Abstract Spatial genomics technologies enable new approaches to study how cells interact and function in intact multicellular environments but present a host of technical and computational challenges. Here we describe Splotch, a novel computational framework for the analysis of spatially resolved transcriptomics data. Splotch aligns transcriptomics data from multiple tissue sections and timepoints to generate improved posterior estimates of gene expression. We demonstrate alignment of a large corpus of single-cell RNA-seq data into an automatically generated spatial-temporal coordinate and study optimal design for spatial transcriptomics experiments.

Abstract The mammalian spinal cord functions as a community of glial and neuronal cell types to accomplish sensory processing, autonomic control, and movement; conversely, the dysfunction of these cell types following spinal cord injury or disease states can lead to chronic pain, paralysis, and death. While we have made great strides in understanding spinal cellular diversity in animal models, it is crucial to characterize human biology directly to uncover specialized features of basic function and to illuminate human pathology. Here, we present a cellular taxonomy of the adult human spinal cord using single nucleus RNA-sequencing with spatial transcriptomics and antibody validation. We observed 29 glial clusters, including rare cell types such as ependymal cells, and 35 neuronal clusters, which we found are organized principally by anatomical location. To demonstrate the potential of this resource for understanding human disease, we analyzed the transcriptome of spinal motoneurons that are prone to degeneration in amyotrophic lateral sclerosis (ALS) and other diseases. We found that, compared with all other spinal neurons, human motoneurons are defined by genes related to cell size, cytoskeletal structure, and ALS, thereby supporting a model of a specialized motoneuron molecular repertoire that underlies their selective vulnerability to disease. We include a publicly available browsable web resource with this work, in the hope that it will catalyze future discoveries about human spinal cord biology.

Paralysis occurring in amyotrophic lateral sclerosis (ALS) results from denervation of skeletal muscle as a consequence of motor neuron degeneration. Interactions between motor neurons and glia contribute to motor neuron loss, but the spatiotemporal ordering of molecular events that drive these processes in intact spinal tissue remains poorly understood. Here, we use a spatially resolved view of disease-driven gene expression changes to stratify these events, reveal the relevant sub-populations of cells involved in each stage of disease progression, and characterize the underlying molecular mechanisms that trigger and drive the course of disease. Based on the well characterized cellular organization of the spinal cord and the importance of intercellular interactions in ALS disease progression, we applied spatial transcriptomics (ST) to obtain spatially and anatomically resolved quantitative gene expression measurements of mouse spinal cords over the course of disease, as well as in postmortem tissue from ALS patients. We developed a novel Bayesian generative model for assembling a spatiotemporal atlas of gene expression in ALS that integrates cell-type, anatomical region, space, and time. We identify novel pathways implicated in ALS progression, key differences between microglia and astrocyte populations at early time-points and in different anatomical regions, and discern several transcriptional pathways shared between murine models of ALS and human postmortem spinal cords. We provide a general experimental-computational design for mapping and understanding the transcriptional landscape of diseases in complex tissues. An interactive data exploration portal for our ST analysis is available at als-st.nygenome.org.

Abstract Genetic and genomic studies of brain disease increasingly demonstrate disease-associated interactions between the cell types of the brain. Increasingly complex and more physiologically relevant human induced pluripotent stem cell (hiPSC)-based models better explore the molecular mechanisms underlying disease, but also challenge our ability to resolve cell-type specific perturbations. Here we report an extension of the RiboTag system, first developed to achieve cell-type restricted expression of epitope-tagged ribosomal protein (RPL22) in mouse tissue, to a variety of in vitro applications, including immortalized cell lines, primary mouse astrocytes, and hiPSC-derived neurons. RiboTag expression enables efficient depletion of off-target RNA in mixed species primary co-cultures and in hiPSC-derived neural progenitor cells, motor neurons, and GABAergic neurons. Nonetheless, depletion efficiency varies across independent experimental replicates. The challenges and potential of implementing RiboTags in complex in vitro cultures are discussed.