All-optical electrophysiology-spatially resolved simultaneous optical perturbation and measurement of membrane voltage-would open new vistas in neuroscience research. We evolved two archaerhodopsin-based voltage indicators, QuasAr1 and QuasAr2, which show improved brightness and voltage sensitivity, have microsecond response times and produce no photocurrent. We engineered a channelrhodopsin actuator, CheRiff, which shows high light sensitivity and rapid kinetics and is spectrally orthogonal to the QuasArs. A coexpression vector, Optopatch, enabled cross-talk-free genetically targeted all-optical electrophysiology. In cultured rat neurons, we combined Optopatch with patterned optical excitation to probe back-propagating action potentials (APs) in dendritic spines, synaptic transmission, subcellular microsecond-timescale details of AP propagation, and simultaneous firing of many neurons in a network. Optopatch measurements revealed homeostatic tuning of intrinsic excitability in human stem cell-derived neurons. In rat brain slices, Optopatch induced and reported APs and subthreshold events with high signal-to-noise ratios. The Optopatch platform enables high-throughput, spatially resolved electrophysiology without the use of conventional electrodes.

Pancreatic ductal adenocarcinoma (PDAC) is a highly lethal and treatment-refractory cancer. Molecular stratification in pancreatic cancer remains rudimentary and does not yet inform clinical management or therapeutic development. Here, we construct a high-resolution molecular landscape of the cellular subtypes and spatial communities that compose PDAC using single-nucleus RNA sequencing and whole-transcriptome digital spatial profiling (DSP) of 43 primary PDAC tumor specimens that either received neoadjuvant therapy or were treatment naive. We uncovered recurrent expression programs across malignant cells and fibroblasts, including a newly identified neural-like progenitor malignant cell program that was enriched after chemotherapy and radiotherapy and associated with poor prognosis in independent cohorts. Integrating spatial and cellular profiles revealed three multicellular communities with distinct contributions from malignant, fibroblast and immune subtypes: classical, squamoid-basaloid and treatment enriched. Our refined molecular and cellular taxonomy can provide a framework for stratification in clinical trials and serve as a roadmap for therapeutic targeting of specific cellular phenotypes and multicellular interactions.

ABSTRACT Pancreatic ductal adenocarcinoma (PDAC) remains a treatment-refractory disease. Characterizing PDAC by mRNA profiling remains particularly challenging. Previously identified bulk expression subtypes were influenced by contaminating stroma and have not yet informed clinical management, whereas single cell RNA-seq (scRNA-seq) of fresh tumors under-represented key cell types. Here, we developed a robust single-nucleus RNA-seq (snRNA-seq) technique for frozen archival PDAC specimens and used it to study both untreated tumors and those that received neoadjuvant chemotherapy and radiotherapy (CRT). Gene expression programs learned across untreated malignant cell and fibroblast profiles uncovered a clinically relevant molecular taxonomy with improved prognostic stratification compared to prior classifications. Moreover, in the increasingly-adopted neoadjuvant treatment context, there was a depletion of classical-like phenotypes in malignant cells in favor of basal-like phenotypes associated with TNF-NFkB and interferon signaling as well as the presence of novel acinar and neuroendocrine classical-like states, which may be more resilient to cytotoxic treatment. Spatially-resolved transcriptomics revealed an association between malignant cells expressing these basal-like programs and higher immune infiltration with increased lymphocytic content, whereas those exhibiting classical-like programs were linked to sparser macrophage-predominant microniches, perhaps pointing to susceptibility to distinct therapeutic strategies. Our refined molecular taxonomy and spatial resolution can help advance precision oncology in PDAC through informative stratification in clinical trials and insights into differential therapeutic targeting leveraging the immune system.

ABSTRACT Highly multiplexed tissue imaging makes molecular analysis of single cells possible in a preserved spatial context. However, reproducible analysis of the underlying data poses a substantial computational challenge. Here we describe a modular and open-source computational pipeline (MCMICRO) for performing the sequential steps needed to transform large, multi-channel whole slide images into single-cell data. We demonstrate use of MCMICRO on images of different tissues and tumors acquired using multiple imaging platforms, thereby providing a solid foundation for the continued development of tissue imaging software.

Abstract The maturation of neurons and the development of synapses – while emblematic of neurons – also rely on interactions with astrocytes and other glia. To study the role of glia-neuron interactions, we analyzed the transcriptomes of human pluripotent stem cell (hPSC)-derived neurons, from a total of 80 human donors, that were cultured with or without contact with glial cells. We found that the presence of astrocytes enhanced synaptic gene-expression programs in neurons. These changes in neuronal synaptic gene expression correlated with increased expression in the co-cultured glia of genes that encode synaptic cell adhesion molecules, and they were greatly enhanced in the glia in coculture. Both the neuronal and astrocyte gene-expression programs were enriched for genes that are linked to schizophrenia risk. Physical contact between the two cell types was required for the induction of synaptic programs in neurons. Our results suggest that astrocyte-expressed genes with synaptic functions are associated with stronger expression of synaptic genetic programs in neurons and suggest a potential role for astrocyte-neuron interactions in schizophrenia.

Abstract Voltage imaging enables high-throughput investigation of neuronal activity, yet its utility is often constrained by a low signal-to-noise ratio (SNR). Conventional denoising algorithms, such as those based on matrix factorization, impose limiting assumptions about the noise process and the spatiotemporal structure of the signal. While deep learning based denoising techniques offer greater adaptability, existing approaches fail to fully exploit the fast temporal dynamics and unique short- and long-range dependencies within voltage imaging datasets. Here, we introduce CellMincer, a novel self-supervised deep learning method designed specifically for denoising voltage imaging datasets. CellMincer operates on the principle of masking and predicting sparse sets of pixels across short temporal windows and conditions the denoiser on precomputed spatiotemporal auto-correlations to effectively model long-range dependencies without the need for large temporal denoising contexts. We develop and utilize a physics-based simulation framework to generate realistic datasets for rigorous hyperparameter optimization and ablation studies, highlighting the key role of conditioning the denoiser on precomputed spatiotemporal auto-correlations to achieve 3-fold further reduction in noise. Comprehensive benchmarking on both simulated and real voltage imaging datasets, including those with paired patch-clamp electrophysiology (EP) as ground truth, demonstrates CellMincer’s state-of-the-art performance. It achieves substantial noise reduction across the entire frequency spectrum, enhanced detection of subthreshold events, and superior cross-correlation with ground-truth EP recordings. Finally, we demonstrate how CellMincer’s addition to a typical voltage imaging data analysis workflow improves neuronal segmentation, peak detection, and ultimately leads to significantly enhanced separation of functional phenotypes.

The SARS-CoV-2 pandemic has caused over 1 million deaths globally, mostly due to acute lung injury and acute respiratory distress syndrome, or direct complications resulting in multiple-organ failures. Little is known about the host tissue immune and cellular responses associated with COVID-19 infection, symptoms, and lethality. To address this, we collected tissues from 11 organs during the clinical autopsy of 17 individuals who succumbed to COVID-19, resulting in a tissue bank of approximately 420 specimens. We generated comprehensive cellular maps capturing COVID-19 biology related to patients' demise through single-cell and single-nucleus RNA-Seq of lung, kidney, liver and heart tissues, and further contextualized our findings through spatial RNA profiling of distinct lung regions. We developed a computational framework that incorporates removal of ambient RNA and automated cell type annotation to facilitate comparison with other healthy and diseased tissue atlases. In the lung, we uncovered significantly altered transcriptional programs within the epithelial, immune, and stromal compartments and cell intrinsic changes in multiple cell types relative to lung tissue from healthy controls. We observed evidence of: alveolar type 2 (AT2) differentiation replacing depleted alveolar type 1 (AT1) lung epithelial cells, as previously seen in fibrosis; a concomitant increase in myofibroblasts reflective of defective tissue repair; and, putative TP63 + intrapulmonary basal-like progenitor (IPBLP) cells, similar to cells identified in H1N1 influenza, that may serve as an emergency cellular reserve for severely damaged alveoli. Together, these findings suggest the activation and failure of multiple avenues for regeneration of the epithelium in these terminal lungs. SARS-CoV-2 RNA reads were enriched in lung mononuclear phagocytic cells and endothelial cells, and these cells expressed distinct host response transcriptional programs. We corroborated the compositional and transcriptional changes in lung tissue through spatial analysis of RNA profiles in situ and distinguished unique tissue host responses between regions with and without viral RNA, and in COVID-19 donor tissues relative to healthy lung. Finally, we analyzed genetic regions implicated in COVID-19 GWAS with transcriptomic data to implicate specific cell types and genes associated with disease severity. Overall, our COVID-19 cell atlas is a foundational dataset to better understand the biological impact of SARS-CoV-2 infection across the human body and empowers the identification of new therapeutic interventions and prevention strategies.

ABSTRACT Astrocytes play essential roles in normal brain function, with dysfunction implicated in diverse developmental and degenerative disease processes. Emerging evidence of profound species divergent features of astrocytes coupled with the relative inaccessibility of human brain tissue underscore the utility of human pluripotent stem cell (hPSC) technologies for the generation and study of human astrocytes. However, existing approaches for hPSC-astrocyte generation are typically lengthy, incompletely characterized, or require intermediate purification steps, limiting their utility for multi-cell line, adequately powered functional studies. Here, we establish a rapid and highly scalable method for generating functional human induced astrocytes (hiAs) based upon transient Neurogenin 2 (NGN2) induction of neural progenitor-like cells followed by maturation in astrocyte media, which demonstrate remarkable homogeneity within the population and across 11 independent cell lines in the absence of additional purification steps. These hiAs express canonical astrocyte markers, respond to pro-inflammatory stimuli, exhibit ATP-induced calcium transients and support neuronal maturation in vitro . Moreover, single-cell transcriptomic analyses reveal the generation of highly reproducible cell populations across individual donors, most closely resembling human fetal astrocytes, and highly similar to hPSC-derived astrocytes generated using more complex approaches. Finally, the hiAs capture key molecular hallmarks in a trisomy 21 disease model. Thus, hiAs provide a valuable and practical resource well-suited for study of basic human astrocyte function and dysfunction in disease.

Optical tools for simultaneous perturbation and measurement of neural activity open the possibility of mapping neural function over wide areas of brain tissue. However, spectral overlap of actuators and reporters presents a challenge for their simultaneous use, and optical scattering and out-of-focus fluorescence in tissue degrade resolution. To minimize optical crosstalk, we combined an optimized variant (eTsChR) of the most blue-shifted channelrhodopsin reported to-date with a nuclear-localized red-shifted Ca2+ indicator, H2B-jRGECO1a. To perform wide-area optically sectioned imaging in tissue, we designed a structured illumination technique that uses Hadamard matrices to encode spatial information. By combining these molecular and optical approaches we made wide-area maps, spanning cortex and striatum, of the effects of antiepileptic drugs on neural excitability and on the effects of AMPA and NMDA receptor blockers on functional connectivity. Together, these tools provide a powerful capability for wide-area mapping of neuronal excitability and functional connectivity in acute brain slices.