To define the cellular composition and architecture of cutaneous squamous cell carcinoma (cSCC), we combined single-cell RNA sequencing with spatial transcriptomics and multiplexed ion beam imaging from a series of human cSCCs and matched normal skin. cSCC exhibited four tumor subpopulations, three recapitulating normal epidermal states, and a tumor-specific keratinocyte (TSK) population unique to cancer, which localized to a fibrovascular niche. Integration of single-cell and spatial data mapped ligand-receptor networks to specific cell types, revealing TSK cells as a hub for intercellular communication. Multiple features of potential immunosuppression were observed, including T regulatory cell (Treg) co-localization with CD8 T cells in compartmentalized tumor stroma. Finally, single-cell characterization of human tumor xenografts and in vivo CRISPR screens identified essential roles for specific tumor subpopulation-enriched gene networks in tumorigenesis. These data define cSCC tumor and stromal cell subpopulations, the spatial niches where they interact, and the communicating gene networks that they engage in cancer.

Emerging evidence points toward an intricate relationship between the pandemic of coronavirus disease 2019 (COVID-19) and diabetes. While preexisting diabetes is associated with severe COVID-19, it is unclear whether COVID-19 severity is a cause or consequence of diabetes. To mechanistically link COVID-19 to diabetes, we tested whether insulin-producing pancreatic β cells can be infected by SARS-CoV-2 and cause β cell depletion. We found that the SARS-CoV-2 receptor, ACE2, and related entry factors (TMPRSS2, NRP1, and TRFC) are expressed in β cells, with selectively high expression of NRP1. We discovered that SARS-CoV-2 infects human pancreatic β cells in patients who succumbed to COVID-19 and selectively infects human islet β cells in vitro. We demonstrated that SARS-CoV-2 infection attenuates pancreatic insulin levels and secretion and induces β cell apoptosis, each rescued by NRP1 inhibition. Phosphoproteomic pathway analysis of infected islets indicates apoptotic β cell signaling, similar to that observed in type 1 diabetes (T1D). In summary, our study shows SARS-CoV-2 can directly induce β cell killing.

Abstract The COVID-19 pandemic, caused by the viral pathogen SARS-CoV-2, has taken the lives of millions of individuals around the world. Obesity is associated with adverse COVID-19 outcomes, but the underlying mechanism is unknown. In this report, we demonstrate that human adipose tissue from multiple depots is permissive to SARS-CoV-2 infection and that infection elicits an inflammatory response, including the secretion of known inflammatory mediators of severe COVID-19. We identify two cellular targets of SARS-CoV-2 infection in adipose tissue: mature adipocytes and adipose tissue macrophages. Adipose tissue macrophage infection is largely restricted to a highly inflammatory subpopulation of macrophages, present at baseline, that is further activated in response to SARS-CoV-2 infection. Preadipocytes, while not infected, adopt a proinflammatory phenotype. We further demonstrate that SARS-CoV-2 RNA is detectable in adipocytes in COVID-19 autopsy cases and is associated with an inflammatory infiltrate. Collectively, our findings indicate that adipose tissue supports SARS-CoV-2 infection and pathogenic inflammation and may explain the link between obesity and severe COVID-19. One sentence summary Our work provides the first in vivo evidence of SARS-CoV-2 infection in human adipose tissue and describes the associated inflammation.

The biological determinants of the wide spectrum of COVID-19 clinical manifestations are not fully understood. Here, over 1400 plasma proteins and 2600 single-cell immune features comprising cell phenotype, basal signaling activity, and signaling responses to inflammatory ligands were assessed in peripheral blood from patients with mild, moderate, and severe COVID-19, at the time of diagnosis. Using an integrated computational approach to analyze the combined plasma and single-cell proteomic data, we identified and independently validated a multivariate model classifying COVID-19 severity (multi-class AUCtraining = 0.799, p-value = 4.2e-6; multi-class AUCvalidation = 0.773, p-value = 7.7e-6). Features of this high-dimensional model recapitulated recent COVID-19 related observations of immune perturbations, and revealed novel biological signatures of severity, including the mobilization of elements of the renin-angiotensin system and primary hemostasis, as well as dysregulation of JAK/STAT, MAPK/mTOR, and NF-κB immune signaling networks. These results provide a set of early determinants of COVID-19 severity that may point to therapeutic targets for the prevention of COVID-19 progression.

Intratumoral variability is a seminal feature of human tumors contributing to tumor progression and response to treatment. Current technologies are unsuitable to accurately track phenotypes and subclonal evolution within tumors, especially in response to genetic manipulations. Here, we developed epitope combinatorial tags (EpicTags), which we coupled to multiplexed ion beam imaging (EpicMIBI) for in situ tracking of barcodes within tissue microenvironments. Using this platform, we dissected the spatial component of cell lineages and phenotypes in a xenograft model of small-cell lung cancer. We observed emergent properties from mixed clones leading to the preferential expansion of subclonal patches for both neuroendocrine and non-neuroendocrine cancer cell states in this model. In tumors harboring a fraction of PTEN-deficient cancer cells, we uncovered a non-autonomous increase of subclonal patch size in PTEN wildtype cancer cells. EpicMIBI can facilitate in situ interrogation of cell-intrinsic and cell-extrinsic processes involved in intratumoral heterogeneity.

The ability to align individual cellular information from multiple experimental sources, techniques and systems is fundamental for a true systems-level understanding of biological processes. While single-cell transcriptomic studies have transformed our appreciation for the complexities and contributions of diverse cell types to disease, they can be limited in their ability to assess protein-level phenotypic information and beyond. Therefore, matching and integrating single-cell datasets which utilize robust protein measurements across multiple modalities is critical for a deeper understanding of cell states, and signaling pathways particularly within their native tissue context. Current available tools are mainly designed for single-cell transcriptomics matching and integration, and generally rely upon a large number of shared features across datasets for mutual Nearest Neighbor (mNN) matching. This approach is unsuitable when applied to single-cell proteomic datasets, due to the limited number of parameters simultaneously accessed, and lack of shared markers across these experiments. Here, we introduce a novel cell matching algorithm, Matching with pARtIal Overlap (MARIO), that takes into account both shared and distinct features, while consisting of vital filtering steps to avoid sub-optimal matching. MARIO accurately matches and integrates data from different single-cell proteomic and multi-modal methods, including spatial techniques, and has cross-species capabilities. MARIO robustly matched tissue macrophages identified from COVID-19 lung autopsies via CODEX imaging to macrophages recovered from COVID-19 bronchoalveolar lavage fluid via CITE-seq. This cross-platform integrative analysis enabled the identification of unique orchestrated immune responses within the lung of complement-expressing macrophages and their impact on the local tissue microenvironment. MARIO thus provides an analytical framework for unified analysis of single-cell data for a comprehensive understanding of the underlying biological system.

Abstract Technologies that visualize multiple biomolecules at the nanometer scale in cells will enable deeper understanding of biological processes that proceed at the molecular scale. Current fluorescence-based methods for microscopy are constrained by a combination of spatial resolution limitations, limited parameters per experiment, and detector systems for the wide variety of biomolecules found in cells. We present here super-resolution ion beam imaging (srIBI), a secondary ion mass spectrometry approach capable of high-parameter imaging in 3D of targeted biological entities and exogenously added small molecules. Uniquely, the atomic constituents of the biomolecules themselves can often be used in our system as the “tag”. We visualized the subcellular localization of the chemotherapy drug cisplatin simultaneously with localization of five other nuclear structures, with further carbon elemental mapping and secondary electron visualization, down to ∼30 nm lateral resolution. Cisplatin was preferentially enriched in nuclear speckles and excluded from closed-chromatin regions, indicative of a role for cisplatin in active regions of chromatin. These data highlight how multiplexed super-resolution techniques, such as srIBI, will enable studies of biomolecule distributions in biologically relevant subcellular microenvironments. One Sentence Summary Three-dimensional multiplexed mass spectrometry-based imaging revealed the subcellular localization of proteins and small molecules at super-resolution.

A thorough understanding of complex spatial host-disease interactions in situ is necessary in order to develop effective preventative measures and therapeutic strategies. Here, we developed P rotein A nd N ucleic acid IN situ I maging (PANINI) and coupled it with Multiplexed Ion Beam Imaging (MIBI) to sensitively and simultaneously quantify DNA, RNA, and protein levels within the microenvironments of tissue compartments. The PANINI-MIBI approach was used to measure over 30 parameters simultaneously across large sections of archival lymphoid tissues from non-human primates that were healthy or infected with simian immunodeficiency virus (SIV), a model that accurately recapitulates human immunodeficiency virus infection (HIV). This enabled multiplexed dissection of cellular phenotypes, functional markers, viral DNA integration events, and viral RNA transcripts as resulting from viral infection. The results demonstrated immune coordination from an unexpected upregulation of IL10 in B cells in response to SIV infection that correlated with macrophage M2 polarization, thus conditioning a potential immunosuppressive environment that allows for viral production. This multiplexed imaging strategy also allowed characterization of the coordinated microenvironment around latently or actively infected cells to provide mechanistic insights into the process of viral latency. The spatial multi-modal framework presented here is applicable to deciphering tissue responses in other infectious diseases and tumor biology.

SUMMARY Neuroblastoma is a pediatric cancer arising from the developing sympathoadrenal lineage with complex inter- and intra-tumoral heterogeneity. To chart this complexity, we generated a comprehensive cell atlas of 55 neuroblastoma patient tumors, collected from two pediatric cancer institutions, spanning a range of clinical, genetic, and histologic features. Our atlas combines single-cell/nucleus RNA-seq (sc/scRNA-seq), bulk RNA-seq, whole exome sequencing, DNA methylation profiling, spatial transcriptomics, and two spatial proteomic methods. Sc/snRNA-seq revealed three malignant cell states with features of sympathoadrenal lineage development. All of the neuroblastomas had malignant cells that resembled sympathoblasts and the more differentiated adrenergic cells. A subset of tumors had malignant cells in a mesenchymal cell state with molecular features of Schwann cell precursors. DNA methylation profiles defined four groupings of patients, which differ in the degree of malignant cell heterogeneity and clinical outcomes. Using spatial proteomics, we found that neuroblastomas are spatially compartmentalized, with malignant tumor cells sequestered away from immune cells. Finally, we identify spatially restricted signaling patterns in immune cells from spatial transcriptomics. To facilitate the visualization and analysis of our atlas as a resource for further research in neuroblastoma, single cell, and spatial-omics, all data are shared through the Human Tumor Atlas Network Data Commons at www.humantumoratlas.org .

Abstract Tissue module (TM) is a spatially organized tissue region and executes specialized biological functions, recurring and varying at different tissue sites. However, the computational identification of TMs poses challenges due to their convoluted biological functions, poorly-defined molecular features, and varying spatially organized patterns. Here, we present a hypothesis-free graph Fourier transform model, SpaGFT, to represent spatially organized features using the Fourier coefficients, leading to an accurate representation of spatially variable genes and proteins and the characterization of TM at a fast computational speed. We implemented sequencing-based and imaging-based spatial transcriptomics, spatial-CITE-seq, and spatial proteomics to identify spatially variable genes and proteins, define TM identities, and infer convoluted functions among TMs in mouse brains and human lymph nodes. We collected a human tonsil sample and performed CODEX to accurately demonstrate molecular and cellular variability within the secondary follicle structure. The superior accuracy, scalability, and interpretability of SpaGFT indicate that it is an effective representation of spatially-resolved omics data and an essential tool for bringing new insights into molecular tissue biology.