Abstract The Spatial Molecular Imaging platform (CosMx TM SMI, NanoString Technologies, Seattle, WA) utilizes high-plex in-situ imaging chemistry for both RNA and protein detection. This automated instrument provides 1000’s of plex, at high sensitivity (1 to 2 copies/cell), very low error rate (0.0092 false calls/cell) and background (∼0.04 counts/cell). The imaging system generates three-dimensional super-resolution localization of analytes at ∼2 million cells per sample, four samples per run. Cell segmentation is morphology-based using antibodies, compatible with FFPE samples. Multiomic data (980 RNAs, 108 proteins) were measured at subcellular resolution using FFPE tissues (non-small cell lung (NSCLC) and breast cancer) and allowed identification of over 18 distinct cell types, 10 unique tumor microenvironments, and 100 pairwise ligand-receptor interactions. Over 800,000 single cells and ∼260 million transcripts data are released into the public domain allowing extended data analysis by the entire spatial biology research community.

Abstract C 4 photosynthesis and Crassulacean acid metabolism (CAM) have been considered as largely independent adaptations in spite of sharing key biochemical modules. Portulaca is a geographically widespread clade of over 100 annual and perennial angiosperm species that primarily use C 4 , but facultatively exhibit CAM when drought stressed, a photosynthetic system known as C 4 +CAM. It has been hypothesized that C 4 +CAM is rare because of pleiotropic constraints, but these have not been deeply explored. We generated a chromosome-level genome assembly of P. amilis and sampled mRNA from P. amilis and P. oleracea during CAM induction. Gene co-expression network analyses identified C 4 and CAM gene modules shared and unique to both Portulaca species. A conserved CAM module linked phosphoenolpyruvate carboxylase (PEPC) to starch turnover during the day-night transition and was enriched in circadian clock regulatory motifs in the P. amilis genome. Preservation of this co-expression module regardless of water status suggests that Portulaca constitutively operate a weak CAM cycle that is transcriptionally and post-transcriptionally upregulated during drought. C 4 and CAM mostly used mutually exclusive genes for primary carbon fixation and it is likely that nocturnal CAM malate stores are shuttled into diurnal C 4 decarboxylation pathways, but we find evidence that metabolite cycling may occur at low levels. C 4 likely evolved in Portulaca through co-option of redundant genes and integration of the diurnal portion of CAM. Thus, the ancestral CAM system did not strongly constrain C 4 evolution because photosynthetic gene networks are not co-regulated for both daytime and nighttime functions.

Numerous physiological and morphological adaptations were achieved during the transition to lungless respiration following evolutionary lung loss in plethodontid salamanders, including those that enable efficient gas exchange across extrapulmonary tissue. However, the molecular basis of these adaptations is unknown. Here we show that lungless salamanders express in the skin and buccal cavity-the principal sites of respiratory gas exchange in these species-a novel paralog of the gene Surfactant-Associated Protein C (SFTPC), which is a critical component of pulmonary surfactant expressed exclusively in the lung in other vertebrates. The paralogous gene appears to be found only in salamanders, but, similar to SFTPC, in lunged salamanders it is expressed only in the lung. This heterotopic gene expression, combined with predictions from structural modeling and respiratory tissue ultrastructure, suggest that lungless salamanders produce pulmonary surfactant-like secretions outside the lungs and that the novel paralog of SFTPC might facilitate extrapulmonary respiration in the absence of lungs. Heterotopic expression of the SFTPC paralog may have contributed to the remarkable evolutionary radiation of lungless salamanders, which account for more than two thirds of urodele species alive today.

The open ocean is a vast, highly connected environment, and the organisms found there have been hypothesized to represent massive, well-mixed populations. Of these, the Portuguese man-o'-war (Physalia) is uniquely suited to dispersal, sailing the ocean surface with a muscular crest. We tested the hypothesis of a single, panmictic Physalia population by sequencing 133 genomes, and found five distinct lineages, with multiple lines of evidence showing strong reproductive isolation despite range overlap. We then scored thousands of citizen-science photos and identified four recognizable morphologies linked to these lineages. Within lineages, we detected regionally endemic subpopulations, connected by winds and currents, and identified individual long-distance dispersal events. We find that, even in these sailing species, genetic variation is highly partitioned geographically across the open ocean.

Abstract Cell annotation is a crucial methodological component to interpreting single cell and spatial omics data. These approaches are often biased and manually curated. Here we harness an existing stemness model for assessing oncogenic states to transform its application to single cell and spatial omic datasets. This one-class logistic regression machine learning algorithm is used to extract transcriptomic or proteomic features from non-transformed stem cells to identify dedifferentiated cell states. We found this method identifies single cell states in metastatic tumor cell populations without the requirement of cell annotation. Finally these stemness indices are applicable across a variety of spatial transcriptomic and proteomic technologies for the identification of oncogenic cell types in the tumor microenvironment. Graphical Abstract