Kidney failure is frequently observed during and after COVID-19, but it remains elusive whether this is a direct effect of the virus. Here, we report that SARS-CoV-2 directly infects kidney cells and is associated with increased tubule-interstitial kidney fibrosis in patient autopsy samples. To study direct effects of the virus on the kidney independent of systemic effects of COVID-19, we infected human-induced pluripotent stem-cell-derived kidney organoids with SARS-CoV-2. Single-cell RNA sequencing indicated injury and dedifferentiation of infected cells with activation of profibrotic signaling pathways. Importantly, SARS-CoV-2 infection also led to increased collagen 1 protein expression in organoids. A SARS-CoV-2 protease inhibitor was able to ameliorate the infection of kidney cells by SARS-CoV-2. Our results suggest that SARS-CoV-2 can directly infect kidney cells and induce cell injury with subsequent fibrosis. These data could explain both acute kidney injury in COVID-19 patients and the development of chronic kidney disease in long COVID.

Abstract Objective Exacerbated pro-inflammatory immune response contributes to COVID-19 pathology. Despite the evidence about SARS-CoV-2 infecting the human gut, little is known about the importance of the enteric phase of SARS-CoV-2 for the viral lifecycle and for the development of COVID-19-associated pathologies. Similarly, it remains unknown whether the innate immune response triggered in this organ to combat viral infection is similar or distinct compared to the one triggered in other organs. Design We exploited human ileum- and colon-derived organoids as a non-transformed culture model supporting SARS-CoV-2 infection. We characterized the replication kinetics of SARS-CoV-2 in intestinal epithelial cells and correlated the expression of the viral receptor ACE2 with infection. We performed conventional and targeted single-cell transcriptomics and multiplex single-molecule RNA fluorescence in situ hybridization and used IFN-reporter bioassays to characterize the response of primary human intestinal epithelial cells to SARS-CoV-2 infection. Results We identified a subpopulation of enterocytes as the prime target of SARS-CoV-2. We found the lack of positive correlation between susceptibility to infection and the expression of ACE2 and revealed that SARS-CoV-2 downregulates ACE2 expression upon infection. Infected cells activated strong proinflammatory programs and produced interferon, while expression of interferon-stimulated genes was limited to bystander cells due to SARS-CoV-2 suppressing the autocrine action of interferon in infected cells. Conclusion Our findings reveal that SARS-CoV-2 curtails the immune response in primary human intestinal epithelial cells to promote its replication and spread and this highlights the gut as a proinflammatory reservoir that should be considered to fully understand SARS-CoV-2 pathogenesis. Significance of the study What is already known about this subject? COVID-19 patients have gastrointestinal symptoms which likely correlates with SARS-CoV-2 infection of the intestinal epithelium SARS-CoV-2 replicates in human intestinal epithelial cells. Intestinal organoids are a good model to study SARS-CoV-2 infection of the gastrointestinal tract There is a limited interferon response in human lung epithelial cells upon SARS-CoV-2 infection. What are the new findings? A specific subpopulation of enterocytes are the prime targets of SARS-CoV-2 infection of the human gut. There is a lack of correlation between ACE2 expression and susceptibility to SARS-CoV-2 infection. SARS-CoV-2 downregulates ACE2 expression upon infection. Human intestinal epithelium cells produce interferon upon SARS-CoV-2 infection. Interferon acts in a paracrine manner to induce interferon stimulated genes that control viral infection only in bystander cells. SARS-CoV-2 actively blocks interferon signaling in infected cells. How might it impact on clinical practice in the foreseeable future? The absence of correlation between ACE2 levels and susceptibility suggest that medications influencing ACE2 levels (e.g. high blood pressure drugs) will not make patients more susceptible to SARS-CoV-2 infection. The restricted cell tropism and the distinct immune response mounted by the GI tract, suggests that specific cellular restriction/replication factors and organ specific intrinsic innate immune pathways can represent unique therapeutic targets to treat COVD-19 patients by considering which organ is most infected/impacted by SARS-CoV-2. The strong pro-inflammatory signal mounted by the intestinal epithelium can fuel the systemic inflammation observed in COVID-19 patients and is likely participating in the lung specific pathology.

ABSTRACT Single-cell genomics has transformed our understanding of complex cellular systems. However, excessive costs and a lack of strategies for the purification of newly identified cell types impede their functional characterization and large-scale profiling. Here, we have generated high content single-cell proteo-genomic reference maps of human blood and bone marrow that quantitatively link the expression of up to 197 surface markers to cellular identities and biological processes across all major hematopoietic cell types in healthy aging and leukemia. These reference maps enable the automatic design of cost-effective high-throughput cytometry schemes that outperform state-of-the-art approaches, accurately reflect complex topologies of cellular systems, and permit the purification of precisely defined cell states. The systematic integration of cytometry and proteo-genomic data enables measuring the functional capacities of precisely mapped cell states at the single-cell level. Our study serves as an accessible resource and paves the way for a data-driven era in cytometry.

Abstract Human intestinal epithelial cells form a primary barrier protecting us from pathogens, yet only limited knowledge is available about individual contribution of each cell type to mounting an immune response against infection. Here, we developed a pipeline combining single-cell RNA-Seq and highly-multiplex RNA imaging and applied it to human intestinal organoids infected with human astrovirus, a model human enteric virus. We found that interferon controls the infection and that astrovirus infects all major cell types and lineages with a preferential infection of proliferating cells. Intriguingly, each intestinal epithelial cell lineage has a unique basal expression of interferon-stimulated genes and, upon astrovirus infection, undergoes an antiviral transcriptional reprogramming by upregulating distinct sets of interferon-stimulated genes. These findings suggest that in the human intestinal epithelium, each cell lineage plays a unique role in resolving virus infection. Our pipeline can be applicable to other organoids and viruses, opening new avenues to unravel roles of individual cell types in viral pathogenesis.

A bstract Kidney Precision Medicine Project (KPMP) is building a spatially-specified human tissue atlas at the single-cell resolution with molecular details of the kidney in health and disease. Here, we describe the construction of an integrated reference tissue map of cells, pathways and genes using unaffected regions of nephrectomy tissues and undiseased human biopsies from 55 subjects. We use single-cell and -nucleus transcriptomics, subsegmental laser microdissection bulk transcriptomics and proteomics, near-single-cell proteomics, 3-D nondestructive and CODEX imaging, and spatial metabolomics data to hierarchically identify genes, pathways and cells. Integrated data from these different technologies coherently describe cell types/subtypes within different nephron segments and interstitium. These spatial profiles identify cell-level functional organization of the kidney tissue as indicative of their physiological functions and map different cell subtypes to genes, proteins, metabolites and pathways. Comparison of transcellular sodium reabsorption along the nephron to levels of mRNAs encoding the different sodium transporter genes indicate that mRNA levels are largely congruent with physiological activity.This reference atlas provides an initial framework for molecular classification of kidney disease when multiple molecular mechanisms underlie convergent clinical phenotypes.

Abstract Imaging mass spectrometry is a powerful technology enabling spatial metabolomics, yet metabolites can be assigned only to a fraction of the data generated. METASPACE-ML is a machine learning-based approach addressing this challenge which incorporates new scores and computationally-efficient False Discovery Rate estimation. For training and evaluation, we used a comprehensive set of 1,710 datasets from 159 researchers from 47 labs encompassing both animal and plant-based datasets with a balanced representation of various spatial metabolomics contexts. METASPACE-ML outperforms its rule-based predecessor, exhibiting higher precision, increased throughput, and enhanced capability in identifying low-intensity and biologically-relevant metabolites. METASPACE-ML represents a significant step forward in metabolite identification for imaging mass spectrometry, offering improved accuracy and sensitivity compared to the current state-of-the art methods.

Abstract Although the effects of genetic and environmental perturbations on multicellular organisms are rarely restricted to single phenotypic layers, our current understanding of how developmental programs react to these challenges remains limited. Here, we have examined the phenotypic consequences of disturbing the bicoid regulatory network in early Drosophila embryos. We generated flies with two extra copies of bicoid , which causes a posterior shift of the network’s regulatory outputs and a decrease in fitness. We subjected these flies to EMS mutagenesis, followed by experimental evolution. After only 8–15 generations, experimental populations have normalized patterns of gene expression and increased survival. Using a phenomics approach, we find that populations were normalized through rapid increases in embryo size driven by maternal changes in metabolism and ovariole development. We extend our results to additional populations of flies, demonstrating predictability. Together, our results necessitate a broader view of regulatory network evolution at the systems level.

Abstract The quest to model and modulate embryonic development became a recent cornerstone of stem cell and developmental biology. Mammalian developmental timing is adjustable in vivo by preserving preimplantation embryos in a dormant state called diapause. Inhibition of the growth regulator mTOR (mTORi) pauses mouse development in vitro, yet constraints to pause duration are unrecognized. By comparing the response of embryonic and extraembryonic stem cells to mTORi-induced pausing, we identified lipid usage as a bottleneck to developmental pausing. Enhancing fatty acid oxidation (FAO) boosts embryo longevity, while blocking it reduces the pausing capacity. Genomic and metabolic analyses of single embryos point toward a deeper dormant state in FAO-enhanced pausing and reveal a link between lipid metabolism and embryo morphology. Our results lift a constraint on in vitro embryo survival and suggest that lipid metabolism may be a critical metabolic transition relevant for longevity and stem cell function across tissues. One-Sentence Summary Facilitating fatty acid oxidation by carnitine supplementation enhances mTOR inhibition-mediated developmental pausing.

Abstract Spatial metabolomics using imaging mass spectrometry (MS) enables untargeted and label-free metabolite mapping in biological samples. Despite the range of available imaging MS protocols and technologies, our understanding of metabolite detection under specific conditions is limited due to sparse empirical data and predictive theories. Consequently, challenges persist in designing new experiments, and accurately annotating and interpreting data. In this study, we systematically measured the detectability of 172 biologically-relevant metabolites across common imaging MS protocols using custom reference samples. We evaluated 24 MALDI-imaging MS protocols for untargeted metabolomics, and demonstrated the applicability of our findings to complex biological samples through comparison with animal tissue data. We showcased the potential for extending our results to further analytes by predicting metabolite detectability based on molecular properties. Additionally, our interlaboratory comparison of 10 imaging MS technologies, including MALDI, DESI, and IR-MALDESI, showed extensive metabolite coverage and comparable results, underscoring the broad applicability of our findings within the imaging MS community. We share our results and data through a new interactive web application integrated with METASPACE. This resource offers an extensive catalogue of detectable metabolite ions, facilitating protocol selection, supporting data annotation, and benefiting future untargeted spatial metabolomics studies.

Motivation: Imaging mass spectrometry (imaging MS) is a powerful technology for revealing localizations of hundreds of molecules in tissue sections. However, imaging MS data is polluted with off-sample ions caused by caused by sample preparation, particularly by the MALDI matrix application. The presence of the off-sample ion images confounds and hinders metabolite identification and downstream analysis. Results: We created a high-quality gold standard of 23238 manually tagged ion images from 87 public datasets from the METASPACE knowledge base. We developed several machine and deep learning methods for recognizing off-sample ion images. Deep residual learning performed the best with the F1 score of 0.97. Spatio-molecular biclustering method achieved the F1 scores of 0.96 and 0.93 in semi- and fully-automated scenarios, respectively. Molecular co-localization method achieved the F1 score of 0.90. We investigated the clusters of the DHB matrix, the most common MALDI matrix, and characterized parameters of a clusters combinatorial model. This work addresses an important issue in imaging MS and illustrates how public data, modern web technologies, and machine and deep learning open novel avenues in imaging MS. Availability and Implementation: Data and source code are available at: https://github.com/metaspace2020/offsample.