Abstract Rheumatoid arthritis is a prototypical autoimmune disease that causes joint inflammation and destruction 1 . There is currently no cure for rheumatoid arthritis, and the effectiveness of treatments varies across patients, suggesting an undefined pathogenic diversity 1,2 . Here, to deconstruct the cell states and pathways that characterize this pathogenic heterogeneity, we profiled the full spectrum of cells in inflamed synovium from patients with rheumatoid arthritis. We used multi-modal single-cell RNA-sequencing and surface protein data coupled with histology of synovial tissue from 79 donors to build single-cell atlas of rheumatoid arthritis synovial tissue that includes more than 314,000 cells. We stratified tissues into six groups, referred to as cell-type abundance phenotypes (CTAPs), each characterized by selectively enriched cell states. These CTAPs demonstrate the diversity of synovial inflammation in rheumatoid arthritis, ranging from samples enriched for T and B cells to those largely lacking lymphocytes. Disease-relevant cell states, cytokines, risk genes, histology and serology metrics are associated with particular CTAPs. CTAPs are dynamic and can predict treatment response, highlighting the clinical utility of classifying rheumatoid arthritis synovial phenotypes. This comprehensive atlas and molecular, tissue-based stratification of rheumatoid arthritis synovial tissue reveal new insights into rheumatoid arthritis pathology and heterogeneity that could inform novel targeted treatments.

Summary Rheumatoid arthritis (RA) is a prototypical autoimmune disease that causes destructive tissue inflammation in joints and elsewhere. Clinical challenges in RA include the empirical selection of drugs to treat patients, inadequate responders with incomplete disease remission, and lack of a cure. We profiled the full spectrum of cells in inflamed synovium from patients with RA with the goal of deconstructing the cell states and pathways characterizing pathogenic heterogeneity in RA. Our multicenter consortium effort used multi-modal CITE-seq, RNA-seq, and histology of synovial tissue from 79 donors to build a >314,000 single-cell RA synovial cell atlas with 77 cell states from T, B/plasma, natural killer, myeloid, stromal, and endothelial cells. We stratified tissue samples into six distinct cell type abundance phenotypes (CTAPs) individually enriched for specific cell states. These CTAPs demonstrate the striking diversity of RA synovial inflammation, ranging from marked enrichment of T and B cells (CTAP-TB) to a congregation of specific myeloid, fibroblast, and endothelial cells largely lacking lymphocytes (CTAP-EFM). Disease-relevant cytokines, histology, and serology metrics are associated with certain CTAPs. This comprehensive RA synovial atlas and molecular, tissue-based CTAP stratification reveal new insights into RA pathology and heterogeneity, which could lead to novel targeted-treatment approaches in RA.

Abstract As advances in single-cell technologies enable the unbiased assay of thousands of cells simultaneously, human disease studies are able to identify clinically associated cell states using case-control study designs. These studies require precious clinical samples and costly technologies; therefore, it is critical to employ study design principles that maximize power to detect cell state frequency shifts between conditions, such as disease versus healthy. Here, we present single-cell Power Simulation Tool (scPOST), a method that enables users to estimate power under different study designs. To approximate the specific experimental and clinical scenarios being investigated, scPOST takes prototype (public or pilot) single-cell data as input and generates large numbers of single-cell datasets in silico . We use scPOST to perform power analyses on three independent single-cell datasets that span diverse experimental conditions: a batch-corrected 21-sample rheumatoid arthritis dataset (5,265 cells) from synovial tissue, a 259-sample tuberculosis progression dataset (496,517 memory T cells) from peripheral blood mononuclear cells (PBMCs), and a 30-sample ulcerative colitis dataset (235,229 cells) from intestinal biopsies. Over thousands of simulations, we consistently observe that power to detect frequency shifts in cell states is maximized by larger numbers of independent clinical samples, reduced batch effects, and smaller variation in a cell state’s frequency across samples.

Abstract Neuronal activity induced by brain-derived neurotrophic factor (BDNF) triggers gene expression, which is crucial for neuronal survival, differentiation, synaptic plasticity, memory formation, and neurocognitive health. However, its role in chromatin regulation is unclear. Here, using temporal profiling of chromatin accessibility and transcription in mouse primary cortical neurons upon either BDNF stimulation or depolarization (KCl), we identify features that define BDNF-specific chromatin-to-gene expression programs. Enhancer activation is an early event in the regulatory control of BDNF-treated neurons, where the bZIP motif-binding Fos protein pioneered chromatin opening and cooperated with co-regulatory transcription factors (Homeobox, EGRs, and CTCF) to induce transcription. Deleting cis-regulatory sequences decreased BDNF-mediated Arc expression, a regulator of synaptic plasticity. BDNF-induced accessible regions are linked to preferential exon usage by neurodevelopmental disorder-related genes and heritability of neuronal complex traits, which were validated in human iPSC-derived neurons. Thus, we provide a comprehensive view of BDNF-mediated genome regulatory features using comparative genomic approaches to dissect mammalian neuronal activity.

ABSTRACT Gene expression at the individual cell-level resolution, as quantified by single-cell RNA-sequencing (scRNA-seq), can provide unique insights into the pathology and cellular origin of diseases and complex traits. Here, we introduce single-cell Disease Relevance Score ( scDRS ), an approach that links scRNA-seq with polygenic risk of disease at individual cell resolution without the need for annotation of individual cells to cell types; scDRS identifies individual cells that show excess expression levels for genes in a disease-specific gene set constructed from GWAS data. We determined via simulations that scDRS is well-calibrated and powerful in identifying individual cells associated to disease. We applied scDRS to GWAS data from 74 diseases and complex traits (average N =346K) in conjunction with 16 scRNA-seq data sets spanning 1.3 million cells from 31 tissues and organs. At the cell type level, scDRS broadly recapitulated known links between classical cell types and disease, and also produced novel biologically plausible findings. At the individual cell level, scDRS identified subpopulations of disease-associated cells that are not captured by existing cell type labels, including subpopulations of CD4 + T cells associated with inflammatory bowel disease, partially characterized by their effector-like states; subpopulations of hippocampal CA1 pyramidal neurons associated with schizophrenia, partially characterized by their spatial location at the proximal part of the hippocampal CA1 region; and subpopulations of hepatocytes associated with triglyceride levels, partially characterized by their higher ploidy levels. At the gene level, we determined that genes whose expression across individual cells was correlated with the scDRS score (thus reflecting co-expression with GWAS disease genes) were strongly enriched for gold-standard drug target and Mendelian disease genes.

T-cells recognize antigens and induce specialized gene expression programs (GEPs) enabling functions including proliferation, cytotoxicity, and cytokine production. Traditionally, different classes of helper T-cells express mutually exclusive responses - for example, Th1, Th2, and Th17 programs. However, new single-cell RNA sequencing (scRNA-Seq) experiments have revealed a continuum of T-cell states without discrete clusters corresponding to these subsets, implying the need for new analytical frameworks. Here, we advance the characterization of T-cells with T-CellAnnoTator (TCAT), a pipeline that simultaneously quantifies pre-defined GEPs capturing activation states and cellular subsets. From 1,700,000 T-cells from 700 individuals across 38 tissues and five diverse disease contexts, we discover 46 reproducible GEPs reflecting the known core functions of T-cells including proliferation, cytotoxicity, exhaustion, and T helper effector states. We experimentally characterize several novel activation programs and apply TCAT to describe T-cell activation and exhaustion in Covid-19 and cancer, providing insight into T-cell function in these diseases.

ABSTRACT Over 50 years ago, Susumo Ohno proposed that dosage compensation in mammals would require upregulation of gene expression on the single active X chromosome, a mechanism which to date is best understood in the fruit fly Drosophila melanogaster . Here, we report that the GA-repeat sequences that recruit the conserved MSL dosage compensation complex to the Drosophila X chromosome are also enriched across mammalian X chromosomes, providing genomic support for the Ohno hypothesis. We show that mammalian GA-repeats derive in part from transposable elements, suggesting a mechanism whereby unrelated X chromosomes from dipterans to mammals accumulate binding sites for the MSL dosage compensation complex through convergent evolution, driven by their propensity to accumulate transposable elements.

Synovial tissue inflammation is the hallmark of rheumatoid arthritis (RA). Recent work has identified prominent pathogenic cell states in inflamed RA synovial tissue, such as T peripheral helper cells; however, the epigenetic regulation of these states has yet to be defined. We measured genome-wide open chromatin at single cell resolution from 30 synovial tissue samples, including 12 samples with transcriptional data in multimodal experiments. We identified 24 chromatin classes and predicted their associated transcription factors, including a CD8+ GZMK+ class associated with EOMES and a lining fibroblast class associated with AP-1. By integrating an RA tissue transcriptional atlas, we found that the chromatin classes represented 'superstates' corresponding to multiple transcriptional cell states. Finally, we demonstrated the utility of this RA tissue chromatin atlas through the associations between disease phenotypes and chromatin class abundance as well as the nomination of classes mediating the effects of putatively causal RA genetic variants.