Abstract The inability to scalably and precisely measure the activity of developmental enhancers in multicellular systems is a bottleneck in genomics. Here, we develop a dual RNA cassette that decouples the detection and quantification tasks inherent to multiplex single-cell reporter assays, resulting in accurate measurement of reporter expression over a >10,000-fold range of activity with a precision approaching the limit set by Poisson counting noise. Together with RNA barcode circularization, these s ingle- c ell q uantitative e xpression r eporters (scQers) provide high-contrast readouts analogous to classic in situ assays, but entirely from sequencing. Screening >200 enhancers in a multicellular in vitro model of early mammalian development, we identified numerous autonomous and cell-type-specific elements, including constituents of the Sox2 control region exclusively active in pluripotent cells, endoderm-specific enhancers, including near Foxa2 and Gata4 , and a compact pleiotropic enhancer at the Lamc1 locus. scQers can be mobilized in developmental systems to quantitatively characterize native, perturbed, and synthetic enhancers at scale, with high sensitivity and at single-cell resolution.

Abstract The maturation of single cell transcriptomic technologies has facilitated the generation of comprehensive cellular atlases from whole embryos. A majority of this data, however, has been collected from wild type embryos without an appreciation for latent variation present in development. Here we present single cell transcriptomic data from 1812 individually resolved developing zebrafish embryos, encompassing 19 time points, 23 genetic perturbations, and totaling 3.2M cells. The high degree of replication in our study (8 or more embryos per condition) allows us to estimate the variance in cell type abundance organism-wide and to detect perturbation-dependent deviance in cell type composition relative to wild type embryos. Our approach is sensitive to rare cell types, resolving developmental trajectories and genetic dependencies in the cranial ganglia neurons, a cell population that comprises less than 1% of the embryo. Additionally, time-series profiling of individual mutants identified a group of brachyury -independent cells with strikingly similar transcriptomes to notochord sheath cells, leading to new hypotheses about the origins of the skull. We anticipate that standardized collection of high-resolution, organism-scale single cell data from large numbers of individual embryos will enable mapping the genetic dependencies of zebrafish cell types, while also addressing long-standing challenges in developmental genetics, including the cellular and transcriptional plasticity underlying phenotypic diversity across individuals.

Abstract Integrating single-cell measurements that capture different properties of the genome is vital to extending our understanding of genome biology. This task is challenging due to the lack of a shared axis across datasets obtained from different types of single-cell experiments. For most such datasets, we lack corresponding information among the cells (samples) and the measurements (features). In this scenario, unsupervised algorithms that are capable of aligning single-cell experiments are critical to learning an in silico co-assay that can help draw correspondences among the cells. Maximum mean discrepancy-based manifold alignment (MMD-MA) is such an unsupervised algorithm. Without requiring correspondence information, it can align single-cell datasets from different modalities in a common shared latent space, showing promising results on simulations and a small-scale single-cell experiment with 61 cells. However, it is essential to explore the applicability of this method to larger single-cell experiments with thousands of cells so that it can be of practical interest to the community. In this paper, we apply MMD-MA to two recent datasets that measure transcriptome and chromatin accessibility in ~2000 single cells. To scale the runtime of MMD-MA to a more substantial number of cells, we extend the original implementation to run on GPUs. We also introduce a method to automatically select one of the user-defined parameters, thus reducing the hyperparameter search space. We demonstrate that the proposed extensions allow MMD-MA to accurately align state-of-the-art single-cell experiments.

Abstract DNA is naturally well-suited to serve as a digital medium for in vivo molecular recording. However, DNA-based memory devices described to date are constrained in terms of the number of distinct signals that can be concurrently recorded and/or by a failure to capture the precise order of recorded events 1 . Here we describe DNA Ticker Tape, a general system for in vivo molecular recording that largely overcomes these limitations. Blank DNA Ticker Tape consists of a tandem array of partial CRISPR-Cas9 target sites, with all but the first site truncated at their 5’ ends, and therefore inactive. Signals of interest are coupled to the expression of specific prime editing guide RNAs 2 . Editing events are insertional, and record the identity of the guide RNA mediating the insertion while also shifting the position of the “write head” by one unit along the tandem array, i.e. sequential genome editing. In this proof-of-concept of DNA Ticker Tape, we demonstrate the recording and decoding of complex event histories or short text messages; evaluate the performance of dozens of orthogonal tapes; and construct “long tape” potentially capable of recording the order of as many as 20 serial events. Finally, we demonstrate how DNA Ticker Tape simplifies the decoding of cell lineage histories.

ABSTRACT Determining the pathogenicity of human genetic variants is a critical challenge, and functional assessment is often the only option. Experimentally characterizing millions of possible missense variants in thousands of clinically important genes will likely require generalizable, scalable assays. Here we describe Variant Abundance by Massively Parallel Sequencing (VAMP-seq), which measures the effects of thousands of missense variants of a protein on intracellular abundance in a single experiment. We apply VAMP-seq to quantify the abundance of 7,595 single amino acid variants of two proteins, PTEN and TPMT, in which functional variants are clinically actionable. We identify 1,079 PTEN and 805 TPMT single amino acid variants that result in low protein abundance, and may be pathogenic or alter drug metabolism, respectively. We observe selection for low-abundance PTEN variants in cancer, and our abundance data suggest that a PTEN variant accounting for ~10% of PTEN missense variants in melanomas functions via a dominant negative mechanism. Finally, we demonstrate that VAMP-seq can be applied to other genes, highlighting its potential as a generalizable assay for characterizing missense variants.

Abstract Gene regulation occurs through trans -acting factors ( e.g. transcription factors) acting on cis -regulatory elements ( e.g. enhancers). Massively parallel reporter assays (MPRAs) functionally survey large numbers of cis -regulatory elements for regulatory potential, but do not identify the trans -acting factors that mediate any observed effects. Here we describe trans MPRA — a reporter assay that efficiently combines multiplex CRISPR-mediated perturbation and MPRAs to identify trans- acting factors that modulate the regulatory activity of specific enhancers.

Abstract Single-cell Hi-C (scHi-C) interrogates genome-wide chromatin interaction in individual cells, allowing us to gain insights into 3D genome organization. However, the extremely sparse nature of scHi-C data poses a significant barrier to analysis, limiting our ability to tease out hidden biological information. In this work, we approach this problem by applying topic modeling to scHi-C data. Topic modeling is well-suited for discovering latent topics in a collection of discrete data. For our analysis, we generate twelve different single-cell combinatorial indexed Hi-C (sciHi-C) libraries from five human cell lines (GM12878, H1Esc, HFF, IMR90, and HAP1), consisting over 25,000 cells. We demonstrate that topic modeling is able to successfully capture cell type differences from sciHi-C data in the form of “chromatin topics.” We further show enrichment of particular compartment structures associated with locus pairs in these topics.

Abstract Mammalian embryogenesis is characterized by rapid cellular proliferation and diversification. Within a few weeks, a single cell zygote gives rise to millions of cells expressing a panoply of molecular programs, including much of the diversity that will subsequently be present in adult tissues. Although intensively studied, a comprehensive delineation of the major cellular trajectories that comprise mammalian development in vivo remains elusive. Here we set out to integrate several single cell RNA-seq datasets (scRNA-seq) that collectively span mouse gastrulation and organogenesis. We define cell states at each of 19 successive stages spanning E3.5 to E13.5, heuristically connect them with their pseudo-ancestors and pseudo-descendants, and for a subset of stages, deconvolve their approximate spatial distributions. Despite being constructed through automated procedures, the resulting trajectories o f m ammalian e mbryogenesis (TOME) are largely consistent with our contemporary understanding of mammalian development. We leverage TOME to nominate transcription factors (TF) and TF motifs as key regulators of each branch point at which a new cell type emerges. Finally, to facilitate comparisons across vertebrates, we apply the same procedures to single cell datasets of zebrafish and frog embryogenesis, and nominate “cell type homologs” based on shared regulators and transcriptional states.

Abstract The majority of common variants associated with common diseases, as well as an unknown proportion of causal mutations for rare diseases, fall in noncoding regions of the genome. Although catalogs of noncoding regulatory elements are steadily improving, we have a limited understanding of the functional effects of mutations within them. Here, we performed saturation mutagenesis in conjunction with massively parallel reporter assays on 20 disease-associated gene promoters and enhancers, generating functional measurements for over 30,000 single nucleotide substitution and deletion mutations. We find that the density of putative transcription factor binding sites varies widely between regulatory elements, as does the extent to which evolutionary conservation or various integrative scores predict functional effects. These data provide a powerful resource for interpreting the pathogenicity of clinically observed mutations in these disease-associated regulatory elements, and also comprise a gold-standard dataset for the further development of algorithms that aim to predict the regulatory effects of noncoding mutations.

Many growth factors and cytokines signal by binding to the extracellular domains of their receptors and driving association and transphosphorylation of the receptor intracellular tyrosine kinase domains, initiating downstream signaling cascades. To enable systematic exploration of how receptor valency and geometry affect signaling outcomes, we designed cyclic homo-oligomers with up to 8 subunits using repeat protein building blocks that can be modularly extended. By incorporating a de novo-designed fibroblast growth factor receptor (FGFR)-binding module into these scaffolds, we generated a series of synthetic signaling ligands that exhibit potent valency- and geometry-dependent Ca2+ release and mitogen-activated protein kinase (MAPK) pathway activation. The high specificity of the designed agonists reveals distinct roles for two FGFR splice variants in driving arterial endothelium and perivascular cell fates during early vascular development. Our designed modular assemblies should be broadly useful for unraveling the complexities of signaling in key developmental transitions and for developing future therapeutic applications.