Pancreatic ductal adenocarcinoma (PDAC) is a highly lethal and treatment-refractory cancer. Molecular stratification in pancreatic cancer remains rudimentary and does not yet inform clinical management or therapeutic development. Here, we construct a high-resolution molecular landscape of the cellular subtypes and spatial communities that compose PDAC using single-nucleus RNA sequencing and whole-transcriptome digital spatial profiling (DSP) of 43 primary PDAC tumor specimens that either received neoadjuvant therapy or were treatment naive. We uncovered recurrent expression programs across malignant cells and fibroblasts, including a newly identified neural-like progenitor malignant cell program that was enriched after chemotherapy and radiotherapy and associated with poor prognosis in independent cohorts. Integrating spatial and cellular profiles revealed three multicellular communities with distinct contributions from malignant, fibroblast and immune subtypes: classical, squamoid-basaloid and treatment enriched. Our refined molecular and cellular taxonomy can provide a framework for stratification in clinical trials and serve as a roadmap for therapeutic targeting of specific cellular phenotypes and multicellular interactions.

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 Pancreatic ductal adenocarcinoma (PDAC) remains a treatment-refractory disease. Characterizing PDAC by mRNA profiling remains particularly challenging. Previously identified bulk expression subtypes were influenced by contaminating stroma and have not yet informed clinical management, whereas single cell RNA-seq (scRNA-seq) of fresh tumors under-represented key cell types. Here, we developed a robust single-nucleus RNA-seq (snRNA-seq) technique for frozen archival PDAC specimens and used it to study both untreated tumors and those that received neoadjuvant chemotherapy and radiotherapy (CRT). Gene expression programs learned across untreated malignant cell and fibroblast profiles uncovered a clinically relevant molecular taxonomy with improved prognostic stratification compared to prior classifications. Moreover, in the increasingly-adopted neoadjuvant treatment context, there was a depletion of classical-like phenotypes in malignant cells in favor of basal-like phenotypes associated with TNF-NFkB and interferon signaling as well as the presence of novel acinar and neuroendocrine classical-like states, which may be more resilient to cytotoxic treatment. Spatially-resolved transcriptomics revealed an association between malignant cells expressing these basal-like programs and higher immune infiltration with increased lymphocytic content, whereas those exhibiting classical-like programs were linked to sparser macrophage-predominant microniches, perhaps pointing to susceptibility to distinct therapeutic strategies. Our refined molecular taxonomy and spatial resolution can help advance precision oncology in PDAC through informative stratification in clinical trials and insights into differential therapeutic targeting leveraging the immune system.

Abstract We introduce SpatialDecon, an algorithm for quantifying cell populations defined by single cell RNA sequencing within the regions of spatially-resolved gene expression studies. It obtains cell abundance estimates that are spatially-resolved, granular, and paired with highly multiplexed gene expression data. SpatialDecon incorporates several advancements in the field of gene expression deconvolution. We propose an algorithm based in log-normal regression, attaining sometimes dramatic performance improvements over classical least-squares methods. We compile cell profile matrices for 27 tissue types. We identify genes whose minimal expression by cancer cells makes them suitable for immune deconvolution in tumors. And we provide a lung tumor dataset for benchmarking immune deconvolution methods. In a lung tumor GeoMx DSP experiment, we observe a spatially heterogeneous immune response in intricate detail and identify 7 distinct phenotypes of the localized immune response. We then demonstrate how cell abundance estimates give crucial context for interpreting gene expression results.

Abstract Spatial genomic technologies can map gene expression in tissues, but provide limited potential for transcriptome-wide discovery approaches and application to fixed tissue samples. Here, we introduce the GeoMX Whole Transcriptome Atlas (WTA), a new technology for transcriptome-wide spatial profiling of tissues with cellular resolution. WTA significantly expands the Digital Spatial Profiling approach to enable in situ hybridisation against 18,190 genes at high-throughput using a sequencing readout. We applied WTA to generate the first spatial transcriptomic map of the fetal human neocortex, validating transcriptome-wide spatial profiling on formalin-fixed tissue material and demonstrating the spatial enrichment of autism gene expression in deep cortical layers. To demonstrate the value of WTA for cell atlasing, we integrated single-cell RNA-sequencing (scRNA-seq) and WTA data to spatially map dozens of neural cell types and showed that WTA can be used to directly measure cell type specific transcriptomes in situ . Moreover, we developed computational tools for background correction of WTA data and accurate integration with scRNA-seq. Our results present WTA as a versatile transcriptome-wide discovery tool for cell atlasing and fixed tissue spatial transcriptomics.

Abstract Emerging spatial profiling technology has enabled high-plex molecular profiling in biological tissues, preserving the spatial and morphological context of gene expression. Here we describe expanding the chemistry for the Digital Spatial Profiling platform to quantify whole transcriptomes in human and mouse tissues using a wide range of spatial profiling strategies and sample types. We designed multiplexed in situ hybridization probe pools targeting the protein-coding genes in the human and mouse transcriptomes, hereafter referred to as the human or mouse Whole Transcriptome Atlas (WTA). We validated the human and mouse WTA using cell lines to demonstrate concordance with orthogonal gene expression profiling methods in profiled region sizes ranging from ~10-500 cells. By benchmarking against bulk RNAseq and fluorescence in situ hybridization, we demonstrate robust transcript detection possible down to ~100 transcripts per region. To assess the performance of WTA across tissue and sample types, we applied WTA to biological questions in cancer, molecular pathology, and developmental biology. We show that spatial profiling with WTA can detect expected spatial gene expression differences between tumor and tumor microenvironment, identify spatial disease-specific heterogeneity in gene expression in histological structures of the human kidney, and comprehensively map transcriptional programs in anatomical substructures of nine organs in the developing mouse embryo. Digital Spatial Profiling technology with the WTA assays provides a flexible method for spatial whole transcriptome profiling applicable to diverse tissue types and biological contexts.

Early diagnosis of melanoma is critical for improved survival. However, the biomarkers of early melanoma evolution and their origin within the tumor and its microenvironment, including the keratinocytes, are poorly defined. To address this, we used spatial transcript profiling that maintains the morphological tumor context to measure the expression of >1,000 RNAs in situ in patient-derived formalin-fixed, paraffin-embedded tissue sections in primary melanoma and melanocytic nevi. We profiled 134 regions of interest (each 200 μm in diameter) enriched in melanocytes, neighboring keratinocytes, or immune cells. This approach captured distinct expression patterns across cell types and tumor types during melanoma development. Unexpectedly, we discovered that S100A8 is expressed by keratinocytes within the tumor microenvironment during melanoma growth. Immunohistochemistry of 252 tumors showed prominent keratinocyte-derived S100A8 expression in melanoma but not in benign tumors and confirmed the same pattern for S100A8's binding partner S100A9, suggesting that injury to the epidermis may be an early and readily detectable indicator of melanoma development. Together, our results establish a framework for high-plex, spatial, and cell type‒specific resolution of gene expression in archival tissue applicable to the development of biomarkers and characterization of tumor microenvironment interactions in tumor evolution.

The molecular underpinnings of organ dysfunction in acute COVID-19 and its potential long-term sequelae are under intense investigation. To shed light on these in the context of liver function, we performed single-nucleus RNA-seq and spatial transcriptomic profiling of livers from 17 COVID-19 decedents. We identified hepatocytes positive for SARS-CoV-2 RNA with an expression phenotype resembling infected lung epithelial cells. Integrated analysis and comparisons with healthy controls revealed extensive changes in the cellular composition and expression states in COVID-19 liver, reflecting hepatocellular injury, ductular reaction, pathologic vascular expansion, and fibrogenesis. We also observed Kupffer cell proliferation and erythrocyte progenitors for the first time in a human liver single-cell atlas, resembling similar responses in liver injury in mice and in sepsis, respectively. Despite the absence of a clinical acute liver injury phenotype, endothelial cell composition was dramatically impacted in COVID-19, concomitantly with extensive alterations and profibrogenic activation of reactive cholangiocytes and mesenchymal cells. Our atlas provides novel insights into liver physiology and pathology in COVID-19 and forms a foundational resource for its investigation and understanding.

Abstract Background NanoString’s GeoMx Digital Spatial Profiler (DSP) RNA assay can measure mRNA from hundreds of regions of customizable shape and size, yet it gives unique challenge in Quality Control(QC) and normalizating due to the omnipresent background noise incurred by the non-specific probe binding, which could not be addressed by conventional methods. Results and discussion Using Poisson Background model, Background Score Test, Negative Binomial threshold model and Poisson threshold model for normalization from the R package GeoDiff , we perform tasks including size factor estimation, QC and normalization on GoeMx RNA assay data. They are shown to outperform conventional methods like Limit of Quantification for QC as to consistency/false positive rate and 75% quantile normalization as to eliminating technical variability and recovering true signal. Conclusions We present a statistical model based workflow for QC and normalizing GeoMx RNA data using GeoDiff , justified by statistical theory and validated by real/simulated data.

Abstract A deeper understanding of complex biological processes, including tumor development and immune response, requires ultra high-plex, spatial interrogation of multiple “omes”. Here we present the development and implementation of a novel spatial proteogenomic (SPG) assay on the GeoMx® Digital Spatial Profiler platform with NGS readout that enables ultra high-plex digital quantitation of proteins (> 100-plex) and RNA (whole transcriptome, > 18,000-plex) from a single FFPE sample. This study highlighted the high concordance, R > 0.85, and <11% change in sensitivity between SPG assay and the single analyte –assays on various cell lines and tissues from human and mouse. Furthermore, we demonstrate that the SPG assay was reproducible across multiple users. When used in conjunction with advanced cellular neighborhood segmentation, distinct immune or tumor RNA and protein targets were spatially resolved within individual cell subpopulations in human colorectal cancer and non-small cell lung cancer. We used the SPG assay to interrogate 23 different glioblastoma multiforme samples across 4 pathologies. The study revealed distinct clustering of both RNA and protein based on pathology and anatomic location. The in-depth investigation of giant cell glioblastoma multiforme revealed distinct protein and RNA expression profiles compared to that of the more common glioblastoma multiforme. More importantly, the use of spatial proteogenomics allowed simultaneous interrogation of critical protein post-translational modifications alongside whole transcriptomic profiles within the same distinct cellular neighborhoods.