SUMMARY The meninges of the brain are an important component of neuroinflammatory response. Diverse immune cells move from the calvaria marrow into the dura mater via recently discovered skull-meninges connections (SMCs). However, how the calvaria bone marrow is different from the other bones and whether and how it contributes to human diseases remain unknown. Using multi-omics approaches and whole mouse transparency we reveal that bone marrow cells are highly heterogeneous across the mouse body. The calvaria harbors the most distinct molecular signature with hundreds of differentially expressed genes and proteins. Acute brain injury induces skull-specific alterations including increased calvaria cell numbers. Moreover, TSPO-positron-emission-tomography imaging of stroke, multiple sclerosis and neurodegenerative disease patients demonstrate disease-associated uptake patterns in the human skull, mirroring the underlying brain inflammation. Our study indicates that the calvaria is more than a physical barrier, and its immune cells may present new ways to control brain pathologies. Graphical Abstract Highlights Bone marrow across the mouse body display heterogeneity in their molecular profile Calvaria cells have a distinct profile that is relevant to brain pathologies Brain native proteins are identified in calvaria in pathological states TSPO-PET imaging of the human skull can be a proxy of neuroinflammation in the brain Supplementary Videos can be seen at: http://discotechnologies.org/Calvaria/

SUMMARY Spatial molecular profiling of complex tissues is essential to investigate cellular function in physiological and pathological states. However, methods for molecular analysis of biological specimens imaged in 3D as a whole are lacking. Here, we present DISCO-MS, a technology combining whole-organ imaging, deep learning-based image analysis, and ultra-high sensitivity mass spectrometry. DISCO-MS yielded qualitative and quantitative proteomics data indistinguishable from uncleared samples in both rodent and human tissues. Using DISCO-MS, we investigated microglia activation locally along axonal tracts after brain injury and revealed known and novel biomarkers. Furthermore, we identified initial individual amyloid-beta plaques in the brains of a young familial Alzheimer’s disease mouse model, characterized the core proteome of these aggregates, and highlighted their compositional heterogeneity. Thus, DISCO-MS enables quantitative, unbiased proteome analysis of target tissues following unbiased imaging of entire organs, providing new diagnostic and therapeutic opportunities for complex diseases, including neurodegeneration. Graphical Abstract Highlights DISCO-MS combines tissue clearing, whole-organ imaging, deep learning-based image analysis, and ultra-high sensitivity mass spectrometry DISCO-MS yielded qualitative and quantitative proteomics data indistinguishable from fresh tissues DISCO-MS enables identification of rare pathological regions & their subsequent molecular analysis DISCO-MS revealed core proteome of plaques in 6 weeks old Alzheimer‘s disease mouse model Supplementary Video can be seen at: http://discotechnologies.org/DISCO-MS/

Abstract Tissue phenotypes such as metabolic states, inflammation, and tumor properties are functions of molecular states of cells that constitute the tissue. Recent spatial molecular profiling assays measure tissue architecture motifs in a molecular and often unbiased way and thus can explain some aspects of emergence of these phenotypes. Here, we characterize the ability of graph neural networks to model tissue-level emergent phenotypes based on spatial data by evaluating phenotype prediction across model complexities. First, we show that immune cell dispersion in colorectal tumors, which is known to be predictive of disease outcome, can be captured by graph neural networks. Second, we show that breast cancer tumor classes can be predicted from gene expression alone without spatial information and are thus too simplistic a phenotype to require a complex model of emergence. Third, we show that representation learning approaches for spatial graphs of molecular profiles are limited by overfitting in the prevalent regime of up to 100s of images per study. We address overfitting with within-graph self-supervision and illustrate its promise for tissue representation learning as a constraint for node representations.

Abstract Spatial omics technologies are increasingly leveraged to characterize how disease disrupts tissue organization and cellular niches. While multiple methods to analyze spatial variation within a sample have been published, statistical and computational approaches to compare cell spatial organization across samples or conditions are mostly lacking. We present GraphCompass, a comprehensive set of omics-adapted graph analysis methods to quantitatively evaluate and compare the spatial arrangement of cells in samples representing diverse biological conditions. GraphCompass builds upon the Squidpy spatial omics toolbox and encompasses various statistical approaches to perform cross-condition analyses at the level of individual cell types, niches, and samples. Additionally, GraphCompass provides custom visualization functions that enable effective communication of results. We demonstrate how GraphCompass can be used to address key biological questions, such as how cellular organization and tissue architecture differ across various disease states and which spatial patterns correlate with a given pathological condition. GraphCompass can be applied to various popular omics techniques, including, but not limited to, spatial proteomics (e.g. MIBI-TOF), spot-based transcriptomics (e.g. 10x Genomics Visium), and single-cell resolved transcriptomics (e.g. Stereo-seq). In this work, we showcase the capabilities of GraphCompass through its application to three different studies that may also serve as benchmark datasets for further method development. With its easy-to-use implementation, extensive documentation, and comprehensive tutorials, GraphCompass is accessible to biologists with varying levels of computational expertise. By facilitating comparative analyses of cell spatial organization, GraphCompass promises to be a valuable asset in advancing our understanding of tissue function in health and disease.

Coronavirus disease 2019 (COVID-19), caused by the severe acute respiratory syndrome coronavirus type 2 (SARS-CoV-2), has been associated mainly with a range of neurological symptoms, including brain fog and brain tissue loss, raising concerns about the virus's acute and potential chronic impact on the central nervous system. In this study, we utilized mouse models and human post-mortem tissues to investigate the presence and distribution of the SARS-CoV-2 spike protein in the skull-meninges-brain axis. Our results revealed the accumulation of the spike protein in the skull marrow, brain meninges, and brain parenchyma. The injection of the spike protein alone caused cell death in the brain, highlighting a direct effect on brain tissue. Furthermore, we observed the presence of spike protein in the skull of deceased long after their COVID-19 infection, suggesting that the spike's persistence may contribute to long-term neurological symptoms. The spike protein was associated with neutrophil-related pathways and dysregulation of the proteins involved in the PI3K-AKT as well as complement and coagulation pathway. Overall, our findings suggest that SARS-CoV-2 spike protein trafficking from CNS borders into the brain parenchyma and identified differentially regulated pathways may present insights into mechanisms underlying immediate and long-term consequences of SARS-CoV-2 and present diagnostic and therapeutic opportunities.

Many diseases, such as obesity, have systemic effects that impact multiple organ systems throughout the body. However, tools for comprehensive, high-resolution analysis of disease-associated changes at the whole-body scale have been lacking. Here, we developed a suite of deep learning-based image analysis algorithms (MouseMapper) and integrated it with tissue clearing and light-sheet microscopy to enable a comprehensive analysis of diseases impacting diverse systems across the mouse body. This approach enables the quantitative analysis of cellular and structural changes across the entire mouse body at unprecedented resolution and scale, including tracking nerves over several centimeters in whole animal bodies. To demonstrate its power, we applied MouseMapper to study nervous and immune systems in high-fat diet induced obesity. We uncovered widespread changes in both immune cell distribution and nerve structures, including alterations in the trigeminal nerve characterized by a reduced number of nerve endings in obese mice. These structural abnormalities were associated with functional deficits of whisker sensing and proteomic changes in the trigeminal ganglion, primarily affecting pathways related to axon growth and the complement system. Additionally, we found heterogeneity in obesity-induced whole-body inflammation across different tissues and organs. Our study demonstrates MouseMapper's capability to discover and quantify pathological alterations at the whole-body level, offering a powerful approach for investigating the systemic impacts of various diseases.