Even among genetically identical cancer cells, resistance to therapy frequently emerges from a small subset of those cells1-7. Molecular differences in rare individual cells in the initial population enable certain cells to become resistant to therapy7-9; however, comparatively little is known about the variability in the resistance outcomes. Here we develop and apply FateMap, a framework that combines DNA barcoding with single-cell RNA sequencing, to reveal the fates of hundreds of thousands of clones exposed to anti-cancer therapies. We show that resistant clones emerging from single-cell-derived cancer cells adopt molecularly, morphologically and functionally distinct resistant types. These resistant types are largely predetermined by molecular differences between cells before drug addition and not by extrinsic factors. Changes in the dose and type of drug can switch the resistant type of an initial cell, resulting in the generation and elimination of certain resistant types. Samples from patients show evidence for the existence of these resistant types in a clinical context. We observed diversity in resistant types across several single-cell-derived cancer cell lines and cell types treated with a variety of drugs. The diversity of resistant types as a result of the variability in intrinsic cell states may be a generic feature of responses to external cues.

Abstract Even amongst genetically identical cancer cells, therapy resistance often only emerges from a very small subset of those cells. Much effort has gone into uncovering the molecular differences in rare individual cells in the initial population that may allow certain cells to become therapy resistant; however, comparatively little is known about variability in the resistant outcomes themselves. Here, we develop and apply FateMap, a framework that combines DNA barcoding with single-cell RNA sequencing to reveal the fates of hundreds of thousands of clones exposed to anti-cancer therapies. We show that resistant clones emerging from single-cell-derived cancer cells adopt molecularly, morphologically, and functionally distinct fate types. These different resistant types are largely predetermined by molecular differences between cells before addition of drug and not by extrinsic cell-specific microenvironmental factors. Changes in dose and kind of drug can, however, switch the resistant fate type of an initial cell, even resulting in the generation and elimination of certain fate types. Diversity in resistant fates was observed across several single-cell-derived cancer cell lines and types treated with a variety of drugs. Cell fate diversity as a result of variability in intrinsic cell states may be a generic feature of response to external cues.

Abstract Cardiac directed differentiation of human induced pluripotent stem cells consistently produces a mixed population of cardiomyocytes and non-cardiac cell types even when using very well-characterized protocols. We wondered whether differentiated cell types might result from intrinsic differences in hiPS cells prior to the onset of differentiation. By associating individual differentiated cells that share a common hiPS cell precursor, we were able to test whether expression variability in differentiated cells was pre-determined from the hiPS cell state. Although within a single experiment, differentiated cells that share an hiPS cell progenitor were more transcriptionally similar to each other than to other cells in the differentiated population, when the same hiPS cells were differentiated in parallel, we did not observe high transcriptional similarity across differentiations. Additionally, we found that substantial cell death occurred during differentiation in a manner that suggested that all cells were equally likely to survive or die, suggesting that there was no intrinsic selection bias for cells descended from particular hiPS cell progenitors. These results led us to wonder about how cells grow out spatially during the directed differentiation process. Labeling cells by their expression of a few canonical cell type marker genes, we showed that cells expressing the same marker tended to occur in patches observable by visual inspection, suggesting that cell type determination across multiple cell types, once initiated, is maintained in a cell-autonomous manner for multiple divisions. Altogether, our results show that while there is substantial heterogeneity in the initial hiPS cell population, that heterogeneity is not responsible for heterogeneous outcomes, and that the window during which cell type specification occurs is likely to begin shortly after the seeding of hiPS cells for differentiation.

Abstract Metastasis occurs when tumor cells leave the primary tumor site and disseminate to distal organs. Even though most cells remain in the primary tumor, the circumstances by which a small fraction of them disseminate remain unclear. Here, we show that a rare, highly invasive subpopulation of melanoma cells can be detected within clonal cell lines due to non-genetic fluctuations in gene expression. The highly invasive phenotype was intrinsic to the cells, independent of their environment, and was marked by transiently high levels of SEMA3C expression, as revealed by RNA-sequencing analysis. Furthermore, the invasive subpopulation drove the bulk dissemination of tumor cells to distal locations in a mouse model of melanoma. The transcription factor NKX2.2 regulated the proportion of invasive cells in the melanoma 1205Lu cell line. Furthermore, an overall tradeoff between proliferation and invasion in single cells was observed. Our results suggest that phenotypes like metastasis may arise from intrinsic differences stemming from non-genetic fluctuations between single cells.

Single-cell RNA sequencing (scRNA-seq) datasets contain true single cells, or singlets, in addition to cells that coalesce during the protocol, or doublets. Identifying singlets with high fidelity in scRNA-seq is necessary to avoid false negative and false positive discoveries. Although several methodologies have been proposed, they are typically tested on highly heterogeneous datasets and lack a priori knowledge of true singlets. Here, we leveraged datasets with synthetically introduced DNA barcodes for a hitherto unexplored application: to extract ground-truth singlets. We demonstrated the feasibility of our framework, "singletCode," to evaluate existing doublet detection methods across a range of contexts. We also leveraged our ground-truth singlets to train a proof-of-concept machine learning classifier, which outperformed other doublet detection algorithms. Our integrative framework can identify ground-truth singlets and enable robust doublet detection in non-barcoded datasets.

Abstract Single-cell RNA sequencing datasets comprise true single cells, or singlets, in addition to cells that coalesce during the protocol, or doublets. Identifying singlets with high fidelity in single-cell RNA sequencing is necessary to avoid false negative and false positive discoveries. Although several methodologies have been proposed to infer true singlets and doublets, they typically rely on datasets being highly heterogeneous. Here we develop and apply singletCode, a computational framework that leverages datasets with synthetically introduced DNA barcodes for a hitherto unexplored application: to extract ground truth singlets. We demonstrate the feasibility of singlets extracted via singletCode to evaluate the performance and robustness of existing doublet detection methods. We find that existing doublet detection methods are not as sensitive as expected when tested on doublets simulated from experimentally realistic ground truth singlets. As DNA barcoded datasets are being increasingly reported, singletCode can identify singlets and inform rational choice of doublet detecting algorithms and their associated limitations.

Abstract A major goal in the field of transcriptional regulation is the mapping of changes in the binding of transcription factors to the resultant changes in gene expression. Recently, methods for measuring chromatin accessibility have enabled us to measure changes in accessibility across the genome, which are thought to correspond to transcription factor binding events. In concert with RNA-sequencing, these data in principle enable such mappings; however, few studies have looked at their concordance over short duration treatments with specific perturbations. Here, we used tandem, bulk ATAC-seq and RNA-seq measurements from MCF-7 breast carcinoma cells to systematically evaluate the concordance between changes in accessibility and changes in expression in response to retinoic acid and TGF-β. We found two classes of genes whose expression showed a significant change: those that showed some change in accessibility of nearby chromatin, and those that showed virtually no change despite strong changes in expression. The peaks associated with genes in the former group had a lower baseline accessibility prior to exposure to signal. Focusing the analysis specifically on peaks with motifs for transcription factors associated with retinoic acid and TGF-β signaling did not reduce the lack of correspondence. Analysis of paired chromatin accessibility and gene expression data from distinct paths along the hematopoietic differentiation trajectory showed a much stronger correspondence, suggesting that the multifactorial biological processes associated with differentiation may lead to changes in chromatin accessibility that reflect rather than drive altered transcriptional status. Together, these results show many gene expression changes can happen independent of changes in accessibility of local chromatin in the context of a single-factor perturbation and suggest that some changes to accessibility changes may occur after changes to expression, rather than before.