Abstract Severe coronavirus disease 2019 (COVID-19) is characterized by systemic inflammation and can result in protracted symptoms. Robust systemic inflammation may trigger persistent changes in hematopoietic cells and innate immune memory through epigenetic mechanisms. We reveal that rare circulating hematopoietic stem and progenitor cells (HSPC), enriched from human blood, match the diversity of HSPC in bone marrow, enabling investigation of hematopoiesis and HSPC epigenomics. Following COVID-19, HSPC retain epigenomic alterations that are conveyed, through differentiation, to progeny innate immune cells. Epigenomic changes vary with disease severity, persist for months to a year, and are associated with increased myeloid cell differentiation and inflammatory or antiviral programs. Epigenetic reprogramming of HSPC may underly altered immune function following infection and be broadly relevant, especially for millions of COVID-19 survivors. One Sentence Summary Transcriptomic and epigenomic analysis of blood reveal sustained changes in hematopoiesis and innate immunity after COVID-19. Graphical Abstract

ABSTRACT Similar to other droplet-based single cell assays, single nucleus ATAC-seq (snATAC-seq) data harbor multiplets that confound downstream analyses. Detecting multiplets in snATAC-seq data is particularly challenging due to its sparsity and trinary nature (0 reads: closed chromatin, 1: open in one allele, 2: open in both alleles), yet offers a unique opportunity to infer multiplets when >2 uniquely aligned reads are observed at multiple loci. Here, we implemented the first read count-based multiplet detection method, ATAC-DoubletDetector, that detects multiplets independently of cell-type. Using PBMC and pancreatic islet datasets, ATAC-DoubletDetector captured simulated heterotypic multiplets (different cell-types) with ∼0.60 recall, showing ∼24% improvement over state of the art. ATAC-DoubletDetector detected homotypic multiplets with ∼0.61 recall, representing the first method to detect multiplets originating from the same cell type. Using our novel clustering-based algorithm, multiplets were annotated to their cellular origins with ∼85% accuracy. Application of ATAC-DoubletDetector will improve downstream analysis of snATAC-seq.

ABSTRACT Endoplasmic reticulum (ER) and inflammatory stress responses are two pathophysiologic factors contributing to islet dysfunction and failure in Type 2 Diabetes (T2D). However, how human islet cells respond to these stressors and whether T2D-associated genetic variants modulate these responses is unknown. To fill this knowledge gap, we profiled transcriptional (RNA-seq) and epigenetic (ATAC-seq) remodeling in human islets exposed to ex vivo ER (thapsigargin) or inflammatory (IL-1β+IFN-γ) stress. 5,427 genes (∼32%) were associated with stress responses; most were stressor-specific, including upregulation of genes mediating unfolded protein response (e.g. DDIT3, ATF4 ) and NFKB signaling (e.g. NFKB1, NFKBIA ) in ER stress and cytokine-induced inflammation respectively. Islet single-cell RNA-seq profiling revealed strong but heterogeneous beta cell ER stress responses, including a distinct beta cell subset that highly expressed apoptotic genes. Epigenetic profiling uncovered 14,968 stress-responsive cis- regulatory elements (CREs; ∼14%), the majority of which were stressor-specific, and revealed increased accessibility at binding sites of transcription factors that were induced upon stress (e.g. ATF4 for ER stress, IRF8 for cytokine-induced inflammation). Eighty-six stress-responsive CREs overlapped known T2D-associated variants, including 20 residing within CREs that were more accessible upon ER stress. Among these, we linked the rs6917676 T2D risk allele (T) to increased in vivo accessibility of an islet ER stress-responsive CRE and allele-specific beta cell nuclear factor binding in vitro . We showed that MAP3K5, the only ER stress-responsive gene in this locus, promotes beta cell apoptosis. Consistent with its pro-apoptotic and putative diabetogenic roles, MAP3K5 expression inversely correlated with beta cell abundance in human islets and was induced in beta cells from T2D donors. Together, this study provides new genome-wide insights into human islet stress responses and putative mechanisms of T2D genetic variants.

Abstract Cis -Regulatory elements (cis-REs) include promoters, enhancers, and insulators that regulate gene expression programs via binding of transcription factors. ATAC-seq technology effectively identifies active cis -REs in a given cell type (including from single cells) by mapping accessible chromatin at base-pair resolution. However, these maps are not immediately useful for inferring specific functions of cis -REs. For this purpose, we developed a deep learning framework (CoRE-ATAC) with novel data encoders that integrate DNA sequence (reference or personal genotypes) with ATAC-seq cut sites and read pileups. CoRE-ATAC was trained on 4 cell types (n=6 samples/replicates) and accurately predicted known cis -RE functions from 7 cell types (n=40 samples) that were not used in model training (mean average precision=0.80). CoRE-ATAC enhancer predictions from 19 human islet samples coincided with genetically modulated gain/loss of enhancer activity, which was confirmed by massively parallel reporter assays (MPRAs). Finally, CoRE-ATAC effectively inferred cis -RE function from aggregate single nucleus ATAC-seq (snATAC) data from human blood-derived immune cells that overlapped with known functional annotations in sorted immune cells, which established the efficacy of these models to study cis-RE functions of rare cells without the need for cell sorting. ATAC-seq maps from primary human cells reveal individual- and cell-specific variation in cis -RE activity. CoRE-ATAC increases the functional resolution of these maps, a critical step for studying regulatory disruptions behind diseases. Author Summary Non-coding DNA sequences serve different functional roles to regulate gene expression. For these sequences to be active, they must be accessible for proteins and other factors to bind in order to carry out a specific regulatory function. Even so, mutations within these sequences or other regulatory events may modulate their activity or regulatory function. It is therefore critical that we identify these non-coding sequences and their specific regulatory function to fully understand how specific genes are regulated. Current sequencing technologies allow us to identify accessible sequences via chromatin accessibility maps from low cell numbers, enabling the study of clinical samples. However, determining the functional role associated with these sequences remains a challenge. Towards this goal, we harnessed the power of deep learning to unravel the intricacies of chromatin accessibility maps to infer their associated gene regulatory functions. We demonstrate that our method, CoRE-ATAC, can infer regulatory functions in diverse cell types, captures activity differences modulated by genetic mutations, and can be applied to accessibility maps of single cell clusters to infer regulatory functions of rare cell populations. These inferences will further our understanding of how genes are regulated and enable the study of these mechanisms as they relate to disease.

EndoC-βH1 is emerging as a critical human beta cell model to study the genetic and environmental etiologies of beta cell function, especially in the context of diabetes. Comprehensive knowledge of its molecular landscape is lacking yet required to fully take advantage of this model. Here, we report extensive chromosomal (spectral karyotyping), genetic (genotyping), epigenetic (ChIP-seq, ATAC-seq), chromatin interaction (Hi-C, Pol2 ChIA-PET), and transcriptomic (RNA-seq, miRNA-seq) maps of this cell model. Integrated analyses of these maps define known (e.g., PDX1, ISL1) and putative (e.g., PCSK1, mir-375) beta cell-specific chromatin interactions and transcriptional cis-regulatory networks, and identify allelic effects on cis-regulatory element use and expression. Importantly, comparative analyses with maps generated in primary human islets/beta cells indicate substantial preservation of chromatin looping, but also highlight chromosomal heterogeneity and fetal genomic signatures in EndoC-βH1. Together, these maps, and an interactive web application we have created for their exploration, provide important tools for the broad community in the design and success of experiments to probe and manipulate the genetic programs governing beta cell identity and (dys)function in diabetes.