Animal models are an integral part of the drug development and evaluation process. However, they are unsurprisingly imperfect reflections of humans, and the extent and nature of many immunological differences are unknown. With the rise of targeted and biological therapeutics, it is increasingly important that we understand the molecular differences in immunological behavior of humans and model organisms. Thus, we profiled a large number of healthy humans, along with three of the model organisms most similar to humans: rhesus and cynomolgus macaques and African green monkeys; and the most widely used mammalian model: mice. Using cross-species, universal phenotyping and signaling panels, we measured immune cell signaling responses to an array of 15 stimuli using CyTOF mass cytometry. We found numerous instances of different cellular phenotypes and immune signaling events occurring within and between species with likely effects on evaluation of therapeutics, and detail three examples (double-positive T cell frequency and signaling; granulocyte response to Bacillus anthracis antigen; and B cell subsets). We also explore the correlation of herpes simian B virus serostatus on the immune profile. The full dataset is available online at https://flowrepository.org (accession FR-FCM-Z2ZY) and https://immuneatlas.org .

Abstract The COVID-19 pandemic, caused by the viral pathogen SARS-CoV-2, has taken the lives of millions of individuals around the world. Obesity is associated with adverse COVID-19 outcomes, but the underlying mechanism is unknown. In this report, we demonstrate that human adipose tissue from multiple depots is permissive to SARS-CoV-2 infection and that infection elicits an inflammatory response, including the secretion of known inflammatory mediators of severe COVID-19. We identify two cellular targets of SARS-CoV-2 infection in adipose tissue: mature adipocytes and adipose tissue macrophages. Adipose tissue macrophage infection is largely restricted to a highly inflammatory subpopulation of macrophages, present at baseline, that is further activated in response to SARS-CoV-2 infection. Preadipocytes, while not infected, adopt a proinflammatory phenotype. We further demonstrate that SARS-CoV-2 RNA is detectable in adipocytes in COVID-19 autopsy cases and is associated with an inflammatory infiltrate. Collectively, our findings indicate that adipose tissue supports SARS-CoV-2 infection and pathogenic inflammation and may explain the link between obesity and severe COVID-19. One sentence summary Our work provides the first in vivo evidence of SARS-CoV-2 infection in human adipose tissue and describes the associated inflammation.

Abstract The colon is a complex organ that promotes digestion, extracts nutrients, participates in immune surveillance, maintains critical symbiotic relationships with microbiota, and affects overall health. To better understand its organization, functions, and its regulation at a single cell level, we performed CODEX multiplexed imaging, as well as single nuclear RNA and open chromatin assays across eight different intestinal sites of four donors. Through systematic analyses we find cell compositions differ dramatically across regions of the intestine, demonstrate the complexity of epithelial subtypes, and find that the same cell types are organized into distinct neighborhoods and communities highlighting distinct immunological niches present in the intestine. We also map gene regulatory differences in these cells suggestive of a regulatory differentiation cascade, and associate intestinal disease heritability with specific cell types. These results describe the complexity of the cell composition, regulation, and organization for this organ, and serve as an important reference map for understanding human biology and disease.

Abstract Our mobility requires muscle regeneration throughout life. Yet our knowledge of the interplay of cell types required to rebuild injured muscle is lacking, because most single cell assays require tissue dissociation. Here we use multiplexed spatial proteomics and neural network analyses to resolve a single cell spatiotemporal atlas of 34 cell types during muscle regeneration and aging. This atlas maps interactions of immune, fibrogenic, vascular, nerve, and myogenic cells at sites of injury in relation to tissue architecture and extracellular matrix. Spatial pseudotime mapping reveals sequential cellular neighborhoods that mediate repair and a nodal role for immune cells. We confirm this role by macrophage depletion, which triggers formation of aberrant neighborhoods that obstruct repair. In aging, immune dysregulation is chronic, cellular neighborhoods are disrupted, and an autoimmune response is evident at sites of denervation. Our findings highlight the spatial cellular ecosystem that orchestrates muscle regeneration, and is altered in aging. Highlights Single cell resolution spatial atlas resolves a cellular ecosystem of 34 cell types in multicellular neighborhoods that mediate efficient skeletal muscle repair Highly multiplexed spatial proteomics, neural network and machine learning uncovers temporal dynamics in the spatial crosstalk between immune, fibrogenic, vascular, nerve, and muscle stem cells and myofibers during regeneration Spatial pseudotime mapping reveals coherent formation of multicellular neighborhoods during efficacious repair and the nodal role of immune cells in coordinating muscle repair In aged muscle, cellular neighborhoods are disrupted by a chronically inflamed state and autoimmunity

Intratumoral variability is a seminal feature of human tumors contributing to tumor progression and response to treatment. Current technologies are unsuitable to accurately track phenotypes and subclonal evolution within tumors, especially in response to genetic manipulations. Here, we developed epitope combinatorial tags (EpicTags), which we coupled to multiplexed ion beam imaging (EpicMIBI) for in situ tracking of barcodes within tissue microenvironments. Using this platform, we dissected the spatial component of cell lineages and phenotypes in a xenograft model of small-cell lung cancer. We observed emergent properties from mixed clones leading to the preferential expansion of subclonal patches for both neuroendocrine and non-neuroendocrine cancer cell states in this model. In tumors harboring a fraction of PTEN-deficient cancer cells, we uncovered a non-autonomous increase of subclonal patch size in PTEN wildtype cancer cells. EpicMIBI can facilitate in situ interrogation of cell-intrinsic and cell-extrinsic processes involved in intratumoral heterogeneity.

The ability to align individual cellular information from multiple experimental sources, techniques and systems is fundamental for a true systems-level understanding of biological processes. While single-cell transcriptomic studies have transformed our appreciation for the complexities and contributions of diverse cell types to disease, they can be limited in their ability to assess protein-level phenotypic information and beyond. Therefore, matching and integrating single-cell datasets which utilize robust protein measurements across multiple modalities is critical for a deeper understanding of cell states, and signaling pathways particularly within their native tissue context. Current available tools are mainly designed for single-cell transcriptomics matching and integration, and generally rely upon a large number of shared features across datasets for mutual Nearest Neighbor (mNN) matching. This approach is unsuitable when applied to single-cell proteomic datasets, due to the limited number of parameters simultaneously accessed, and lack of shared markers across these experiments. Here, we introduce a novel cell matching algorithm, Matching with pARtIal Overlap (MARIO), that takes into account both shared and distinct features, while consisting of vital filtering steps to avoid sub-optimal matching. MARIO accurately matches and integrates data from different single-cell proteomic and multi-modal methods, including spatial techniques, and has cross-species capabilities. MARIO robustly matched tissue macrophages identified from COVID-19 lung autopsies via CODEX imaging to macrophages recovered from COVID-19 bronchoalveolar lavage fluid via CITE-seq. This cross-platform integrative analysis enabled the identification of unique orchestrated immune responses within the lung of complement-expressing macrophages and their impact on the local tissue microenvironment. MARIO thus provides an analytical framework for unified analysis of single-cell data for a comprehensive understanding of the underlying biological system.

ABSTRACT Advances in multiplexed in situ imaging are revealing important insights in spatial biology. However, cell type identification remains a major challenge in imaging analysis, with most existing methods involving substantial manual assessment and subjective decisions for thousands of cells. We propose a novel machine learning algorithm, CELESTA, which uses both cell’s protein expression and spatial information to identify cell type of individual cells. We demonstrate the performance of CELESTA on multiplexed immunofluorescence in situ images of colorectal cancer and head and neck cancer. Using the cell types identified by CELESTA, we identify tissue architecture associated with lymph node metastasis in HNSCC, which we validate in an independent cohort. By coupling our in situ spatial analysis with single-cell RNA-sequencing data on proximal sections of the same tissue specimens, we identify and validate cell-cell crosstalk associated with lymph node metastasis, demonstrating the power of spatial biology to reveal clinically-relevant cellular interactions.

A thorough understanding of complex spatial host-disease interactions in situ is necessary in order to develop effective preventative measures and therapeutic strategies. Here, we developed P rotein A nd N ucleic acid IN situ I maging (PANINI) and coupled it with Multiplexed Ion Beam Imaging (MIBI) to sensitively and simultaneously quantify DNA, RNA, and protein levels within the microenvironments of tissue compartments. The PANINI-MIBI approach was used to measure over 30 parameters simultaneously across large sections of archival lymphoid tissues from non-human primates that were healthy or infected with simian immunodeficiency virus (SIV), a model that accurately recapitulates human immunodeficiency virus infection (HIV). This enabled multiplexed dissection of cellular phenotypes, functional markers, viral DNA integration events, and viral RNA transcripts as resulting from viral infection. The results demonstrated immune coordination from an unexpected upregulation of IL10 in B cells in response to SIV infection that correlated with macrophage M2 polarization, thus conditioning a potential immunosuppressive environment that allows for viral production. This multiplexed imaging strategy also allowed characterization of the coordinated microenvironment around latently or actively infected cells to provide mechanistic insights into the process of viral latency. The spatial multi-modal framework presented here is applicable to deciphering tissue responses in other infectious diseases and tumor biology.

Summary Ebola virus (EBOV) causes epidemics with high case fatality rates, yet remains understudied due to the challenge of experimentation in high-containment and outbreak settings. To better understand EBOV infection in vivo , we used single-cell transcriptomics and CyTOF-based single-cell protein quantification to characterize peripheral immune cell activity during EBOV infection in rhesus monkeys. We obtained 100,000 transcriptomes and 15,000,000 protein profiles, providing insight into pathogenesis. We find that immature, proliferative monocyte-lineage cells with reduced antigen presentation capacity replace conventional circulating monocyte subsets within days of infection, while lymphocytes upregulate apoptosis genes and decline in abundance. By quantifying viral RNA abundance in individual cells, we identify molecular determinants of tropism and examine temporal dynamics in viral and host gene expression. Within infected cells, we observe that EBOV down-regulates STAT1 mRNA and interferon signaling, and up-regulates putative pro-viral genes (e.g., DYNLL1 and HSPA5 ), nominating cellular pathways the virus manipulates for its replication. Overall, this study sheds light on EBOV tropism, replication dynamics, and elicited immune response, and provides a framework for characterizing interactions between hosts and emerging viruses in a maximum containment setting.

ABSTRACT Bacille Calmette-Guérin (BCG) vaccination can confer non-specific protection against heterologous pathogens. However, the underlying mechanisms remain mysterious. Here, we show that mice immunized intravenously with BCG exhibited reduced weight loss and/or improved viral clearance when challenged with SARS-CoV-2 and influenza. Protection was first evident between 14 - 21 days post vaccination, and lasted for at least 42 days. Remarkably, BCG induced a biphasic innate response in the lung, initially at day 1 and a subsequent prolonged phase starting at ∼15 days post vaccination, and robust antigen-specific Th1 responses. MyD88-dependent TLR signaling was essential for the induction of the innate and Th1 responses, and protection against SARS-CoV-2. Depletion of CD4 + T cells or IFN-γ activity prior to infection obliterated innate activation and protection. Single cell and spatial transcriptomics revealed CD4-dependent expression of interferon-stimulated genes (ISGs) in myeloid, type II alveolar and lung epithelial cells. Thus, BCG elicits “integrated organ immunity” where CD4+ T cells act on local myeloid and epithelial cells to imprint prolonged antiviral innate resistance.