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 Splicing is the stepwise molecular process by which introns are removed from pre-mRNA and exons are joined together to form mature mRNA sequences. The ordering and spatial distribution of these steps remain controversial, with opposing models suggesting splicing occurs either during or after transcription. We used single-molecule RNA FISH, expansion microscopy, and live-cell imaging to reveal the spatiotemporal distribution of nascent transcripts in mammalian cells. At super-resolution levels, we found that pre-mRNA formed clouds around the transcription site. These clouds indicate the existence of a transcription site proximal zone through which RNA move more slowly than in the nucleoplasm. Full-length pre-mRNA undergo continuous splicing as they move through this zone following transcription, suggesting a model in which splicing can occur post-transcriptionally but still within the proximity of the transcription site, thus seeming co-transcriptional by most assays. These results may unify conflicting reports of co-transcriptional versus post-transcriptional splicing.

Abstract Molecular differences between individual cells can lead to dramatic differences in cell fate, such as death versus survival of cancer cells upon drug treatment. These originating differences remain largely hidden due to difficulties in determining precisely what variable molecular features lead to which cellular fates. Thus, we developed Rewind, a methodology that combines genetic barcoding with RNA FISH to directly capture rare cells that give rise to cellular behaviors of interest. Applied to BRAF V600E melanoma, we trace drug-resistant cell fates back to single-cell gene expression differences in their drug-naive precursors (initial frequency of ∼1:1000-1:10,000 cells) and relative persistence of MAP-kinase signaling soon after drug treatment. Within this rare subpopulation, we uncover a rich substructure in which molecular differences between several distinct subpopulations predict future differences in phenotypic behavior, such as proliferative capacity of distinct resistant clones following drug treatment. Similarly, we show that treatments that modify the frequency of resistance can allow otherwise non-resistant cells in the drug-naive population to become resistant, and that these new populations are marked by the variable expression of distinct genes. Together, our results reveal the presence of hidden, rare-cell variability that can underlie a range of latent phenotypic outcomes upon drug exposure.

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.

Abstract Our ability to identify the particular transcription factors that maintain cell type is limited. Identification of factors by their cell type-specific expression or their participation in developmental regulation has been only modestly successful. We hypothesized that because cell type is often resilient to perturbations, the transcriptional response to perturbations would identify identity-maintaining factors. We developed Perturbation Panel Profiling (P 3 ) as a framework for perturbing cells in dozens of conditions and measuring gene expression responsiveness transcriptome-wide. Applying P 3 to human iPSC-derived cardiac myocytes showed that transcription factors known to function in cardiac differentiation and maintenance were among the most frequently up-regulated (most responsive). We reasoned that one potential function of responsive genes may be to maintain cellular identity. We identified responsive transcription factors in fibroblasts using P 3 and found that suppressing their expression led to enhanced reprogramming efficiency. We propose that responsiveness to perturbations is a property of factors that help maintain cellular identity.

Abstract Clustering cells based on their high dimensional profiles is an important data reduction process by which researchers infer distinct categories of cellular state. The advent of cellular barcoding, however, provides an alternative means by which to group cells: by their clonal origin. We developed ClonoCluster, a computational method that combines both clone and transcriptome information to create hybrid clusters that weight both kinds of data with a tunable parameter. We generated hybrid clusters across six independent datasets and found that ClonoCluster generated qualitatively different clusters in all cases. The markers of these hybrid clusters were different but had equivalent fidelity to transcriptome-only clusters. The genes most strongly associated with the rearrangements in hybrid clusters were ribosomal function and extracellular matrix genes. We also developed the complementary tool Warp Factor that incorporates clone information in popular 2D visualization techniques like UMAP. Integrating ClonoCluster and Warp Factor revealed biologically relevant markers of cell identity.

The ability of a virus to infect a cell type is at least in part determined by the presence of host factors required for the viral life cycle. However, even within cell types that express known factors needed for infection, not every cell is equally susceptible, suggesting that our knowledge of the full spectrum of factors that promote infection is incomplete. Profiling the most susceptible subsets of cells within a population may reveal additional factors that promote infection. However, because viral infection dramatically alters the state of the cell, new approaches are needed to reveal the state of these cells prior to infection with virus. Here, we used single-cell clone tracing to retrospectively identify and characterize lung epithelial cells that are highly susceptible to infection with SARS-CoV-2. The transcriptional state of these highly susceptible cells includes markers of retinoic acid signaling and epithelial differentiation. Loss of candidate factors identified by our approach revealed that many of these factors play roles in viral entry. Moreover, a subset of these factors exert control over the infectable cell state itself, regulating the expression of key factors associated with viral infection and entry. Analysis of patient samples revealed the heterogeneous expression of these factors across both cells and patients in vivo. Further, the expression of these factors is upregulated in particular inflammatory pathologies. Altogether, our results show that the variable expression of intrinsic cell states is a major determinant of whether a cell can be infected by SARS-CoV-2.

Abstract Signals often ultimately affect the transcription of genes, and often, two different signals can affect the transcription of the same gene. In such cases, it is natural to ask how the combined transcriptional response compares to the individual responses. Mechanistic models can predict a range of combined responses, with the most commonly applied models predicting additive or multiplicative responses, but systematic genome-wide evaluation of these predictions are not available. Here, we performed a comprehensive analysis of the transcriptional response of human MCF-7 cells to two different signals (retinoic acid and TGF-β), applied individually and in combination. We found that the combined responses exhibited a range of behaviors, but clearly favored both additive and multiplicative combined transcriptional responses. We also performed paired chromatin accessibility measurements to measure putative transcription factor occupancy at regulatory elements near these genes. We found that increases in chromatin accessibility were largely additive, meaning that the combined accessibility response was the sum of the accessibility responses to each signal individually. We found some association between super-additivity of accessibility and multiplicative or super-multiplicative combined transcriptional responses, while sub-additivity of accessibility associated with additive transcriptional responses. Our findings suggest that mechanistic models of combined transcriptional regulation must be able to reproduce a range of behaviors.