Abstract Single cell RNA-Seq (scRNA-Seq) profiles gene expression of individual cells. Recent scRNA-Seq datasets have incorporated unique molecular identifiers (UMIs). Using negative controls, we show UMI counts follow multinomial sampling with no zero-inflation. Current normalization pro-cedures such as log of counts per million and feature selection by highly variable genes produce false variability in dimension reduction. We pro-pose simple multinomial methods, including generalized principal component analysis (GLM-PCA) for non-normal distributions, and feature selection using deviance. These methods outperform current practice in a downstream clustering assessment using ground-truth datasets.

Abstract Defining off-target profiles of gene-editing nucleases and CRISPR base editors remains an important challenge for use of these technologies, therapeutic or otherwise. Existing methods can identify off-target sites induced by these gene editors on an individual genome but are not designed to account for the broad diversity of genomic sequence variation that exists within populations of humans or other organisms. Here we describe OligoNucleotide Enrichment and sequencing ( ONE-seq ), a novel in vitro method that leverages customizable, high-throughput DNA synthesis technology instead of purified genomic DNA ( gDNA ) from individual genomes to profile gene editor off-target sites. We show that ONE-seq matches or exceeds the sensitivity of existing single-genome methods for identifying bona fide CRISPR-Cas9 off-target sites in cultured human cells and in vivo in a liver-humanized mouse model. In addition, ONE-seq outperforms existing best-in-class single-genome methods for defining off-target sites of CRISPR-Cas12a nucleases, cytosine base editors ( CBE s), and adenine base editors ( ABE s), unveiling previously undescribed bona fide off-target sites for all these editors in human cells. Most importantly, we leveraged ONE-seq to generate the first experimentally-derived population-scale off-target profiles for Cas9 nucleases that define the impacts of sequence variants from >2,500 individual human genome sequences in the 1000 Genomes Project database. Notably, some of the variants we identified that lead to increased mutation frequencies at off-target sites are enriched in specific human populations. We validated that novel population-specific, variant-sensitive off-target sites nominated by ONE-seq in vitro can show increased frequencies of mutations in human lymphoblastoid cells ( LCL s) harboring these sequence variants. Collectively, our results demonstrate that ONE-seq is a highly sensitive off-target nomination method that can uniquely be used to identify population subgroup-linked differences in off-target profiles of gene editors. ONE-seq provides an important new pathway by which to assess the impacts of global human genetic sequence diversity on the specificities of gene editors, thereby enabling a broader and more all-inclusive approach for profiling off-target effects of these transformative therapeutic technologies.

Single cell RNA-Seq (scRNA-Seq) has become the most widely used high-throughput technology for gene expression profiling of individual cells. The potential of being able to measure cell-to-cell variability at a high-dimensional genomic scale opens numerous new lines of investigation in basic and clinical research. For example, by identifying groups of cells with expression profiles unlike those observed in cells with known phenotypes, new cell types may be discovered. Dimension reduction followed by unsupervised clustering are the quantitative approaches typically used to facilitate such discoveries. However, a challenge for this approach is that most scRNA-Seq datasets are sparse, with the percentages of measurements reported as zero ranging from 35% to 99% across cells, and these zeros are partially explained by experimental inefficiencies that lead to censored data. Furthermore, the observed across-cell differences in the percentages of zeros are partly due to technical artifacts rather than biological differences. Unfortunately, standard dimension reduction approaches treat these censored values as true zeros, which leads to the identification of distorted low-dimensional factors. When these factors are used for clustering, the distortion leads to incorrect identification of biological groups. Here, we propose an approach that accounts for cell-specific censoring with a varying-censoring aware matrix factor- ization (VAMF) model that permits the identification of factors in the presence of the above described systematic bias. We demonstrate the ad- vantages of our approach on published scRNA-Seq data and confirm these on simulated data.

Schaefer et al. recently advanced the provocative conclusion that CRISPR-Cas9 nuclease can induce off-target alterations at genomic loci that do not resemble the intended on-target site. Using high-coverage whole genome sequencing (WGS), these authors reported finding SNPs and indels in two CRISPR-Cas9-treated mice that were not present in a single untreated control mouse. On the basis of this association, Schaefer et al. concluded that these sequence variants were caused by CRISPR-Cas9. This new proposed CRISPR-Cas9 off-target activity runs contrary to previously published work and, if the authors are correct, could have profound implications for research and therapeutic applications. Here we demonstrate that the simplest interpretation of Schaefer et al.'s data is that the two CRISPR-Cas9-treated mice are actually more closely related genetically to each other than to the control mouse. This strongly suggests that the so-called “unexpected mutations” simply represent SNPs and indels shared in common by these mice prior to nuclease treatment. In addition, given the genomic and sequence distribution profiles of these variants, we show that it is challenging to explain how CRISPR-Cas9 might be expected to induce such changes. Finally, we argue that the lack of appropriate controls in Schaefer et al.'s experimental design precludes assignment of causality to CRISPR-Cas9. Given these substantial issues, we urge Schaefer et al. to revise or re-state the original conclusions of their published work so as to avoid leaving misleading and unsupported statements to persist in the literature.

Single-cell transcriptomic assays have enabled the de novo reconstruction of lineage differentiation trajectories, along with the characterization of cellular heterogeneity and state transitions. Several methods have been developed for reconstructing developmental trajectories from single-cell transcriptomic data, but efforts on analyzing single-cell epigenomic data and on trajectory visualization remain limited. Here we present STREAM, an interactive pipeline capable of disentangling and visualizing complex branching trajectories from both single-cell transcriptomic and epigenomic data.

Mumbach et al. recently described HiChIP, a novel protein-mediated chromatin conformation assay that lowers cellular input requirements while simultaneously increasing the yield of informative reads compared to previous methods. To facilitate the dissemination and adoption of this assay, we introduce hichipper (http://aryeelab.org/hichipper), an open-source HiChIP data preprocessing tool, with features that include bias-corrected peak calling, library quality control, DNA loop calling, and output of processed data for downstream analysis and visualization.

DNA looping is vital for establishing many enhancer-promoter interactions. While CTCF is known to anchor many cohesin-mediated loops, the looped chromatin fiber appears to predominantly exist in a poorly characterized actively extruding state. To better characterize extruding chromatin loop structures, we used CTCF MNase HiChIP data to determine both CTCF binding at high resolution and 3D contact information. Here we present FactorFinder, a tool that identifies CTCF binding sites at near base-pair resolution. We leverage this substantial advance in resolution to determine that the fully extruded (CTCF-CTCF) state is rare genome-wide with locus-specific variation from ~1-10%. We further investigate the impact of chromatin state on loop extrusion dynamics, and find that active enhancers and RNA Pol II impede cohesin extrusion, facilitating an enrichment of enhancer-promoter contacts in the partially extruded loop state. We propose a model of topological regulation whereby the transient, partially extruded states play active roles in transcription.

Purpose: Dysregulation of viral-like repeat RNAs are a common feature across many malignancies that are linked with immunological response, but the characterization of these in hepatocellular carcinoma (HCC) is understudied. In this study, we performed RNA in situ hybridization (RNA-ISH) of different repeat RNAs, immunohistochemistry (IHC) for immune cell subpopulations, and spatial transcriptomics to understand the relationship of HCC repeat expression, immune response, and clinical outcomes. Experimental Design: RNA-ISH for LINE1, HERV-K, HERV-H, and HSATII repeats and IHC for T-cell, Treg, B-cell, macrophage, and immune checkpoint markers were performed on 43 resected HCC specimens. Spatial transcriptomics on tumor and vessel regions of interest was performed on 28 specimens from the same cohort. Results: High HERV-K and high LINE1 expression were both associated with worse overall survival. There was a positive correlation between LINE1 expression and FOXP3 T-regulatory cells (r = 0.51 p < 0.001) as well as expression of the TIM3 immune checkpoint (r = 0.34, p = 0.03). Spatial transcriptomic profiling of HERV-K high and LINE-1 high tumors identified elevated expression of multiple genes previously associated with epithelial mesenchymal transition, cellular proliferation, and worse overall prognosis in HCC including SSX1, MAGEC2, and SPINK1. Conclusion: Repeat RNAs may serve as useful prognostic biomarkers in HCC and may also serve as novel therapeutic targets. Additional study is needed to understand the mechanisms by which repeat RNAs impact HCC tumorigenesis.

The three-dimensional architecture of DNA within the nucleus is a key determinant of interactions between genes, regulatory elements, and transcriptional machinery. As a result, differences in loop structure are associated with differences in gene expression and cell state. Here, we introduce diffloop, an R/Bioconductor package for identifying differential DNA looping between samples. The package additionally provides a suite of functions for the quality control, statistical testing, annotation and visualization of DNA loops. We demonstrate this functionality by detecting differences in DNA loops between ENCODE ChIA-PET datasets and relate looping to differences in epigenetic state and gene expression.

BACKGROUND: The placenta relies on phenotypes that are characteristic of cancer to successfully implant the embryo in the uterus during early pregnancy. Notably, it has to invade its host tissues, promote angiogenesis, while surviving hypoxia, and escape the immune system. Similarities in DNA methylation patterns between the placenta and cancers suggest that common epigenetic mechanisms may be involved in regulating these behaviors. RESULTS: We show here that megabase-scale patterns of hypomethylation distinguish first from third trimester chorionic villi in the placenta, and that these patterns mirror those that distinguish many tumors from corresponding normal tissues. We confirmed these findings in villous cytotrophoblasts isolated from the placenta and identified a time window at the end of the first trimester, when these cells come into contact with maternal blood as the likely time period for the methylome alterations. Furthermore, the large genomic regions affected by these patterns of hypomethylation encompass genes involved in pathways related to epithelial-mesenchymal transition (EMT), immune response and inflammation. Analyses of expression profiles corresponding to genes in these hypomethylated regions in colon adenocarcinoma tumors point to networks of differentially expressed genes previously implicated in carcinogenesis and placentogenesis, where nuclear factor kappa B (NF-kB) is a key hub. CONCLUSION: Taken together, our results suggest the existence of epigenetic switches involving large-scale changes of methylation in the placenta during pregnancy and in tumors during neoplastic transformation. The characterization of such epigenetic switches might lead to the identification of biomarkers and drug targets in oncology as well as in obstetrics and gynecology.