This protocol explains how to perform a fast SCENIC analysis alongside standard best practices steps on single-cell RNA-sequencing data using software containers and Nextflow pipelines. SCENIC reconstructs regulons (i.e., transcription factors and their target genes) assesses the activity of these discovered regulons in individual cells and uses these cellular activity patterns to find meaningful clusters of cells. Here we present an improved version of SCENIC with several advances. SCENIC has been refactored and reimplemented in Python (pySCENIC), resulting in a tenfold increase in speed, and has been packaged into containers for ease of use. It is now also possible to use epigenomic track databases, as well as motifs, to refine regulons. In this protocol, we explain the different steps of SCENIC: the workflow starts from the count matrix depicting the gene abundances for all cells and consists of three stages. First, coexpression modules are inferred using a regression per-target approach (GRNBoost2). Next, the indirect targets are pruned from these modules using cis-regulatory motif discovery (cisTarget). Lastly, the activity of these regulons is quantified via an enrichment score for the regulon’s target genes (AUCell). Nonlinear projection methods can be used to display visual groupings of cells based on the cellular activity patterns of these regulons. The results can be exported as a loom file and visualized in the SCope web application. This protocol is illustrated on two use cases: a peripheral blood mononuclear cell data set and a panel of single-cell RNA-sequencing cancer experiments. For a data set of 10,000 genes and 50,000 cells, the pipeline runs in <2 h. SCENIC is a computational pipeline to predict cell-type-specific transcription factors through network inference and motif enrichment. Here the authors describe a detailed protocol for pySCENIC: a faster, container-based implementation in Python.

The diversity of cell types and regulatory states in the brain, and how these change during aging, remains largely unknown. We present a single-cell transcriptome atlas of the entire adult Drosophila melanogaster brain sampled across its lifespan. Cell clustering identified 87 initial cell clusters that are further subclustered and validated by targeted cell-sorting. Our data show high granularity and identify a wide range of cell types. Gene network analyses using SCENIC revealed regulatory heterogeneity linked to energy consumption. During aging, RNA content declines exponentially without affecting neuronal identity in old brains. This single-cell brain atlas covers nearly all cells in the normal brain and provides the tools to study cellular diversity alongside other Drosophila and mammalian single-cell datasets in our unique single-cell analysis platform: SCope (http://scope.aertslab.org). These results, together with SCope, allow comprehensive exploration of all transcriptional states of an entire aging brain.

For more than 100 years, the fruit fly

We present cisTopic, a probabilistic framework used to simultaneously discover coaccessible enhancers and stable cell states from sparse single-cell epigenomics data ( http://github.com/aertslab/cistopic ). Using a compendium of single-cell ATAC-seq datasets from differentiating hematopoietic cells, brain and transcription factor perturbations, we demonstrate that topic modeling can be exploited for robust identification of cell types, enhancers and relevant transcription factors. cisTopic provides insight into the mechanisms underlying regulatory heterogeneity in cell populations. As an unsupervised Bayesian framework, cisTopic classifies regions in scATAC-seq data into regulatory topics, which are used for clustering.

Abstract The ability to obtain single cell transcriptomes for stable cell types and dynamic cell states is ushering in a new era for biology. We created the Tabula Drosophilae , a single cell atlas of the adult fruit fly which includes 580k cells from 15 individually dissected sexed tissues as well as the entire head and body. Over 100 researchers from the fly community contributed annotations to >250 distinct cell types across all tissues. We provide an in-depth analysis of cell type-related gene signatures and transcription factor markers, as well as sexual dimorphism, across the whole animal. Analysis of common cell types that are shared between tissues, such as blood and muscle cells, allowed the discovery of rare cell types and tissue-specific subtypes. This atlas provides a valuable resource for the entire Drosophila community and serves as a comprehensive reference to study genetic perturbations and disease models at single cell resolution.

Abstract Melanoma is notorious for its cellular heterogeneity, which is at least partly due to its ability to transition between alternate cell states. Similarly to EMT, melanoma cells with a melanocytic phenotype can switch to a mesenchymal-like phenotype. However, scattered emerging evidence indicates that additional, intermediate state(s) may exist. In order to search for such new melanoma states and decipher their underlying gene regulatory network (GRN), we extensively studied ten patient-derived melanoma cultures by single-cell RNA-seq of >39,000 cells. Although each culture exhibited a unique transcriptome, we identified shared gene regulatory networks that underlie the extreme melanocytic and mesenchymal cell states, as well as one (stable) intermediate state. The intermediate state was corroborated by a distinct open chromatin landscape and governed by the transcription factors EGR3, NFATC2, and RXRG. Single-cell migration assays established that this “transition” state exhibits an intermediate migratory phenotype. Through a dense time-series sampling of single cells and dynamic GRN inference, we unraveled the sequential and recurrent arrangement of transcriptional programs at play during phenotype switching that ultimately lead to the mesenchymal cell state. We provide the scRNA-Seq data with 39,263 melanoma cells on our SCope platform and the ATAC-seq data on a UCSC hub to jointly serve as a resource for the melanoma field. Together, this exhaustive analysis of melanoma cell state diversity indicates that additional states exists between the two extreme melanocytic and mesenchymal-like states. The GRN we identified may serve as a new putative target to prevent the switch to mesenchymal cell state and thereby, acquisition of metastatic and drug resistant potential.

Abstract Tissues achieve their complex spatial organization through an interplay between gene regulatory networks, cell-cell communication, and physical interactions mediated by mechanical forces. Current strategies to generate in-vitro tissues have largely failed to implement such active, dynamically coordinated mechanical manipulations, relying instead on extracellular matrices which respond to, rather than impose mechanical forces. Here we develop devices that enable the actuation of organoids. We show that active mechanical forces increase growth and lead to enhanced patterning in an organoid model of the neural tube derived from single human pluripotent stem cells (hPSC). Using a combination of single-cell transcriptomics and immunohistochemistry, we demonstrate that organoid mechanoregulation due to actuation operates in a temporally restricted competence window, and that organoid response to stretch is mediated extracellularly by matrix stiffness and intracellularly by cytoskeleton contractility and planar cell polarity. Exerting active mechanical forces on organoids using the approaches developed here is widely applicable and should enable the generation of more reproducible, programmable organoid shape, identity and patterns, opening avenues for the use of these tools in regenerative medicine and disease modelling applications.

Abstract The evolution of species involves changes in the timeline of key developmental programs. Among these, neuronal development is considerably prolonged in the human cerebral cortex compared with other mammals, leading to brain neoteny. Here we explore whether mitochondria influence the species-specific properties of cortical neuron maturation. By comparing human and mouse cortical neuronal maturation at high temporal and cell resolution, we found a slower pattern of mitochondria development in human cortical neurons compared with the mouse, together with lower mitochondria metabolic activity, particularly oxidative phosphorylation. Stimulation of mitochondria metabolism in human neurons resulted in accelerated maturation, leading to excitable and complex cells weeks ahead of time. Our data identify mitochondria as important regulators of the pace of neuronal development underlying human-specific features of brain evolution.

Summary Neuroinflammation is an important hallmark in amyotrophic lateral sclerosis (ALS). Experimental evidence has highlighted a role of microglia in the modulation of motor neuron degeneration. However, the exact contribution of microglia to both sporadic and genetic forms of ALS is still unclear. We generated single nuclei profiles of spinal cord and motor cortex from sporadic and C9orf72 ALS patients, as well as controls. We particularly focused on the transcriptomic responses of both microglia and astrocytes. We confirmed that C9orf72 is highly expressed in microglia and shows a diminished expression in carriers of the hexanucleotide repeat expansion (HRE). This resulted in an impaired response to disease, with specific deficits in phagocytic and lysosomal transcriptional pathways. Astrocytes also displayed a dysregulated response in C9orf72 ALS patients, remaining in a homeostatic state. This suggests that C9orf72 HRE alters a coordinated glial response, which ultimately would increase the risk for developing ALS. Our results indicate that C9orf72 HRE results in a selective microglial loss-of-function, likely impairing microglial-astrocyte communication and preventing a global glial response. This is relevant as it indicates that sporadic and familial forms of ALS may present a different cellular substrate, which is of great importance for patient stratification and treatment.

Abstract Spatial transcriptomics workflows using barcoded capture arrays are commonly used for resolving gene expression in tissues. However, existing techniques are either limited by capture array density or are cost prohibitive for large scale atlasing. We present Nova-ST, a dense nano-patterned spatial transcriptomics technique derived from randomly barcoded Illumina sequencing flow cells. Nova-ST enables customized, low cost, flexible, and high-resolution spatial profiling of large tissue sections. Benchmarking on mouse brain sections demonstrates significantly higher sensitivity compared to existing methods, at reduced cost. Motivation Spatial transcriptomics analysis is becoming exceedingly important in biomedical and clinical research. Several platforms for spatial transcriptomics are currently available, but most of these technologies are commercialized making them inflexible and cost prohibitive. The motivation for this work was to establish an open source, flexible and sensitive sequencing-based spatial transcriptomics platform that can provide a considerable cost advantage for performing large scale spatial profiling. We provide thorough and in-depth guidance and resources both for the experimental and computational components of the workflow, to facilitate easy implementation of Nova-ST.