Spatial structure of RNA expression RNA-seq and similar methods can record gene expression within and among cells. Current methods typically lose positional information and many require arduous single-cell isolation and sequencing. Ståhl et al. have developed a way of measuring the spatial distribution of transcripts by annealing fixed brain or cancer tissue samples directly to bar-coded reverse transcriptase primers, performing reverse transcription followed by sequencing and computational reconstruction, and they can do so for multiple genes. Science , this issue p. 78

Spatial and molecular characteristics determine tissue function, yet high-resolution methods to capture both concurrently are lacking. Here, we developed high-definition spatial transcriptomics, which captures RNA from histological tissue sections on a dense, spatially barcoded bead array. Each experiment recovers several hundred thousand transcript-coupled spatial barcodes at 2-μm resolution, as demonstrated in mouse brain and primary breast cancer. This opens the way to high-resolution spatial analysis of cells and tissues. A dense, spatially barcoded bead array captures RNA from histological tissue sections for spatially resolved gene expression analysis.

The process of cardiac morphogenesis in humans is incompletely understood. Its full characterization requires a deep exploration of the organ-wide orchestration of gene expression with a single-cell spatial resolution. Here, we present a molecular approach that reveals the comprehensive transcriptional landscape of cell types populating the embryonic heart at three developmental stages and that maps cell-type-specific gene expression to specific anatomical domains. Spatial transcriptomics identified unique gene profiles that correspond to distinct anatomical regions in each developmental stage. Human embryonic cardiac cell types identified by single-cell RNA sequencing confirmed and enriched the spatial annotation of embryonic cardiac gene expression. In situ sequencing was then used to refine these results and create a spatial subcellular map for the three developmental phases. Finally, we generated a publicly available web resource of the human developing heart to facilitate future studies on human cardiogenesis.

Abstract Intra-tumor heterogeneity is one of the biggest challenges in cancer treatment today. Here we investigate tissue-wide gene expression heterogeneity throughout a multifocal prostate cancer using the spatial transcriptomics (ST) technology. Utilizing a novel approach for deconvolution, we analyze the transcriptomes of nearly 6750 tissue regions and extract distinct expression profiles for the different tissue components, such as stroma, normal and PIN glands, immune cells and cancer. We distinguish healthy and diseased areas and thereby provide insight into gene expression changes during the progression of prostate cancer. Compared to pathologist annotations, we delineate the extent of cancer foci more accurately, interestingly without link to histological changes. We identify gene expression gradients in stroma adjacent to tumor regions that allow for re-stratification of the tumor microenvironment. The establishment of these profiles is the first step towards an unbiased view of prostate cancer and can serve as a dictionary for future studies.

Abstract The inflamed rheumatic joint is a highly heterogeneous and complex tissue with dynamic recruitment and expansion of multiple cell types that interact in multifaceted ways within a localized area. Rheumatoid arthritis synovium has primarily been studied either by immunostaining or by molecular profiling after tissue homogenization. Here, we use Spatial Transcriptomics to study local cellular interactions at the site of chronic synovial inflammation. We report comprehensive spatial RNA-seq data coupled to quantitative and cell type-specific chemokine-driven dynamics at and around organized structures of infiltrating leukocyte cells in the synovium.

Abstract Current methods for epigenomic profiling are limited in the ability to obtain genome wide information with spatial resolution. Here we introduce spatial ATAC, a method that integrates transposase-accessible chromatin profiling in tissue sections with barcoded solid-phase capture to perform spatially resolved epigenomics. We show that spatial ATAC enables the discovery of the regulatory programs underlying spatial gene expression during mouse organogenesis, lineage differentiation and in human pathological samples.

Abstract Idiopathic pulmonary fibrosis (IPF) is a progressive lung disease with poor prognosis and limited treatment options. Efforts to identify effective treatments are thwarted by limited understanding of IPF pathogenesis and poor translatability of available preclinical models. Here we generated spatially resolved transcriptome maps of human IPF ( n = 4) and bleomycin-induced mouse pulmonary fibrosis ( n = 6) to address these limitations. We uncovered distinct fibrotic niches in the IPF lung, characterized by aberrant alveolar epithelial cells in a microenvironment dominated by transforming growth factor beta signaling alongside predicted regulators, such as TP53 and APOE. We also identified a clear divergence between the arrested alveolar regeneration in the IPF fibrotic niches and the active tissue repair in the acutely fibrotic mouse lung. Our study offers in-depth insights into the IPF transcriptional landscape and proposes alveolar regeneration as a promising therapeutic strategy for IPF.

Abstract Background Basecalling long DNA sequences is a crucial step in nanopore-based DNA sequencing protocols. In recent years, the CTC-RNN model has become the leading basecalling model, supplanting preceding hidden Markov models (HMMs) that relied on pre-segmenting ion current measurements. However, the CTC-RNN model operates independently of prior biological and physical insights. Results We present a novel basecaller named Lokatt : exp l icit durati o n Mar k ov model and residu a l-LS T M ne t work. It leverages an explicit duration HMM (EDHMM) designed to model the nanopore sequencing processes. Trained on a newly generated library with methylation-free Ecoli samples and MinION R 9 . 4 . 1 chemistry, the Lokatt basecaller achieves basecalling performances with a median single read identity score of 0 . 930 , a genome coverage ratio of 99 . 750% , on par with existing state-of-the-art structure when trained on the same datasets. Conclusion Our research underlines the potential of incorporating prior knowledge into the basecalling processes, particularly through integrating HMMs and recurrent neural networks. The Lokatt basecaller showcases the efficacy of a hybrid approach, emphasizing its capacity to achieve high-quality basecalling performance while accommodating the nuances of nanopore sequencing. These outcomes pave the way for advanced basecalling methodologies, with potential implications for enhancing the accuracy and efficiency of nanopore-based DNA sequencing protocols. Supplementary information Supplementary data are available online.

The comprehensive analysis of tumor tissue heterogeneity is crucial for determining specific disease states and establishing suitable treatment regimes. Here, we analyze tumor tissue sections from ten patients diagnosed with HER2+ breast cancer. We obtain and analyze multidimensional, genome-wide transcriptomics data to resolve spatial immune cell distribution and identity within the tissue sections. Furthermore, we determine the extent of immune cell infiltration in different regions of the tumor tissue, including invasive cancer regions. We combine cross-sectioning and computational alignment to build three-dimensional images of the transcriptional landscape of the tumor and its microenvironment. The three-dimensional data clearly demonstrates the heterogeneous nature of tumor-immune interactions and reveal interpatient differences in immune cell infiltration patterns. Our study shows the potential for an improved stratification and description of the tumor-immune interplay, which is likely to be essential in treatment decisions.

Abstract Idiopathic pulmonary fibrosis (IPF) is a progressive lung disease with poor prognosis and limited treatment options. Efforts to identify effective treatments are thwarted by limited understanding of IPF pathogenesis and poor translatability of available preclinical models. To address these limitations, we generated spatially resolved transcriptome maps of human IPF and bleomycin-induced mouse lung fibrosis. We uncovered distinct fibrotic niches in the IPF lung, characterized by aberrant alveolar epithelial cells in a microenvironment dominated by TGFβ signaling alongside factors such as p53 and ApoE. We also identified a clear divergence between the arrested alveolar regeneration in the IPF fibrotic niches, and the active tissue repair in the acutely fibrotic mouse lung. Our study offers in-depth insights into the IPF transcriptional landscape and proposes alveolar regeneration as a promising therapeutic strategy for IPF.