Abstract Cell types can be classified based on shared patterns of transcription. Variability in gene expression between individual cells of the same type has been ascribed to stochastic transcriptional bursting and transient cell states. We asked whether long-term, heritable differences in transcription can impart diversity within a cell type. Studying clonal human lymphocytes and mouse brain cells, we uncover a vast diversity of heritable transcriptional states among different clones of cells of the same type in vivo. In lymphocytes we show that this diversity is coupled to clone specific chromatin accessibility, resulting in distinct expression of genes by different clones. Our findings identify a source of cellular diversity, which may have important implications for how cellular populations are shaped by selective processes in development, aging and disease.

Abstract With long-read sequencing, we have entered an era where individual genomes are routinely assembled to near completion and where complex genetic variation can efficiently be resolved. Here, we demonstrate that long reads can be applied to study the genomic architecture of individual human cells. Clonally expanded CD8+ T-cells from a human donor were used as starting material for a droplet-based multiple displacement amplification (dMDA) to generate long molecules with minimal amplification bias. PacBio HiFi sequencing generated up to 20 Gb data and 40% genome coverage per single cell. The data allowed for accurate detection and haplotype phasing of single nucleotide variants (SNVs), structural variants (SVs), and tandem repeats, including in genomic regions inaccessible by short reads. Somatic SNVs were detected in the nuclear genome and mitochondrial DNA. An average of 1278 high-confidence SVs per cell were discovered in the PacBio data, nearly four times as many compared to those found in Illumina dMDA data from clonally related cells. Single-cell de novo assembly resulted in a genome size of up to 598 Mb and 1762 (12.8%) complete gene models. In summary, the work presented here demonstrates the utility of whole genome amplification combined with long-read sequencing toward the characterization of the full spectrum of genetic variation at the single-cell level.

Abstract Cell lineage tree reconstruction methods are developed for various tasks, such as investigating the development, differentiation, and cancer progression. Single-cell sequencing technologies enable more thorough analysis with higher resolution. We present Scuphr, a distance-based cell lineage tree reconstruction method using bulk and single-cell DNA sequencing data from healthy tissues. Common challenges of single-cell DNA sequencing, such as allelic dropouts and amplification errors, are included in Scuphr. Scuphr computes the distance between cell pairs and reconstructs the lineage tree using the neighbor-joining algorithm. With its embarrassingly parallel design, Scuphr can do faster analysis than the state-of-the-art methods while obtaining better accuracy. The method’s robustness is investigated using various synthetic datasets and a biological dataset of 18 cells. Author summary Cell lineage tree reconstruction carries a significant potential for studies of development and medicine. The lineage tree reconstruction task is especially challenging for cells taken from healthy tissue due to the scarcity of mutations. In addition, the single-cell whole-genome sequencing technology introduces artifacts such as amplification errors, allelic dropouts, and sequencing errors. We propose Scuphr, a probabilistic framework to reconstruct cell lineage trees. We designed Scuphr for single-cell DNA sequencing data; it accounts for technological artifacts in its graphical model and uses germline heterozygous sites to improve its accuracy. Scuphr is embarrassingly parallel; the speed of the computational analysis is inversely proportional to the number of available computational nodes. We demonstrated that Scuphr is fast, robust, and more accurate than the state-of-the-art method with the synthetic data experiments. Moreover, in the biological data experiment, we showed Scuphr successfully identifies different clones and further obtains more support on closely related cells within clones.

CD8+ T cells play essential roles in immunity to viral and bacterial infections, and to guard against malignant cells. The CD8+ T cell response to an antigen is composed of many T cell clones with unique T cell receptors, together forming a heterogenous repertoire of phenotypically and functionally distinct effector and memory cells[1][1], [2][2]. How individual T cell clones contribute to this heterogeneity during an immune response is key to understand immunity but remains largely unknown. Here, we longitudinally tracked CD8+ T cell clones expanding in response to yellow fever virus vaccination at the single cell level in humans. We show that only a fraction of the clones detected in the acute response persists as circulating memory T cells, indicative of clonal selection. Clones persisting in the memory phase displayed biased differentiation trajectories along a gradient of stem cell memory (SCM) towards terminally differentiated effector memory (EMRA) fates. Reactivation of single memory CD8+ T cells revealed that they were poised to recapitulate skewed differentiation trajectories in secondary responses, and this was generalizable across individuals for both yellow fever and influenza virus. Together, we show that the sum of distinct clonal differentiation repertoires results in the multifaceted T cell response to acute viral infections in humans. [1]: #ref-1 [2]: #ref-2

The concept of adaptive-like 'memory' NK cells has been extensively investigated in recent years. In humans, NK cells with adaptive-like features have been identified in peripheral blood and liver of cytomegalovirus (CMV)-seropositive individuals. The human lung is a major target organ for infections and is also a significant reservoir for CMV. However, it remains unknown whether adaptive-like NK cells can be found in this organ. Using RNAseq and flow cytometry analysis, we here identify a novel adaptive-like KIR+NKG2C+ NK cell subset with a CD49a+CD56brightCD16- tissue-resident (tr)NK cell phenotype in human lung and in peripheral blood. Adaptive-like lung trNK cells were found to be present independently of adaptive-like CD56dimCD16+ NK cells, to be hyperresponsive towards target cells, and to exhibit signs of metabolic reprogramming. In conclusion, adaptive-like trNK cells constitute a novel subset of human lung NK cells, likely contributing to unique defense mechanisms in context of infection at this site.

Here we report the development of Conbase, a software application for the identification of somatic mutations in single cell DNA sequencing data with high rates of allelic dropout and at low read depth. Conbase leverages data from multiple samples in a dataset and utilizes read phasing to call somatic single nucleotide variants and to accurately predict genotypes in whole genome amplified single cells in somatic variant loci. We demonstrate the accuracy of Conbase on simulated datasets, in vitro expanded fibroblasts and clonally in vivo expanded lymphocyte populations isolated directly from a healthy human donor.