Despite their crucial role in health and disease, our knowledge of immune cells within human tissues remains limited. We surveyed the immune compartment of 16 tissues from 12 adult donors by single-cell RNA sequencing and VDJ sequencing generating a dataset of ~360,000 cells. To systematically resolve immune cell heterogeneity across tissues, we developed CellTypist, a machine learning tool for rapid and precise cell type annotation. Using this approach, combined with detailed curation, we determined the tissue distribution of finely phenotyped immune cell types, revealing hitherto unappreciated tissue-specific features and clonal architecture of T and B cells. Our multitissue approach lays the foundation for identifying highly resolved immune cell types by leveraging a common reference dataset, tissue-integrated expression analysis, and antigen receptor sequencing.

Abstract Predicting tumor sensitivity to antineoplastics remains an elusive challenge, with no methods demonstrating predictive power. Joint analysis of tumors—from patients with distinct malignancies who had progressed on multiple lines of therapy—and drug perturbation transcriptional profiles predicted sensitivity to 28 of 350 drugs, 26 of which (93%) were confirmed in low-passage, patient-derived xenograft (PDX) models. Drugs were prioritized based on their ability to either invert the activity of individual Master Regulator proteins, with available high-affinity inhibitors, or of the modules they comprise (Tumor-Checkpoints), based on de novo mechanism of action analysis. Of 138 PDX mice enrolled in 16 single and 18 multi-protein treatment arms, a disease control rate (DCR) of 68% and 91 %, and an objective response rate (ORR) of 12% and 17%, were achieved respectively, compared to 6% and 0% in the negative controls arm, with multi-protein drugs achieving significantly more durable responses. Thus, these approaches may effectively complement and expand current precision oncology approaches, as also illustrated by a case study.

Abstract Dopaminergic neurons modulate neural circuits and behaviors via dopamine release from expansive, long range axonal projections. The elaborate cytoarchitecture of these neurons is embedded within complex brain tissue, making it difficult to access the neuronal proteome using conventional methods. Here, we demonstrate APEX2 proximity labeling within genetically targeted neurons in the mouse brain, enabling subcellular proteomics with cell type-specificity. By combining APEX2 biotinylation with mass spectrometry, we mapped the somatodendritic and axonal proteomes of midbrain dopaminergic neurons. Our dataset reveals the proteomic architecture underlying proteostasis, axonal metabolism, and neurotransmission in these neurons. We find a significant enrichment of proteins encoded by Parkinson’s disease-linked genes in striatal dopaminergic axons, including proteins with previously undescribed axonal localization. These proteomic datasets provide a resource for neuronal cell biology, and this approach can be readily adapted for study of other neural cell types.

Abstract Glioblastoma (GBM) is the most common and aggressive malignant primary brain tumor, and surgical resection is a key part of the standard-of-care. In fluorescence-guided surgery (FGS), fluorophores are used to differentiate tumor tissue from surrounding normal brain. The heme synthesis pathway converts 5-aminolevulinic acid (5-ALA), a fluorogenic substrate used for FGS, to fluorescent protoporphyrin IX (PpIX). The resulting fluorescence is thought to be specific to transformed glioma cells, but this specificity has not been examined at single-cell level. We performed paired single-cell imaging and RNA sequencing of individual cells (SCOPE-seq2) on human GBM surgical specimens with visible PpIX fluorescence from patients who received 5-ALA prior to surgery. SCOPE-seq2 allows us to simultaneously image PpIX fluorescence and unambiguously identify transformed glioma cells from single-cell RNA-seq (scRNA-seq). We observed that 5-ALA treatment results in labeling that is not specific to transformed tumor cells. In cell culture, we further demonstrated that untransformed cells can be labeled by 5-ALA directly or by PpIX secreted from surrounding transformed cells. In acute slice cultures from mouse glioma models, we showed that 5-ALA preferentially labels GBM tumor tissue over non-neoplastic brain tissue, and that this contrast is not due to blood-brain-barrier disruption. Taken together, our findings support the use of 5-ALA as an indicator of GBM tissue, but not as a specific marker of transformed glioma cells.

Abstract Glioblastoma (GBM) is an aggressive diffusely infiltrating neoplasm that spreads beyond surgical resection margins, where it intermingles with non-neoplastic brain cells. This complex microenvironment harboring infiltrating glioma and non-neoplastic brain cells is the origin of tumor recurrence. Thus, understanding the cellular and molecular features of the glioma microenvironment is therapeutically and prognostically important. We used single-nucleus RNA sequencing (snRNAseq) to determine the cellular composition and transcriptional states in primary and recurrent glioma and identified three compositional ‘tissue-states’ defined by the observed patterns of cohabitation between neoplastic and non-neoplastic brain cells. These comprise states enriched in A) neurons and non-neoplastic glia, B) reactive astrocytes and inflammatory cells, and C) proliferating tumor cells. The tissue states also showed distinct associations with the different transcriptional states of GBM cells. Spatial transcriptomics revealed that the cell-types/transcriptional-states associated with each tissue state colocalize in space. Tissue states are clinically significant because they correlate with radiographic, histopathologic, and prognostic features. Importantly, we found that our compositionally-defined tissue states are enriched in distinct metabolic pathways. One such pathway is fatty acid biosynthesis, which was enriched in tissue state B – a state enriched in recurrent glioblastoma and associated with shorter overall survival- and composed of astrocyte-like/mesenchymal glioma cells, reactive astrocytes, and monocyte-like myeloid cells. We showed that treating acute slices of GBM with a fatty acid synthesis inhibitor is sufficient to deplete the transcriptional signature of tissue state B. Our findings define a novel compositional approach to analyze glioma-infiltrated tissue which allows us to discover prognostic and targetable features, paving the way to new mechanistic and therapeutic discoveries.

Abstract Parkinson’s Disease (PD) is a progressive neurodegenerative disease that leads to debilitating movement disorders and often dementia. Recent evidence, including identification of specific peripheral T-cell receptor sequences, indicates that the adaptive immune response is associated with disease pathogenesis. However, the properties of T-cells in the brain regions where neurons degenerate are not well characterized. We have analyzed the identities and interactions of T-cells in PD in post-mortem brain tissue using single nucleus RNA sequencing, spatial transcriptomics and T-cell receptor sequencing. We found that T-cells in the substantia nigra of PD brain donors exhibit a CD8+ resident memory phenotype, increased clonal expansion, and altered spatial relationships with astrocytes, myeloid cells, and endothelial cells. We also describe regional differences in astrocytic responses to neurodegeneration. Our findings nominate potential molecular and cellular candidates that allow a deeper understanding of the pathophysiology of neurodegeneration in PD. Together, our work represents a major single nucleus and spatial transcriptional resource for the fields of neurodegeneration and PD.

ABSTRACT Puromycin is an amino-acyl transfer RNA analog widely employed in studies of protein synthesis. Since puromycin is covalently incorporated into nascent polypeptide chains, anti-puromycin immunofluorescence enables visualization of nascent protein synthesis. A common assumption in studies of local messenger RNA translation is that the anti-puromycin staining of puromycylated nascent polypeptides in fixed cells accurately reports on their original site of translation, particularly when ribosomes are stalled with elongation inhibitors prior to puromycin treatment. However, when we attempted to implement a proximity ligation assay to detect ribosome-puromycin complexes, we found no evidence to support this assumption. We further demonstrated, using biochemical assays and live cell imaging of nascent polypeptides, that puromycylated nascent polypeptides rapidly dissociate from ribosomes even in the presence of elongation inhibitors. Our results suggest that attempts to define precise subcellular translation sites using anti-puromycin immunostaining may be confounded by release of puromycylated nascent polypeptide chains prior to fixation.

Glioma cells hijack developmental transcriptional programs to control cell state. During neural development, lineage trajectories rely on specialized metabolic pathways. However, the link between tumor cell state and metabolic programs is poorly understood in glioma. Here we uncover a glioma cell state-specific metabolic liability that can be leveraged therapeutically. To model cell state diversity, we generated genetically engineered murine gliomas, induced by deletion of p53 alone (p53) or with constitutively active Notch signaling (N1IC), a pathway critical in controlling cellular fate. N1IC tumors harbored quiescent astrocyte-like transformed cell states while p53 tumors were predominantly comprised of proliferating progenitor-like cell states. N1IC cells exhibit distinct metabolic alterations, with mitochondrial uncoupling and increased ROS production rendering them more sensitive to inhibition of the lipid hydroperoxidase GPX4 and induction of ferroptosis. Importantly, treating patient-derived organotypic slices with a GPX4 inhibitor induced selective depletion of quiescent astrocyte-like glioma cell populations with similar metabolic profiles.

Common approaches to gene signature discovery in single cell RNA-sequencing (scRNA-seq) depend upon predefined structures like clusters or pseudo-temporal order, require prior normalization, or do not account for the sparsity of single cell data. We present single cell Hierarchical Poisson Factorization (scHPF), a Bayesian factorization method that adapts Hierarchical Poisson Factorization for de novo discovery of both continuous and discrete expression patterns from scRNA-seq. scHPF does not require prior normalization and captures statistical properties of single cell data better than other methods in benchmark datasets. Applied to scRNA-seq of the core and margin of a high-grade glioma, scHPF uncovers marked differences in the abundance of glioma subpopulations across tumor regions and subtle, regionally-associated expression biases within glioma subpopulations. scHFP revealed an expression signature that was spatially biased towards the glioma-infiltrated margins and associated with inferior survival in glioblastoma.

Optically decodable beads link the identity of an analyte or sample to a measurement through an optical barcode, enabling libraries of biomolecules to be captured on beads in solution and decoded by fluorescence. This approach has been foundational to microarray, sequencing, and flow-based expression profiling technologies. We have combined microfluidics with optically decodable beads to link phenotypic analysis of living cells to sequencing. As a proof-of-concept, we applied this to demonstrate an accurate and scalable tool for connecting live cell imaging to single-cell RNA-Seq called Single Cell Optical Phenotyping and Expression (SCOPE-Seq).