Cells do not live in a vacuum, but in a milieu defined by cell–cell communication that can be measured via emerging high-resolution spatial transcriptomics approaches. However, analytical tools that fully leverage such data for kinetic modeling remain lacking. Here we present Spateo ( aristoteleo/spateo-release ), a general framework for quantitative spatiotemporal modeling of single-cell resolution spatial transcriptomics. Spateo delivers novel methods for digitizing spatial layers/columns to identify spatially-polar genes, and develops a comprehensive framework of cell-cell interaction to reveal spatial effects of niche factors and cell type-specific ligand-receptor interactions. Furthermore, Spateo reconstructs 3D models of whole embryos, and performs 3D morphometric analyses. Lastly, Spateo introduces the concept of “morphometric vector field” of cell migrations, and integrates spatial differential geometry to unveil regulatory programs underlying various organogenesis patterns of Drosophila. Thus, Spateo enables the study of the ecology of organs at a molecular level in 3D space, beyond isolated single cells.

Abstract Advances in single-cell sequencing technology provide a unique approach to characterize the heterogeneity and distinctive functional states at single-cell resolution, leading to rapid accumulation of large-scale single-cell datasets. A big challenge undertaken by research community especially bench scientists is how to simplify the way of retrieving, processing and analyzing the huge number of datasets. Towards this end, we developed Cell-omics Data Coordinate Platform (CDCP), a platform that aims to share and integrate comprehensive single-cell datasets, and to provide a network analysis toolkit for personalized analysis. CDCP contains single-cell RNA-seq and ATAC-seq datasets of 474 572 cells from 6 459 samples in species covering humans, non-human primate models and other animals. It allows querying and visualization of interested datasets and the expression profile of distinct genes in different cell clusters and cell types. Besides, this platform provides an analysis pipeline for non-bioinformatician experimental scientists to address questions not focused by the submitters of the datasets. In summary, CDCP provides a user-friendly interface for researchers to explore, visualize, analyze, download and submit published single-cell datasets and it will be a valuable resource for investigators to explore the global transcriptome profiling at single-cell level.

Abstract Spatially resolved transcriptomics (SRT) for characterizing cellular heterogeneities and activities requires systematic analysis approaches to decipher gene expression variations in physiological contexts. Here we develop SpaSEG, an unsupervised convolutional neural network-based model for multiple SRT analysis tasks by jointly learning the transcriptional similarity of spots and their spatial dependence. SpaSEG adopts an edge strength constraint to encourage spatial domain coherence and allows integrative analysis by automatically aligning the spatial domains across multiple adjacent sections. It also enables the detection of domain-specific gene expression patterns and the inference of intercellular interactions and colocalizations within a tissue. In an invasive ductal carcinoma sample analysis, SpaSEG facilitates the unraveling of intratumor heterogeneity and the understanding of immunoregulatory mechanisms. Through comprehensive evaluation over a collection of SRT datasets generated by different platforms at various resolutions, SpaSEG shows superior reliability and computational efficiency over existing methods, endowing it with a great potential for the exploration of tissue architectures and pathological biology.

Abstract Single cell approaches have increased our knowledge about the cell type composition of the non-human primate (NHP), but a detailed characterization of area-specific regulatory features remains outstanding. We generated single-cell chromatin accessibility (single-cell ATAC) and transcriptomic data of 358,237 cells from prefrontal cortex (PFC), primary motor cortex (M1) and primary visual cortex (V1) of adult cynomolgus monkey brain, and integrated this dataset with Stereo-seq (Spatio-Temporal Enhanced REsolution Omics-sequencing) of the corresponding cortical areas to assign topographic information to molecular states. We identified area-specific chromatin accessible sites and their targeted genes, including the cell type-specific transcriptional regulatory network associated with excitatory neurons heterogeneity. We reveal calcium ion transport and axon guidance genes related to specialized functions of PFC and M1, identified the similarities and differences between adult macaque and human oligodendrocyte trajectories, and mapped the genetic variants and gene perturbations of human diseases to NHP cortical cells. This resource establishes a transcriptomic and chromatin accessibility combinatory regulatory landscape at a single-cell and spatially resolved resolution in NHP cortex.

SUMMARY Brain regeneration requires a precise coordination of complex responses in a time- and region-specific manner. Identifying key cell types and molecules that direct brain regeneration would provide potential targets for the advance of regenerative medicine. However, progress in the field has been hampered largely due to limited regeneration capacity of the mammalian brain and understanding of the regeneration process at both cellular and molecular level. Here, using axolotl brain with extrodinary regeneration ability upon injury, and the SpaTial Enhanced REsolution Omics-sequencing (Stereo-seq), we reconstructed the first architecture of axolotl telencephalon with gene expression profiling at single-cell resolution, and fine cell dynamics maps throughout development and regeneration. Intriguingly, we discovered a marked heterogeneity of radial glial cell (RGC) types with distinct behaviors. Of note, one subtype of RGCs is activated since early regeneration stages and proliferates while other RGCs remain dormant. Such RGC subtype appears to be the major cell population involved in early wound healing response and gradually covers the injured area before presumably transformed into the lost neurons. Altogether, our work systematically decoded the complex cellular and molecular dynamics of axolotl telencephalon in development and regeneration, laying the foundation for studying the regulatory mechanism of brain regeneration in the future.

CD45 isoforms play a major role in characterizing T cell function, phenotype, and development. However, there is lacking comprehensive interrogation about the relationship between CD45 isoforms and T lymphocytes from cancer patients at the single-cell level yet. Here, we investigated the CD45 isoforms component of published 5,063 T cells of hepatocellular carcinoma (HCC), which has been assigned functional states. We found that the distribution of CD45 isoforms in T lymphocytes cells depended on tissue resource, cell type, and functional state. Further, we demonstrated that CD45RO and CD45RA dominate in characterizing the phenotype and function of T cell though multiple CD45 isoforms coexist in T cells, through a novel alternative splicing pattern analysis. We identified a novel development trajectory of tumor-infiltrating T cells from Tcm to Temra (effector memory T cells re-expresses CD45RA) after detecting two subpopulations in state of transition, Tcm (central memory T) and Tem (effector memory T). Temra, capable of high cytotoxic characteristics, was discovered to be associated with the stage of HCC and may be a target of immunotherapy. Our study presents a comprehension of the connection between CD45 isoforms and the function, states, sources of T lymphocytes cells in HCC patients at the single-cell level, providing novel insight for the effect of CD45 isoforms on T cell heterogeneity.

All single-cell RNA-seq protocols and technologies require library preparation prior to sequencing on a platform such as Illumina. Here, we present the first report to utilize the BGISEQ-500 platform for scRNA-seq, and compare the sensitivity and accuracy to Illumina sequencing. We generate a scRNA-seq resource of 468 unique single-cells and 1,297 matched single cDNA samples, performing SMARTer and Smart-seq2 protocols on mESCs and K562 cells with RNA spike-ins. We sequence these libraries on both BGISEQ-500 and Illumina HiSeq platforms using single- and paired-end reads. The two platforms have comparable sensitivity and accuracy in terms of quantification of gene expression, and low technical variability. Our study provides a standardised scRNA-seq resource to benchmark new scRNA-seq library preparation protocols and sequencing platforms.

ABSTRACT Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) has caused the pandemic of coronavirus disease 2019 (COVID-19). Great international efforts have been put into the development of prophylactic vaccines and neutralizing antibodies. However, the knowledge about the B cell immune response induced by the SARS-CoV-2 virus is still limited. Here, we report a comprehensive characterization of the dynamics of immunoglobin heavy chain (IGH) repertoire in COVID-19 patients. By using next-generation sequencing technology, we examined the temporal changes in the landscape of the patient’s immunological status, and found dramatic changes in the IGH within the patients’ immune system after the onset of COVID-19 symptoms. Although different patients have distinct immune responses to SARS-CoV-2 infection, by employing clonotype overlap, lineage expansion and clonotype network analyses, we observed a higher clonotype overlap and substantial lineage expansion of B cell clones during 2-3 weeks of illness, which is of great importance to B-cell immune responses. Meanwhile, for preferences of V gene usage during SARS-CoV-2 infection, IGHV3-74 and IGHV4-34 and IGHV4-39 in COVID-19 patients were more abundant than that of healthy controls. Overall, we present an immunological resource for SARS-CoV-2 that could promote both therapeutic development as well as mechanistic research.

Background: Investigating cell fate decision and subpopulation specification in the context of the neural lineage is fundamental to understanding neurogenesis and neurodegenerative diseases. The differentiation process of neural-tube-like rosettes in vitro is representative of neural tube structures, which are composed of radially organized, columnar epithelial cells and give rise to functional neural cells. However, the underlying regulatory network of cell fate commitment during early neural differentiation remains elusive. Results: In this study, we investigated the genome-wide transcriptome profile of single cells from six consecutive reprogramming and neural differentiation time points and identified cellular subpopulations present at each differentiation stage. Based on the inferred reconstructed trajectory and the characteristics of subpopulations contributing the most towards commitment to the central nervous system (CNS) lineage at each stage during differentiation, we identified putative novel transcription factors in regulating neural differentiation. In addition, we dissected the dynamics of chromatin accessibility at the neural differentiation stages and revealed active cis-regulatory elements for transcription factors known to have a key role in neural differentiation as well as for those that we suggest are also involved. Further, communication network analysis demonstrated that cellular interactions most frequently occurred among embryoid body (EB) stage and each cell subpopulation possessed a distinctive spectrum of ligands and receptors associated with neural differentiation which could reflect the identity of each subpopulation. Conclusions: Our study provides a comprehensive and integrative study of the transcriptomics and epigenetics of human early neural differentiation, which paves the way for a deeper understanding of the regulatory mechanisms driving the differentiation of the neural lineage. Key words: single cell RNA-seq, ATAC-seq, neural differentiation, neural rosettes, neural tube, transcription factor, iPSCs

Abstract With emerging of Spatial Transcriptomics (ST) technology, a powerful algorithmic framework to quantitatively evaluate the active cell-cell interactions in the bio-function associated iTME unit will pave the ways to understand the mechanism underlying tumor biology. This study provides the StereoSiTE incorporating open source bioinformatics tools with the self-developed algorithm, SCII, to dissect a cellular neighborhood (CN) organized iTME based on cellular compositions, and to accurately infer the functional cell-cell communications with quantitatively defined interaction intensity in ST data. We applied StereoSiTE to deeply decode ST data of the xenograft models receiving immunoagonist. Results demonstrated that the neutrophils dominated CN5 might attribute to iTME remodeling after treatment. To be noted, SCII analyzed the spatially resolved interaction intensity inferring a neutrophil leading communication network which was proved to actively function by analysis of Transcriptional Factor Regulon and Protein-Protein Interaction. Altogether, StereoSiTE is a promising framework for ST data to spatially reveal tumoribiology mechanisms.