ABSTRACT Early stages of deadly respiratory diseases such as COVID-19 have been challenging to elucidate due to lack of an experimental system that recapitulates the cellular and structural complexity of the human lung while allowing precise control over disease initiation and systematic interrogation of molecular events at cellular resolution. Here we show healthy human lung slices cultured ex vivo can be productively infected with SARS-CoV-2, and the cellular tropism of the virus and its distinct and dynamic effects on host cell gene expression can be determined by single cell RNA sequencing and reconstruction of “infection pseudotime” for individual lung cell types. This revealed that the prominent SARS-CoV-2 target is a population of activated interstitial macrophages (IMs), which as infection proceeds accumulate thousands of viral RNA molecules per cell, comprising up to 60% of the cellular transcriptome and including canonical and novel subgenomic RNAs. During viral takeover of IMs, there is cell-autonomous induction of a pro-fibrotic program ( TGFB1 , SPP1 ), and an inflammatory program characterized by the early interferon response, chemokines ( CCL2 , 7, 8 , 13, CXCL10 ) and cytokines ( IL6, IL10) , along with destruction of cellular architecture and formation of dense viral genomic RNA bodies revealed by super-resolution microscopy. In contrast, alveolar macrophages (AMs) showed neither viral takeover nor induction of a substantial inflammatory response, although both purified AMs and IMs supported production of infectious virions. Spike-dependent viral entry into AMs was neutralized by blockade of ACE2 or Sialoadhesin/CD169, whereas IM entry was neutralized only by DC-SIGN/CD209 blockade. These results provide a molecular characterization of the initiation of COVID-19 in human lung tissue, identify activated IMs as a prominent site of viral takeover and focus of inflammation and fibrosis, and suggest therapeutic targeting of the DC-SIGN/CD209 entry mechanism to prevent IM infection, destruction and early pathology in COVID-19 pneumonia. Our approach can be generalized to define the initiation program and evaluate therapeutics for any human lung infection at cellular resolution.

Abstract To date, detecting robust single-cell-regulated splicing is viewed as out of reach from droplet based technologies such as 10x Chromium. This prevents the discovery of single-cell-regulated splicing in rare cell types or those that are difficult or impossible to sequence deeply. Here, we introduce a novel, robust, and computationally efficient set of statistics, the Splicing Z Score (SpliZ) and SpliZVD, to detect regulated splicing in single cell RNA-seq including 10x Chromium. The SpliZ(VD) provides annotation-free detection of differentially regulated, complex alternative splicing events. The SpliZ generalizes and increases statistical power compared to the Percent Spliced In (PSI) and mathematically reduces to PSI for simple exon-skipping. We applied the SpliZ to primary human lung cells to discover hundreds of genes with new regulated cell-type-specific splicing. The SpliZ has wide application to enable biological discovery of genes predicted to have functionally significant splicing programs including those regulated in development.

Abstract More than 95% of human genes are alternatively spliced. Yet, the extent splicing is regulated at single-cell resolution has remained controversial due to both available data and methods to interpret it. We apply the SpliZ, a new statistical approach that is agnostic to transcript annotation, to detect cell-type-specific regulated splicing in > 110K carefully annotated single cells from 12 human tissues. Using 10x data for discovery, 9.1% of genes with computable SpliZ scores are cell-type specifically spliced. These results are validated with RNA FISH, single cell PCR, and in high throughput with Smart-seq2. Regulated splicing is found in ubiquitously expressed genes such as actin light chain subunit MYL6 and ribosomal protein RPS24 , which has an epithelial-specific microexon. 13% of the statistically most variable splice sites in cell-type specifically regulated genes are also most variable in mouse lemur or mouse. SpliZ analysis further reveals 170 genes with regulated splicing during sperm development using, 10 of which are conserved in mouse and mouse lemur. The statistical properties of the SpliZ allow model-based identification of subpopulations within otherwise indistinguishable cells based on gene expression, illustrated by subpopulations of classical monocytes with stereotyped splicing, including an un-annotated exon, in SAT1 , a Diamine acetyltransferase. Together, this unsupervised and annotation-free analysis of differential splicing in ultra high throughput droplet-based sequencing of human cells across multiple organs establishes splicing is regulated cell-type-specifically independent of gene expression.

Abstract Myriad mechanisms diversify the sequence content of eukaryotic transcripts at both the DNA and RNA levels, leading to profound functional consequences. Examples of this diversity include RNA splicing and V(D)J recombination. Currently, these mechanisms are detected using fragmented bioinformatic tools that require predefining a form of transcript diversification and rely on alignment to an incomplete reference genome, filtering out unaligned sequences, potentially crucial for novel discoveries. Here, we develop SPLASH+, a new analytic method that performs unified, reference-free statistical inference directly on raw sequencing reads. By integrating a micro-assembly and biological interpretation framework with the recently developed SPLASH algorithm, SPLASH+ discovers broad and novel examples of transcript diversification in single cells de novo , without the need for genome alignment and cell type metadata, which is impossible with current algorithms. Applied to 10,326 primary human single cells across 19 tissues profiled with SmartSeq2, SPLASH+ discovers a set of splicing and histone regulators with highly conserved intronic regions that are themselves subject to targets of complex splicing regulation. Additionally, it reveals unreported transcript diversity in the heat shock protein HSP90AA1 , as well as diversification in centromeric RNA expression, V(D)J recombination, RNA editing, and repeat expansion, all missed by existing methods. SPLASH+ is unbiased and highly efficient, enabling the discovery of an unprecedented breadth of RNA regulation and diversification in single cells through a new paradigm of transcriptomic analysis.

ABSTRACT Mouse lemurs ( Microcebus spp.) are an emerging model organism for primate biology, behavior, health, and conservation. Although little has been known about their cellular and molecular biology, in the accompanying paper we used large-scale single cell RNA-sequencing of 27 organs and tissues to identify over 750 molecular cell types and their full transcriptomic profiles. Here we use this extensive transcriptomic dataset to uncover thousands of previously unidentified genes and hundreds of thousands of new splice junctions in the reference genome that globally define lemur gene structures and cell-type selective expression and splicing and to investigate gene expression evolution. We use the atlas to explore the biology and function of the lemur immune system, including the expression profiles across the organism of all MHC genes and chemokines in health and disease, and the mapping of neutrophil and macrophage development, trafficking, and activation, their local and global responses to infection, and primate-specific aspects of the program. We characterize other examples of primate-specific physiology and disease such as unique features of lemur adipocytes that may underlie their dramatic seasonal rhythms, and spontaneous metastatic endometrial cancer that models the human gynecological malignancy. We identify and describe the organism-wide expression profiles of over 400 primate genes missing in mice, some implicated in human disease. Thus, an organism-wide molecular cell atlas and molecular cell autopsies can enhance gene discovery, structure definition, and annotation in a new model organism, and can identify and elucidate primate-specific genes, physiology, diseases, and evolution.

Abstract RNA processing (RNAP), including splicing and alternative polyadenylation, is crucial to gene function and regulation, but methods to detect RNAP from single-cell RNA sequencing data are limited by reliance on pre-existing annotations, peak-calling heuristics, and collapsing measurements by cell type. We introduce ReadZS, the first annotation-free statistical approach to identify regulated RNAP in single cells. ReadZS discovers cell type-specific RNAP in the human lung and conserved, developmentally regulated RNAP in mammalian spermatogenesis - including global 3’ UTR shortening in human spermatogenesis. ReadZS also discovers global 3’ UTR lengthening in Arabidopsis root development, highlighting the usefulness of this method in under-annotated transcriptomes.

ABSTRACT Trimethylguanosine synthase 1 (TGS1) is a highly conserved enzyme that converts the 5’ mono-methylguanosine cap of snRNAs to a trimethylguanosine cap. Here, we show that loss of TGS1 in C. elegans, D. melanogaster and D. rerio results in neurological phenotypes similar to those caused by Survival Motor Neuron (SMN) deficiency. Importantly, expression of human TGS1 ameliorates the SMN -dependent neurological phenotypes in both flies and worms, revealing that TGS1 can partly counteract the effects of SMN deficiency. TGS1 loss in HeLa cells leads to the accumulation of immature U2 and U4atac snRNAs with long 3’ tails that are often uridylated. snRNAs with defective 3’ terminations also accumulate in Drosophila Tgs1 mutants. Consistent with defective snRNA maturation, TGS1 and SMN mutant cells also exhibit partially overlapping transcriptome alterations that include aberrantly spliced and readthrough transcripts. Together, these results identify a neuroprotective function for TGS1 and reinforce the view that defective snRNA maturation affects neuronal viability and function.

Abstract Precise splice junction calls are currently unavailable in scRNA-seq pipelines such as the 10x Chromium platform but are critical for understanding single-cell biology. Here, we introduce SICILIAN, a new method that assigns statistical confidence to splice junctions from a spliced aligner to improve precision. SICILIAN’s precise splice detection achieves high accuracy on simulated data, improves concordance between matched single-cell and bulk datasets, increases agreement between biological replicates, and reliably detects un-annotated splicing in single cells, enabling the discovery of novel splicing regulation.

The extent to which gene fusions function as drivers of cancer remains a critical open question. Current algorithms do not sufficiently identify false-positive fusions arising during library preparation, sequencing, and alignment. Here, we introduce a new algorithm, DEEPEST, that uses statistical modeling to minimize false-positives while increasing the sensitivity of fusion detection. In 9,946 tumor RNA-sequencing datasets from The Cancer Genome Atlas (TCGA) across 33 tumor types, DEEPEST identifies 31,007 fusions, 30% more than identified by other methods, while calling ten-fold fewer false positive fusions in non-transformed human tissues. We leverage the increased precision of DEEPEST to discover new cancer biology. For example, 888 new candidate oncogenes are identified based on over-representation in DEEPEST calls, and 1,078 previously unreported fusions involving long intergenic noncoding RNAs partners, demonstrating a previously unappreciated prevalence and potential for function. Specific protein domains are enriched in DEEPEST calls, demonstrating a global selection for fusion functionality: kinase domains are nearly 2-fold more enriched in DEEPEST calls than expected by chance, as are domains involved in (anaerobic) metabolism and DNA binding. DEEPEST also reveals a high enrichment for fusions involving known and novel oncogenes in diseases including ovarian cancer, which has had minimal treatment advances in recent decades, finding that more than 50% of tumors harbor gene fusions predicted to be oncogenic. The statistical algorithms, population-level analytic framework, and the biological conclusions of DEEPEST call for increased attention to gene fusions as drivers of cancer and for future research into using fusions for targeted therapy.