Abstract Due to high resolution and throughput of modern image cytometry platforms, morphologically profiling generated datasets poses a significant computational challenge. Here, we present Scalable Cytometry Image Processing (SCIP), an image processing software aimed at running on distributed high performance computing infrastructure. SCIP is scalable, flexible, open-source and enables reproducible image processing. It performs projection, illumination correction, segmentation, background masking and extensive morphological profiling on various imaging types. We showcase SCIP’s capabilities on three large-scale image cytometry datasets. First, we process an imaging flow cytometry (IFC) dataset of human white blood cells and show how the obtained features are used to classify cells into 8 cell types based on bright- and darkfield imagery. Secondly, we process an automated microscopy dataset of human white blood cells to divide them into cell types in an unsupervised manner. Finally, a high-content screening dataset of breast cancer cells is processed to predict the mechanism-of-action of a large set of compound treatments. The software can be installed from the PyPi repository. Its source code is available at https://github.com/ScalableCytometryImageProcessing/SCIP under the GNU General Public License version 3. It has been tested on Unix operating systems. Issues with the software can be submitted at https://github.com/ScalableCytometryImageProcessing/SCIP/issues . 1 Author Summary Cytometry is a field of biology that studies cells by measuring their characteristics. In image cytometry, this is done by acquiring images of cells. In order to gain biological insight from a set of images, an extensive amount of measurements are derived from them describing the cells they contain. These measurements include, for instance, a cell’s area, diameter, or the average brightness of the cell image. These measurements can then be analyzed using automated software tools to understand, for example, how cells respond to drug treatments, or how cells differ between a healthy and a diseased person. In this work, we present a novel software tool that is able to efficiently compute image measurements on large datasets of images. We do this by harnessing the power of high performance computing infrastructure. By enabling image cytometry researchers to make use of more computational power, they can more efficiently process complex and large datasets, paving the way to novel, fascinating biological discoveries.

Abstract The human skin confers biophysical and immunological protection through a complex cellular network that is established early in development. We profiled ~500,000 single cells using RNA-sequencing from healthy adult and developing skin, and skin from patients with atopic dermatitis and psoriasis. Our findings reveal a predominance of innate lymphoid cells and macrophages in developing skin in contrast to T cells and migratory dendritic cells in adult skin. We demonstrate dual keratinocyte differentiation trajectories and activated cellular circuits comprising vascular endothelial cells mediating immune cell trafficking, disease-specific clonally expanded IL13/IL22 and IL17A/F -expressing lymphocytes, epidermal IL23 -expressing dendritic cells and inflammatory keratinocytes in disease. Our findings provide key insights into the dynamic cellular landscape of human skin in health and disease. One Sentence Summary Single cell atlas of human skin reveals cell circuits which are quantitatively and qualitatively reconfigured in inflammatory skin disease.

Abstract Objective Hepatocellular carcinoma (HCC) is increasingly associated with non-alcoholic steatohepatitis (NASH). HCC immunotherapy offers great promise; however, recent data suggests NASH-HCC may be less sensitive to conventional immune checkpoint inhibition (ICI). We hypothesised that targeting neutrophils using a CXCR2 small molecule inhibitor may sensitise NASH-HCC to ICI therapy. Design Neutrophil infiltration was characterised in human HCC and mouse models of HCC. Late-stage intervention with anti-PD1 and/or a CXCR2 inhibitor was performed in murine models of NASH-HCC. The tumour immune microenvironment was characterised by imaging mass cytometry, RNA-seq and flow cytometry. Results Neutrophils expressing CXCR2, a receptor crucial to neutrophil recruitment in acute-injury, are highly represented in human NASH-HCC. In models of NASH-HCC lacking response to ICI, the combination of a CXCR2 antagonist with anti-PD1 suppressed tumour burden and extended survival. Combination therapy increased intratumoral XCR1 + dendritic cell activation and CD8 + T cell numbers which are associated with anti-tumoral immunity, this was confirmed by loss of therapeutic effect upon genetic impairment of myeloid cell recruitment, neutralisation of the XCR1-ligand XCL1 or depletion of CD8 + T cells. Therapeutic benefit was accompanied by an unexpected increase in tumour-associated neutrophils (TANs) which switched from a pro-tumor to anti-tumour progenitor-like neutrophil phenotype. Reprogrammed TANs were found in direct contact with CD8 + T cells in clusters that were enriched for the cytotoxic anti-tumoural protease granzyme B. Neutrophil reprogramming was not observed in the circulation indicative of the combination therapy selectively influencing TANs. Conclusion CXCR2-inhibition induces reprogramming of the tumour immune microenvironment that promotes ICI in NASH-HCC. Significance of this study What is already known on this subject? Immune checkpoint inhibition therapy is emerging as a promising new therapy for the treatment of advanced hepatocellular carcinoma (HCC). Only a minority of HCC patients will respond to immune checkpoint inhibition (ICI) therapy and recent data suggest that HCC on the background of NASH may have reduced sensitivity to this treatment strategy. Neutrophils are a typical myeloid component of the liver in NASH and are found either within the HCC tumour microenvironment or in a peritumoural location. Neutrophils have considerable phenotypic plasticity and can exist in both tumour promoting and tumour suppressing states. Neutrophils may have the ability to influence ICI therapy. What are the new findings? CXCR2 + neutrophils are found in human NASH and within the tumour of both human and mouse models of NASH-HCC. The resistance of NASH-HCC to anti-PD1 therapy is overcome by co-treatment with a CXCR2 small molecule inhibitor, with evidence of reduced tumour burden and extended survival. Anti-PD1 and CXCR2 inhibitor combine to selectively reprogramme tumour-associated neutrophils (TANs) from a pro- to an anti-tumour phenotype. Reprogrammed TANs proliferate locally within Granzyme B + immune clusters that contain physically associating CD8 + T cells and antigen presenting cells. Conventional XCR1 + dendritic cells (cDC1s) are found to be elevated in anti-PD1 and CXCR2 inhibitor treated HCCs and together with CD8 + T cells are required for therapeutic benefit. How might it impact on clinical practice in the foreseeable future? TANs can be selectively manipulated to adopt an anti-tumour phenotype which unlocks their potential for cancer therapy. The ability of CXCR2 antagonism to combine with ICI therapy to bring about enhanced therapeutic benefit in NASH-HCC (and potentially in HCC of other aetiologies) warrents clinical investigation.

Abstract Analysis of Imaging Mass Cytometry (IMC) data and other low-resolution multiplexed tissue imaging technologies is often confounded by poor single cell segmentation and sub-optimal approaches for data visualisation and exploration. This can lead to inaccurate identification of cell phenotypes, states or spatial relationships compared to reference data from single cell suspension technologies. To this end we have developed the “OPTIMAL” framework to benchmark any approaches for cell segmentation, parameter transformation, batch effect correction, data visualisation/clustering and spatial neighbourhood analysis. Using a panel of 27 metal-tagged antibodies recognising well characterised phenotypic and functional markers to stain the same FFPE human tonsil sample Tissue Microarray (TMA) over 12 temporally distinct batches we tested several cell segmentation models, a range of different arcsinh cofactor parameter transformation values, five different dimensionality reduction algorithms and two clustering methods. Finally we assessed the optimal approach for performing neighbourhood analysis. We found that single cell segmentation was improved by the use of an Ilastik-derived probability map but that issues with poor segmentation were only really evident after clustering and cell type/state identification and not always evident when using “classical” bi-variate data display techniques. The optimal arcsinh cofactor for parameter transformation was 1 as it maximised the statistical separation between negative and positive signal distributions and a simple Z-score normalisation step after arcsinh transformation eliminated batch effects. Of the five different dimensionality reduction approaches tested, PacMap gave the best data structure with FLOWSOM clustering out-performing Phenograph in terms of cell type identification. We also found that neighbourhood analysis was influenced by the method used for finding neighbouring cells with a “disc” pixel expansion outperforming a “bounding box” approach combined with the need for filtering objects based on size and image-edge location. Importantly OPTIMAL can be used to assess and integrate with any existing approach to IMC data analysis and, as it creates .FCS files from the segmentation output, allows for single cell exploration to be conducted using a wide variety of accessible software and algorithms familiar to conventional flow cytometrists.

Abstract Throughout postnatal life, haematopoiesis in the bone marrow (BM) maintains blood and immune cell production. Haematopoiesis first emerges in human BM at 12 post conception weeks while fetal liver (FL) haematopoiesis is still expanding. Yet, almost nothing is known about how fetal BM evolves to meet the highly specialised needs of the fetus and newborn infant. Here, we detail the development of fetal BM including stroma using single cell RNA-sequencing. We find that the full blood and immune cell repertoire is established in fetal BM in a short time window of 6-7 weeks early in the second trimester. Fetal BM promotes rapid and extensive diversification of myeloid cells, with granulocytes, eosinophils and dendritic cell (DC) subsets emerging for the first time. B-lymphocyte expansion occurs, in contrast with erythroid predominance in FL at the same gestational age. We identify transcriptional and functional differences that underlie tissue-specific identity and cellular diversification in fetal BM and FL. Finally, we reveal selective disruption of B-lymphocyte, erythroid and myeloid development due to cell intrinsic differentiation bias as well as extrinsic regulation through an altered microenvironment in the fetal BM from constitutional chromosome anomaly Down syndrome during this crucial developmental time window.

Abstract The biological and clinical impact of neoplastic and immune cell type ratios in the glioblastoma (GBM) tumour microenvironment is being realised. Characterising and quantifying cell types within GBMs at scale will facilitate a better understanding of the association between the cellular landscape and tumour phenotypes or clinical correlates. This study aimed to develop a tool that can deconvolute immune and neoplastic cells within the GBM tumour microenvironment from bulk RNA sequencing data. We developed an IDH wild-type (IDHwt) GBM specific single immune cell reference dataset, from four independent studies, consisting of B cells, T cells, NK cells, microglia, tumour associated macrophages, monocytes, mast and DC cells. We used this alongside an existing neoplastic single cell-type dataset consisting of astrocyte-like, oligodendrocyte- and neuronal-progenitor like and mesenchymal GBM cancer cells to create both marker and gene signature matrix-based deconvolution tools. We then applied single-cell resolution imaging mass cytometry (IMC) to ten IDHwt GBM samples, five paired primary and recurrent tumours, in parallel with these tools to determine which performed best. Marker based gene expression deconvolution using GBM tissue specific markers, which we have packaged as GBMdeconvoluteR, gave the most accurate results. The correlation between immune cell quantification by IMC and by GBMdeconvoluteR for primary IDHwt GBM samples was 0.52 (Pearson’s P=7.8×10 −3 ) and between neoplastic cell quantification by IMC and by GBMdeconvoluteR was 0.75 (Pearson’s P=1.2×10 −3 ). We applied GBMdeconvoluteR to bulk GBM RNAseq data from The Cancer Genome Atlas (TCGA) and were able to recapitulate recent findings from multi-omics single cell studies with regards associations between mesenchymal GBM cancer cells and both lymphoid and myeloid cells. Furthermore, we were able to expand upon this to show that these associations are stronger in patients with worse prognosis. GBMdeconvoluteR is accessible online at https://gbmdeconvoluter.leeds.ac.uk . Key points GBMdeconvoluteR is a glioblastoma-specific cellular deconvolution tool. When applied to bulk GBM RNAseq data, it accurately quantifies the neoplastic and immune cells in that tumour. It is available online at https://gbmdeconvoluter.leeds.ac.uk

Leukemia niche impacts quiescence; however, culturing patient-derived samples ex vivo is technically challenging. Here, we present a protocol for in vitro co-culture of patient-derived xenograft acute lymphoblastic leukemia (PDX-ALL) cells with human mesenchymal stem cells (MSCs). We describe steps for labeling PDX-ALL cells with CellTrace Violet dye to demonstrate MSC-primed PDX-ALL cycling. We then detail procedures to identify MSC-primed G0/quiescent PDX-ALL cells via Hoechst-33342/Pyronin Y live cell cycle analysis. For complete details on the use and execution of this protocol, please refer to Pal et al.

Abstract Innate Lymphoid Cells (ILCs) play a key role in tissue mediated immunity and can be controlled by co-receptor signaling. Here we define a subset of ILCs that are Tbet + NK1.1 − and are present within the tumor microenvironment (TME). We show programmed death-1 receptor (PD-1) expression on ILCs within TME is found in Tbet + NK1.1 − ILCs. PD-1 significantly controlled the proliferation and function of Tbet + NK1.1 − ILCs in multiple murine and human tumors. We found tumor derived lactate enhanced PD-1 expression on Tbet + NK1.1 − ILCs within the TME, which resulted in dampened mTOR signaling along with increased fatty acid uptake. In line with these metabolic changes, PD-1 deficient Tbet + NK1.1 − ILCs expressed significantly increased IFNγ, granzyme B and K. Furthermore, PD1 deficient Tbet + NK1.1 − ILCs contributed towards diminished tumor growth in an experimental murine model of melanoma. These data demonstrate that PD-1 can regulate anti-tumor responses of Tbet + NK1.1 − ILCs within the tumor microenvironment. Highlights Tbet + NK1.1 − ILCs are found in WT and PD1 ko mice PD-1 is expressed on Tbet + NK1.1 − ILC1s within multiple TME PD-1 controls the proliferation and function of Tbet + NK1.1 − ILCs within the tumor microenvironment by modulating fatty acid metabolism. PD-1 regulates the proliferation of human Tbet + ILC1s in human cutaneous squamous cell carcinoma (cSCC) and melanoma tumor microenvironment.

Abstract The most common cause of death due to COVID-19 remains respiratory failure. Yet, our understanding of the precise cellular and molecular changes underlying lung alveolar damage is limited. Here, we integrate single cell transcriptomic data of COVID-19 donor lungs with spatial transcriptomic data stratifying histopathological stages of diffuse alveolar damage (DAD). We identify changes in cellular composition across progressive DAD, including waves of molecularly distinct macrophages and depleted epithelial and endothelial populations throughout different types of tissue damage. Predicted markers of pathological states identify immunoregulatory signatures, including IFN-alpha and metallothionein signatures in early DAD, and fibrosis-related collagens in organised DAD. Furthermore, we predict a fibrinolytic shutdown via endothelial upregulation of SERPINE1 /PAI-1. Cell-cell interaction analysis revealed macrophage-derived SPP1 /osteopontin signalling as a key regulator during early DAD. These results provide the first comprehensive, spatially resolved atlas of DAD stages, highlighting the cellular mechanisms underlying pro-inflammatory and pro-fibrotic pathways across alveolar damage progression.

ABSTRACT The in vitro micronucleus assay is a globally significant method for DNA damage quantification used for regulatory compound safety testing in addition to inter-individual monitoring of environmental, lifestyle and occupational factors. However it relies on time-consuming and user-subjective manual scoring. Here we show that imaging flow cytometry and deep learning image classification represents a capable platform for automated, inter-laboratory operation. Images were captured for the cytokinesis-block micronucleus (CBMN) assay across three laboratories using methyl methanesulphonate (1.25 – 5.0 µg/mL) and/or carbendazim (0.8 – 1.6 µg/mL) exposures to TK6 cells. Human-scored image sets were assembled and used to train and test the classification abilities of the “DeepFlow” neural network in both intra- and inter-laboratory contexts. Harnessing image diversity across laboratories yielded a network able to score unseen data from an entirely new laboratory without any user configuration. Image classification accuracies of 98%, 95%, 82% and 85% were achieved for ‘mononucleates’, ‘binucleates’, ‘mononucleates with MN’ and ‘binucleates with MN’, respectively. Successful classifications of ‘trinucleates’ (90%) and ‘tetranucleates’ (88%) in addition to ‘other or unscorable’ phenotypes (96%) were also achieved. Attempts to classify extremely rare, tri- and tetranucleated cells with micronuclei into their own categories were less successful (≤ 57%). Benchmark dose analyses of human or automatically scored micronucleus frequency data yielded quantitation of the same equipotent dose regardless of scoring method. We conclude that this automated approach offers significant potential to broaden the practical utility of the CBMN method across industry, research and clinical domains. We share our strategy using openly-accessible frameworks.