic pain syndromes, often encountered in persons with HIV, can lead to an increased use of opioid pain medications that in turn can increase the risk for opioid addiction. We hypothesize that SUD and HIV exert shared effects on brain cell types, including adaptations related to neuroplasticity, neurodegeneration, and neuroinflammation. Basic research is needed to refine our understanding of these affected cell types and adaptations. Studying the effects of SUD in the context of HIV at the single-cell level represents a compelling strategy to understand the reciprocal interactions among both conditions, made feasible by the availability of large, extensively-phenotyped human brain tissue collections that have been amassed by the Neuro-HIV research community. In addition, sophisticated animal models that have been developed for both conditions provide a means to precisely evaluate specific exposures and stages of disease. We propose that single-cell genomics is a uniquely powerful technology to characterize the effects of SUD and HIV in the brain, integrating data from human cohorts and animal models. We have formed the Single-Cell Opioid Responses in the Context of HIV (SCORCH) consortium to carry out this strategy.

ABSTRACT High throughput sequencing of B cell receptors (BCRs) is increasingly applied to study the immense diversity of antibodies. Learning biologically meaningful embeddings of BCR sequences is beneficial for predictive modeling and interpretability. Several embedding methods have been developed for BCRs, but no direct performance benchmarking exists. Moreover, the impact of the input sequence length and paired-chain information on the prediction remains to be explored. We evaluated the performance of multiple embedding models to predict BCR sequence properties and receptor specificity. Despite the differences in model architectures, most embeddings effectively capture BCR sequence properties and specificity. BCR-specific embeddings slightly outperform general protein language models in predicting specificity. In addition, incorporating full-length heavy chains and paired light chain sequences improve the prediction performance of all embeddings. This study provides insights into the properties of BCR embeddings to improve downstream prediction applications for antibody analysis and discovery.

Abstract Single-cell RNA-sequencing has been widely used to investigate cell state transitions and gene dynamics of biological processes. Current strategies to infer the sequential dynamics of genes in a process typically rely on constructing cell pseudotime through cell trajectory inference. However, the presence of concurrent gene processes in the same group of cells and technical noise can obscure the true progression of the processes studied. To address this challenge, we present GeneTrajectory, an approach that identifies trajectories of genes rather than trajectories of cells. Specifically, optimal-transport distances are calculated between gene distributions across the cell-cell graph to extract gene programs and define their gene pseudotemporal order. Here, we demonstrate that GeneTrajectory accurately extracts progressive gene dynamics in myeloid lineage maturation. Moreover, we show that GeneTrajectory deconvolves key gene programs underlying mouse skin hair follicle dermal condensate differentiation that could not be resolved by cell trajectory approaches. GeneTrajectory facilitates discovery of gene programs that control the changes and activities of biological processes.

Abstract Interactions between immune and tumor cells are critical to determining cancer progression and response. In addition, preclinical prediction of immune-related drug efficacy is limited by inter-species differences between human and mouse, as well as inter-person germline and somatic variation. Here we develop an autologous system that models the TME in individual patients. With patient-derived bone marrow, we engrafted a patient’s hematopoietic system in MISTRG6 mice followed by patient-derived xenograft (PDX) tissue, providing a genetically matched autologous model. We used this system to prospectively study tumor-immune interactions in solid tumor patients. Autologous PDX mice generated innate and adaptive immune populations; these cells populated the TME; and tumors from autologously engrafted mice grew larger than tumors from non-engrafted littermate controls. Single-cell transcriptomics revealed a prominent VEGF-A signature in TME myeloid cells, and inhibition of human VEGF-A abrogated enhanced growth, demonstrating the utility of the autologous PDX system for pre-clinical testing.

Tumor genomes evolve through a selection of mutations. These mutations may complement each other to promote tumorigenesis. To better understand the functional interactions of different processes in cancer, we studied mutation data of a set of tumors and identified significantly co-mutated pathways. Fisher's exact test is a standard approach that can be used to assess the significance of the joint dysregulation of pathways pairs across a patient population. We developed a robust test to identify co-occurrence using DNA mutations, which overcomes deficiencies of the Fisher's exact test by taking into account the large variability in overall mutation load and sequencing depth. Applying our method to a study of six common cancer types, we identify enrichment of co-mutated signal transduction pathways such as IP3 synthesis and PI3K and pairs of co-mutated pathways involving other processes such as immunity and development. We observed enrichment of clonal co-mutation of the proteasome and apoptosis pathways in colorectal cancer, which suggests potential mechanisms for immune evasion.