To better understand host-virus genetic dependencies and find potential therapeutic targets for COVID-19, we performed a genome-scale CRISPR loss-of-function screen to identify host factors required for SARS-CoV-2 viral infection of human alveolar epithelial cells. Top-ranked genes cluster into distinct pathways, including the vacuolar ATPase proton pump, Retromer, and Commander complexes. We validate these gene targets using several orthogonal methods such as CRISPR knockout, RNA interference knockdown, and small-molecule inhibitors. Using single-cell RNA-sequencing, we identify shared transcriptional changes in cholesterol biosynthesis upon loss of top-ranked genes. In addition, given the key role of the ACE2 receptor in the early stages of viral entry, we show that loss of RAB7A reduces viral entry by sequestering the ACE2 receptor inside cells. Overall, this work provides a genome-scale, quantitative resource of the impact of the loss of each host gene on fitness/response to viral infection.

Regnase-1 and Roquin are RNA binding proteins essential for degradation of inflammation-related mRNAs and maintenance of immune homeostasis. However, their mechanistic relationship has yet to be clarified. Here, we show that, although Regnase-1 and Roquin regulate an overlapping set of mRNAs via a common stem-loop structure, they function in distinct subcellular locations: ribosome/endoplasmic reticulum and processing-body/stress granules, respectively. Moreover, Regnase-1 specifically cleaves and degrades translationally active mRNAs and requires the helicase activity of UPF1, similar to the decay mechanisms of nonsense mRNAs. In contrast, Roquin controls translationally inactive mRNAs, independent of UPF1. Defects in both Regnase-1 and Roquin lead to large increases in their target mRNAs, although Regnase-1 tends to control the early phase of inflammation when mRNAs are more actively translated. Our findings reveal that differential regulation of mRNAs by Regnase-1 and Roquin depends on their translation status and enables elaborate control of inflammation.

Type VI CRISPR enzymes are RNA-targeting proteins with nuclease activity that enable specific and robust target gene knockdown without altering the genome. To define rules for the design of Cas13d guide RNAs (gRNAs), we conducted massively parallel screens targeting messenger RNAs (mRNAs) of a green fluorescent protein transgene, and CD46, CD55 and CD71 cell-surface proteins in human cells. In total, we measured the activity of 24,460 gRNAs with and without mismatches relative to the target sequences. Knockdown efficacy is driven by gRNA-specific features and target site context. Single mismatches generally reduce knockdown to a modest degree, but spacer nucleotides 15–21 are largely intolerant of target site mismatches. We developed a computational model to identify optimal gRNAs and confirm their generalizability, testing 3,979 guides targeting mRNAs of 48 endogenous genes. We show that Cas13 can be used in forward transcriptomic pooled screens and, using our model, predict optimized Cas13 gRNAs for all protein-coding transcripts in the human genome. Design of optimal guide RNAs for Cas13d-mediated RNA knockdown is enabled by computational modeling of large-scale screening data.

ABSTRACT The expression of inhibitory immune checkpoint molecules such as PD-L1 is frequently observed in human cancers and can lead to the suppression of T cell-mediated immune responses. Here we apply ECCITE-seq, a technology which combines pooled CRISPR screens with single-cell mRNA and surface protein measurements, to explore the molecular networks that regulate PD-L1 expression. We also develop a computational framework, mixscape , that substantially improves the signal-to-noise ratio in single-cell perturbation screens by identifying and removing confounding sources of variation. Applying these tools, we identify and validate regulators of PD-L1 , and leverage our multi-modal data to identify both transcriptional and post-transcriptional modes of regulation. In particular, we discover that the kelch-like protein KEAP1 and the transcriptional activator NRF2 , mediate levels of PD-L1 upregulation after IFNγ stimulation. Our results identify a novel mechanism for the regulation of immune checkpoints and present a powerful analytical framework for the analysis of multi-modal single-cell perturbation screens.

Abstract Pooled CRISPR screens have been used to identify genes responsible for specific phenotypes and diseases, and, more recently, to connect genetic perturbations with multi-dimensional gene expression profiles. Here, we describe a method to link genome-wide chromatin accessibility to genetic perturbations in single cells. This scalable, cost-effective method combines pooled CRISPR perturbations with a single-cell combinatorial indexing assay for transposase-accessible chromatin (CRISPR-sciATAC). Using a human and mouse species-mixing experiment, we show that CRISPR-sciATAC separates single cells with a low doublet rate. Then, in human myelogenous leukemia cells, we apply CRISPR-sciATAC to target 21 chromatin-related genes that are frequently mutated in cancer and 84 subunits and cofactors of chromatin remodeling complexes, generating chromatin accessibility data for ~30,000 single cells. Using this large-scale atlas, we correlate loss of specific chromatin remodelers with changes in accessibility — globally and at the binding sites of individual transcription factors. For example, we show that loss of the H3K27 methyltransferase EZH2 leads to increased accessibility at heterochromatic regions involved in embryonic development and triggers expression of multiple genes in the HOXA and HOXD clusters. At a subset of regulatory sites, we also analyze dynamic changes in nucleosome spacing upon loss of chromatin remodelers. CRISPR-sciATAC is a high-throughput, low-cost single-cell method that can be applied broadly to study the role of genetic perturbations on chromatin in normal and disease states.

Abstract CRISPR-Cas13 mediates robust transcript knockdown in human cells through direct RNA targeting. Compared to DNA-targeting CRISPR enzymes like Cas9, RNA targeting by Cas13 is transcript- and strand-specific: It can distinguish and specifically knock-down processed transcripts, alternatively spliced isoforms and overlapping genes, all of which frequently serve different functions. Previously, we identified optimal design rules for Rfx Cas13d guide RNAs (gRNAs), and developed a computational model to predict gRNA efficacy for all human protein-coding genes. However, there is a growing interest to target other types of transcripts, such as noncoding RNAs (ncRNAs) or viral RNAs, and to target transcripts in other commonly-used organisms. Here, we predicted relative Cas13-driven knock-down for gRNAs targeting messenger RNAs and ncRNAs in six model organisms (human, mouse, zebrafish, fly, nematode and flowering plants) and four abundant RNA virus families (SARS-CoV-2, HIV-1, H1N1 influenza and MERS). To allow for more flexible gRNA efficacy prediction, we also developed a web-based application to predict optimal gRNAs for any RNA target entered by the user. Given the lack of Cas13 guide design tools, we anticipate this resource will facilitate CRISPR-Cas13 RNA targeting in common model organisms, emerging viral threats to human health, and novel RNA targets.

Abstract Type VI CRISPR enzymes have recently been identified as programmable RNA-guided, RNA-targeting Cas proteins with nuclease activity that allow for specific and robust target gene knock-down without altering the genome. However, we currently lack information about optimal Cas13 guide RNA designs for high target RNA knock-down efficacy. To close this gap, we conducted four massively-parallel Cas13 screens targeting the mRNA of a destabilized green fluorescent protein (GFP) transgene and CD46, CD55 and CD71 cell surface proteins in human cells. In total, we measured the activity of 24,460 guide RNA including 6,469 perfect match guide RNAs and a diverse set of guide RNA variants and permutations with mismatches relative to the target sequences. We find that guide RNAs show high diversity in knock-down efficiency driven by crRNA-specific features as well as target site context. Moreover, while single mismatches generally reduce knock-down to a modest degree, we identify a critical region spanning spacer nucleotides 15 – 21 that is largely intolerant to target site mismatches. We developed a computational model to identify guide RNAs with high knock-down efficacy. We confirmed the model’s generalizability across a large number of endogenous target mRNAs and show that Cas13 can be used in forward genetic pooled CRISPR-screens to identify essential genes. Using this model, we provide a resource of optimized Cas13 guide RNAs to target all protein-coding transcripts in the human genome, enabling transcriptome-wide forward genetic screens.

Pooled CRISPR screens coupled with single-cell RNA-sequencing have enabled systematic interrogation of gene function and regulatory networks. Here, we introduce Cas13 RNA Perturb-seq (CaRPool-seq) which leverages the RNA-targeting CRISPR/Cas13d system and enables efficient combinatorial perturbations alongside multimodal single-cell profiling. CaRPool-seq encodes multiple perturbations on a cleavable array which is associated with a detectable barcode sequence, allowing for the simultaneous targeting of multiple genes. We compared CaRPool-seq to existing Cas9-based methods, highlighting its unique strength to efficiently profile combinatorially perturbed cells. Finally, we apply CaRPool-seq to perform multiplexed combinatorial perturbations of myeloid differentiation regulators in an acute myeloid leukemia (AML) model system and identify extensive interactions between different chromatin regulators that can enhance or suppress AML differentiation phenotypes.

ABSTRACT Recent advancements in functional genomics have provided an unprecedented ability to measure diverse molecular modalities, but learning causal regulatory relationships from observational data remains challenging. Here, we leverage pooled genetic screens and single cell sequencing (i.e. Perturb-seq) to systematically identify the targets of signaling regulators in diverse biological contexts. We demonstrate how Perturb-seq is compatible with recent and commercially available advances in combinatorial indexing and next-generation sequencing, and perform more than 1,500 perturbations split across six cell lines and five biological signaling contexts. We introduce an improved computational framework (Mixscale) to address cellular variation in perturbation efficiency, alongside optimized statistical methods to learn differentially expressed gene lists and conserved molecular signatures. Finally, we demonstrate how our Perturb-seq derived gene lists can be used to precisely infer changes in signaling pathway activation for in-vivo and in-situ samples. Our work enhances our understanding of signaling regulators and their targets, and lays a computational framework towards the data-driven inference of an ‘atlas’ of perturbation signatures.

Most mammalian genes have multiple polyA sites, representing a substantial source of transcript diversity regulated by the cleavage and polyadenylation (CPA) machinery. To better understand how these proteins govern polyA site choice, we introduce CPA-Perturb-seq, a multiplexed perturbation screen dataset of 42 CPA regulators with a 3' scRNA-seq readout that enables transcriptome-wide inference of polyA site usage. We develop a framework to detect perturbation-dependent changes in polyadenylation and characterize modules of co-regulated polyA sites. We find groups of intronic polyA sites regulated by distinct components of the nuclear RNA life cycle, including elongation, splicing, termination, and surveillance. We train and validate a deep neural network (APARENT-Perturb) for tandem polyA site usage, delineating a cis-regulatory code that predicts perturbation response and reveals interactions between regulatory complexes. Our work highlights the potential for multiplexed single-cell perturbation screens to further our understanding of post-transcriptional regulation.