Abstract Single-cell technologies have transformed our understanding of human tissues. Yet, studies typically capture only a limited number of donors and disagree on cell type definitions. Integrating many single-cell datasets can address these limitations of individual studies and capture the variability present in the population. Here we present the integrated Human Lung Cell Atlas (HLCA), combining 49 datasets of the human respiratory system into a single atlas spanning over 2.4 million cells from 486 individuals. The HLCA presents a consensus cell type re-annotation with matching marker genes, including annotations of rare and previously undescribed cell types. Leveraging the number and diversity of individuals in the HLCA, we identify gene modules that are associated with demographic covariates such as age, sex and body mass index, as well as gene modules changing expression along the proximal-to-distal axis of the bronchial tree. Mapping new data to the HLCA enables rapid data annotation and interpretation. Using the HLCA as a reference for the study of disease, we identify shared cell states across multiple lung diseases, including SPP1 + profibrotic monocyte-derived macrophages in COVID-19, pulmonary fibrosis and lung carcinoma. Overall, the HLCA serves as an example for the development and use of large-scale, cross-dataset organ atlases within the Human Cell Atlas.

The adult human brain likely comprises more than a thousand kinds of neurons, and an unknown number of glial cell types, but how cellular diversity arises during early brain development is not known. Here, in order to reveal the precise sequence of events during early brain development, we used single-cell RNA sequencing and spatial transcriptomics to uncover cell states and trajectories in human brains at 5 – 14 post-conceptional weeks (p.c.w.). We identified twelve major classes and over 600 distinct cell states, which mapped to precise spatial anatomical domains at 5 p.c.w. We uncovered detailed differentiation trajectories of the human forebrain, and a surprisingly large number of region-specific glioblasts maturing into distinct pre-astrocytes and pre-oligodendrocyte precursor cells (pre-OPCs). Our findings reveal the emergence of cell types during the critical first trimester of human brain development.

Abstract Spatial genomics technologies enable new approaches to study how cells interact and function in intact multicellular environments but present a host of technical and computational challenges. Here we describe Splotch, a novel computational framework for the analysis of spatially resolved transcriptomics data. Splotch aligns transcriptomics data from multiple tissue sections and timepoints to generate improved posterior estimates of gene expression. We demonstrate alignment of a large corpus of single-cell RNA-seq data into an automatically generated spatial-temporal coordinate and study optimal design for spatial transcriptomics experiments.

Abstract Formalin-fixed paraffin embedding (FFPE) is the most widespread long-term tissue preservation approach. Here we present a procedure to perform genome-wide spatial analysis of mRNA in FFPE tissue sections. The procedure takes advantage of well-established, commercially available methods for imaging and spatial barcoding using slides spotted with barcoded oligo(dT) probes to capture the 3’ end of mRNA molecules in tissue sections. First, we conducted expression profiling and cell type mapping in coronal sections from the mouse brain to demonstrate the method’s capability to delineate anatomical regions from a molecular perspective. Second, we explored the spatial composition of transcriptomic signatures in ovarian carcinosarcoma samples using data driven analysis methods, exemplifying the method’s potential to elucidate molecular mechanisms in heterogeneous clinical samples.

1 Abstract The increasing amount of spatial transcriptomics data prompts for means to amalgamate observations from distinct experiments, especially attractive is to cast quantities from different sources into a common coordinate frame-work (CCF) to relate signals across space. We here present a method that enables transfer of information from multiple samples to a reference representing a CCF, and show its utility by analyzing an assortment of real and synthetic data sets.

ABSTRACT In the past decades, transcriptomic studies have revolutionized cancer treatment and diagnosis. However, tumor sequencing strategies typically result in loss of spatial information, critical to understand cell interactions and their functional relevance. To address this, we investigate spatial gene expression in HER2-positive breast tumors using Spatial Transcriptomics technology. We show that expression-based clustering enables data-driven tumor annotation and assessment of intra-and interpatient heterogeneity; from which we discover shared gene signatures for immune and tumor processes. We integrate and spatially map tumor-associated types from single cell data to find: segregated epithelial cells, interactions between B and T-cells and myeloid cells, co-localization of macrophage and T-cell subsets. A model is constructed to infer presence of tertiary lymphoid structures, applicable across tissue types and technical platforms. Taken together, we combine different data modalities to define novel interactions between tumor-infiltrating cells in breast cancer and provide tools generalizing across tissues and diseases.

Abstract Cell types can be classified based on shared patterns of transcription. Variability in gene expression between individual cells of the same type has been ascribed to stochastic transcriptional bursting and transient cell states. We asked whether long-term, heritable differences in transcription can impart diversity within a cell type. Studying clonal human lymphocytes and mouse brain cells, we uncover a vast diversity of heritable transcriptional states among different clones of cells of the same type in vivo. In lymphocytes we show that this diversity is coupled to clone specific chromatin accessibility, resulting in distinct expression of genes by different clones. Our findings identify a source of cellular diversity, which may have important implications for how cellular populations are shaped by selective processes in development, aging and disease.

Summary The linear cause-consequence relationship linking amyloid-β peptide (Aβ) accumulation to neuronal dysfunction in Alzheimer disease (AD) is gradually replaced by the concept that Aβ initiates complex inflammatory-like cellular alterations that progressively become Aβ independent and lead to brain dyshomeostasis. Little is known about the pathophysiology of this cellular phase of AD. We use here two orthogonal technologies, Spatial Transcriptomics and in situ sequencing, to analyse the transcriptome changes in cells in the amyloid-β plaque niche in a knock-in mouse model for AD. We identify a multicellular co-expressed gene network of 57 Plaque-Induced Genes (PIGs) that define a series of co-ordinated and spatially restricted microglia, astroglia and oligodendrocyte responses to progressing amyloid plaques encompassing complement, oxidative stress and inflammation. A separate oligodendrocyte network suggests abnormal myelination. Spatial Transcriptomics provides an unprecedented approach to untangle the dysregulated cellular network in the vicinity of pathogenic hallmarks of AD and other brain diseases.

Abstract The spatial distribution of lymphocyte clones within tissues is critical to their development, selection, and expansion. We have developed Spatial Transcriptomics of VDJ sequences (Spatial VDJ), which maps immunoglobulin and TR antigen receptors in human tissue sections. Spatial VDJ captures lymphocyte clones matching canonical T, B, and plasma cell distributions in tissues and amplifies clonal sequences confirmed by orthogonal methods. We confirm spatial congruency between paired receptor chains, develop a computational framework to predict receptor pairs, and link the expansion of distinct B cell clones to different tumor-associated gene expression programs. Spatial VDJ delineates B cell clonal diversity, class switch recombination, and lineage trajectories within their spatial context. Taken together, Spatial VDJ captures lymphocyte spatial clonal architecture across tissues, which could have important therapeutic implications. One-Sentence Summary Spatial transcriptomics-based technology co-captures T and B cell receptors within their anatomical niche in human tissue.

Summary The lung contains numerous specialized cell-types with distinct roles in tissue function and integrity. To clarify the origins and mechanisms generating cell heterogeneity, we created a first comprehensive topographic atlas of early human lung development. We report 83 cell states, several spatially-resolved developmental trajectories and predict cell interactions within defined tissue niches. We integrated scRNA-Seq and spatial transcriptomics into a web-based, open platform for interactive exploration. To illustrate the utility of our approach we show distinct states of secretory and neuroendocrine cells, largely overlapping with the programs activated either during lung fibrosis or small cell lung cancer progression. We define the origin of uncharacterized airway fibroblasts associated with airway smooth muscle in bronchovascular bundles, and describe a trajectory of Schwann cell progenitors to intrinsic parasympathetic neurons controlling bronchoconstriction. Our atlas provides a rich resource for further research and a reference for defining deviations from homeostatic and repair mechanisms leading to pulmonary diseases.