Abstract Background Macrophages are innate immune cells with diverse functional and molecular phenotypes. This diversity is largely unexplored at the level of single-cell proteomes because of the limitations of quantitative single-cell protein analysis. Results To overcome this limitation, we develop SCoPE2, which substantially increases quantitative accuracy and throughput while lowering cost and hands-on time by introducing automated and miniaturized sample preparation. These advances enable us to analyze the emergence of cellular heterogeneity as homogeneous monocytes differentiate into macrophage-like cells in the absence of polarizing cytokines. SCoPE2 quantifies over 3042 proteins in 1490 single monocytes and macrophages in 10 days of instrument time, and the quantified proteins allow us to discern single cells by cell type. Furthermore, the data uncover a continuous gradient of proteome states for the macrophages, suggesting that macrophage heterogeneity may emerge in the absence of polarizing cytokines. Parallel measurements of transcripts by 10× Genomics suggest that our measurements sample 20-fold more protein copies than RNA copies per gene, and thus, SCoPE2 supports quantification with improved count statistics. This allowed exploring regulatory interactions, such as interactions between the tumor suppressor p53, its transcript, and the transcripts of genes regulated by p53. Conclusions Even in a homogeneous environment, macrophage proteomes are heterogeneous. This heterogeneity correlates to the inflammatory axis of classically and alternatively activated macrophages. Our methodology lays the foundation for automated and quantitative single-cell analysis of proteins by mass spectrometry and demonstrates the potential for inferring transcriptional and post-transcriptional regulation from variability across single cells.

Many biological processes, such as the cell division cycle, are reflected in protein covariation across single cells. This covariation can be quantified and interpreted by single-cell mass-spectrometry (MS) with sufficiently high throughput and accuracy. Towards this goal, we developed nPOP, a method that uses piezo acoustic dispensing to isolate individual cells in 300 picoliter volumes and performs all subsequent sample preparation steps in small droplets on a fluorocarbon-coated slide. This design enabled simultaneous sample preparation of thousands of single cells, including lysing, digesting, and labeling individual cells in volumes of 8-20 nl. Protein covariation analysis identified cell-cycle dynamics that were similar across cell types and dynamics that differed between cell types, even within sub-populations of melanoma cells defined by markers for drug-resistance priming. The melanoma cells expressing these markers accumulated in the G1 phase of the cell cycle, displayed distinct protein covariation across the cell cycle, accumulated glycogen, and had lower abundance of glycolytic enzymes. The non-primed melanoma cells exhibited gradients of protein abundance and covariation, suggesting transition states. These results were validated by different MS methods. Together, they demonstrate that protein covariation across single cells may reveal functionally concerted biological differences between closely related cell states.

Major aims of single-cell proteomics include increasing the consistency, sensitivity, and depth of protein quantification, especially for proteins and modifications of biological interest. To simultaneously advance all these aims, we developed prioritized Single Cell ProtEomics (pSCoPE). pSCoPE consistently analyzes thousands of prioritized peptides across all single cells (thus increasing data completeness) while analyzing identifiable peptides at full duty-cycle, thus increasing proteome depth. These strategies increased the sensitivity, data completeness, and proteome coverage over 2-fold. The gains enabled quantifying protein variation in untreated and lipopolysaccharide-treated primary macrophages. Within each condition, proteins covaried within functional sets, including phagosome maturation and proton transport. This protein covariation within a treatment condition was similar across the treatment conditions and coupled to phenotypic variability in endocytic activity. pSCoPE also enabled quantifying proteolytic products, suggesting a gradient of cathepsin activities within a treatment condition. pSCoPE is freely available and widely applicable, especially for analyzing proteins of interest without sacrificing proteome coverage. Support for pSCoPE is available at: scp.slavovlab.net/pSCoPE Abstract Figure

Current mass-spectrometry methods enable high-throughput proteomics of large sample amounts, but proteomics of low sample amounts remains limited in depth and throughput. To increase the throughput of sensitive proteomics, we developed an experimental and computational framework, plexDIA, for simultaneously multiplexing the analysis of both peptides and samples. Multiplexed analysis with plexDIA increases throughput multiplicatively with the number of labels without reducing proteome coverage or quantitative accuracy. By using 3-plex nonisobaric mass tags, plexDIA enables quantifying 3-fold more protein ratios among nanogram-level samples. Using 1 hour active gradients and first-generation Q Exactive, plexDIA quantified about 8,000 proteins in each sample of labeled 3-plex sets. plexDIA also increases data completeness, reducing missing data over 2-fold across samples. We applied plexDIA to quantify proteome dynamics during the cell division cycle in cells isolated based on their DNA content; plexDIA detected many classical cell cycle proteins and discovered new ones. When applied to single human cells, plexDIA quantified about 1,000 proteins per cell and achieved 98 % data completeness within a plexDIA set while using about 5 min of active chromatography per cell. These results establish a general framework for increasing the throughput of sensitive and quantitative protein analysis.

Abstract Many biological systems are composed of diverse single cells. This diversity necessitates functional and molecular single-cell analysis. Single-cell protein analysis has long relied on affinity reagents, but emerging mass-spectrometry methods (either label-free or multiplexed) have enabled quantifying over 1,000 proteins per cell while simultaneously increasing the specificity of protein quantification. Isobaric carrier based multiplexed single-cell proteomics is a scalable, reliable, and cost-effective method that can be fully automated and implemented on widely available equipment. It uses inexpensive reagents and is applicable to any sample that can be processed to a single-cell suspension. Here we describe an automated Single Cell ProtEomics (SCoPE2) workflow that allows analyzing about 200 single cells per 24 hours using only standard commercial equipment. We emphasize experimental steps and benchmarks required for achieving quantitative protein analysis. SCoPE2 Protocol

The fate and physiology of individual cells are controlled by protein interactions. Yet, our ability to quantitatively analyze proteins in single cells has remained limited. To overcome this barrier, we developed SCoPE2. It lowers cost and hands-on time by introducing automated and miniaturized sample preparation while substantially increasing quantitative accuracy. These advances enabled us to analyze the emergence of cellular heterogeneity as homogeneous monocytes differentiated into macrophage-like cells in the absence of polarizing cytokines. SCoPE2 quantified over 2,700 proteins in 1,018 single monocytes and macrophages in ten days of instrument time, and the quantified proteins allowed us to discern single cells by cell type. Furthermore, the data uncovered a continuous gradient of proteome states for the macrophage-like cells, suggesting that macrophage heterogeneity may emerge even in the absence of polarizing cytokines. Parallel measurements of transcripts by 10x Genomics scRNA-seq suggest that SCoPE2 samples 20-fold more copies per gene, thus supporting quantification with improved count statistics. Joint analysis of the data indicated that most genes had similar responses at the protein and RNA levels, though the responses of hundreds of genes differed. Our methodology lays the foundation for automated and quantitative single-cell analysis of proteins by mass-spectrometry.![Figure][1] [1]: pending:yes