Abstract Spatially resolved gene expression profiles are key to understand tissue organization and function. However, spatial transcriptomics (ST) profiling techniques lack single-cell resolution and require a combination with single-cell RNA sequencing (scRNA-seq) information to deconvolute the spatially indexed datasets. Leveraging the strengths of both data types, we developed SPOTlight, a computational tool that enables the integration of ST with scRNA-seq data to infer the location of cell types and states within a complex tissue. SPOTlight is centered around a seeded non-negative matrix factorization (NMF) regression, initialized using cell-type marker genes and non-negative least squares (NNLS) to subsequently deconvolute ST capture locations (spots). Simulating varying reference quantities and qualities, we confirmed high prediction accuracy also with shallowly sequenced or small-sized scRNA-seq reference datasets. SPOTlight deconvolution of the mouse brain correctly mapped subtle neuronal cell states of the cortical layers and the defined architecture of the hippocampus. In human pancreatic cancer, we successfully segmented patient sections and further fine-mapped normal and neoplastic cell states. Trained on an external single-cell pancreatic tumor references, we further charted the localization of clinical-relevant and tumor-specific immune cell states, an illustrative example of its flexible application spectrum and future potential in digital pathology.

Single-cell RNA sequencing (scRNA-seq) is the leading technique for characterizing the transcriptomes of individual cells in a sample. The latest protocols are scalable to thousands of cells and are being used to compile cell atlases of tissues, organs and organisms. However, the protocols differ substantially with respect to their RNA capture efficiency, bias, scale and costs, and their relative advantages for different applications are unclear. In the present study, we generated benchmark datasets to systematically evaluate protocols in terms of their power to comprehensively describe cell types and states. We performed a multicenter study comparing 13 commonly used scRNA-seq and single-nucleus RNA-seq protocols applied to a heterogeneous reference sample resource. Comparative analysis revealed marked differences in protocol performance. The protocols differed in library complexity and their ability to detect cell-type markers, impacting their predictive value and suitability for integration into reference cell atlases. These results provide guidance both for individual researchers and for consortium projects such as the Human Cell Atlas. A multicenter study compares 13 commonly used single-cell RNA-seq protocols.

Abstract Background Many functional analysis tools have been developed to extract functional and mechanistic insight from bulk transcriptome data. With the advent of single-cell RNA sequencing (scRNA-seq), it is in principle possible to do such an analysis for single cells. However, scRNA-seq data has characteristics such as drop-out events and low library sizes. It is thus not clear if functional TF and pathway analysis tools established for bulk sequencing can be applied to scRNA-seq in a meaningful way. Results To address this question, we perform benchmark studies on simulated and real scRNA-seq data. We include the bulk-RNA tools PROGENy, GO enrichment, and DoRothEA that estimate pathway and transcription factor (TF) activities, respectively, and compare them against the tools SCENIC/AUCell and metaVIPER, designed for scRNA-seq. For the in silico study, we simulate single cells from TF/pathway perturbation bulk RNA-seq experiments. We complement the simulated data with real scRNA-seq data upon CRISPR-mediated knock-out. Our benchmarks on simulated and real data reveal comparable performance to the original bulk data. Additionally, we show that the TF and pathway activities preserve cell type-specific variability by analyzing a mixture sample sequenced with 13 scRNA-seq protocols. We also provide the benchmark data for further use by the community. Conclusions Our analyses suggest that bulk-based functional analysis tools that use manually curated footprint gene sets can be applied to scRNA-seq data, partially outperforming dedicated single-cell tools. Furthermore, we find that the performance of functional analysis tools is more sensitive to the gene sets than to the statistic used.

Abstract The integration of orthogonal data modalities greatly supports the interpretation of transcriptomic landscapes in complex tissues. In particular, spatially resolved gene expression profiles are key to understand tissue organization and function. However, spatial transcriptomics (ST) profiling techniques lack single-cell resolution and require a combination with single-cell RNA sequencing (scRNA-seq) information to deconvolute the spatially indexed datasets. Leveraging the strengths of both data types, we developed SPOTlight, a computational tool that enables the integration of ST with scRNA-seq data to infer the location of cell types and states within a complex tissue. SPOTlight is centered around a seeded non-negative matrix factorization (NMF) regression, initialized using cell-type marker genes, and non-negative least squares (NNLS) to subsequently deconvolute ST capture locations (spots). Using synthetic spots, simulating varying reference quantities and qualities, we confirmed high prediction accuracy also with shallowly sequenced or small-sized scRNA-seq reference datasets. We trained the NMF regression model with sample-matched or external datasets, resulting in accurate and sensitive spatial predictions. SPOTlight deconvolution of the mouse brain correctly mapped subtle neuronal cell states of the cortical layers and the defined architecture of the hippocampus. In human pancreatic cancer, we successfully segmented patient sections into healthy and cancerous areas, and further fine-mapped normal and neoplastic cell states. Trained on an external pancreatic tumor immune reference, we charted the localization of clinical-relevant and tumor-specific immune cell states. Using SPOTlight to detect regional enrichment of immune cells and their co-localization with tumor and adjacent stroma provides an illustrative example in its flexible application spectrum and future potential in digital pathology.

Abstract The tumor immune microenvironment is a main contributor to cancer progression and a promising therapeutic target for oncology. However, immune microenvironments vary profoundly between patients and biomarkers for prognosis and treatment response lack precision. A comprehensive compendium of tumor immune cells is required to pinpoint predictive cellular states and their spatial localization. We generated a single-cell tumor immune atlas, jointly analyzing >500,000 cells from 217 patients and 13 cancer types, providing the basis for a patient stratification based on immune cell compositions. Projecting immune cells from external tumors onto the atlas facilitated an automated cell annotation system for a harmonized interpretation. To enable in situ mapping of immune populations for digital pathology, we applied SPOTlight , combining single-cell and spatial transcriptomics data and identifying striking spatial immune cell patterns in tumor sections. We expect the tumor immune cell atlas, together with our versatile toolbox for precision oncology, to advance currently applied stratification approaches for prognosis and immuno-therapy.

Abstract Single-cell transcriptomics allows the identification of cellular types, subtypes and states through cell clustering. In this process, similar cells are grouped before determining co-expressed marker genes for phenotype inference. The performance of computational tools is directly associated to their marker identification accuracy, but the lack of an optimal solution challenges a systematic method comparison. Moreover, phenotypes from different studies are challenging to integrate, due to varying resolution, methodology and experimental design. In this work we introduce matchSCore ( https://github.com/elimereu/matchSCore ) , an approach to match cell populations fast across tools, experiments and technologies. We compared 14 computational methods and evaluated their accuracy in clustering and gene marker identification in simulated data sets. We further used matchSCore to project cell type identities across mouse and human cell atlas projects. Despite originating from different technologies, cell populations could be matched across data sets, allowing the assignment of clusters to reference maps and their annotation.

Summary Glioblastoma recurrence originates from invasive cells at the tumour margin that escape surgical debulking, but their biology remains poorly understood. Here we generated three somatic mouse models recapitulating the main glioblastoma driver mutations to characterise margin cells. We find that, regardless of genetics, tumours converge on a common set of neural- like cellular states. However, bulk and margin display distinct neurogenic patterns and immune microenvironments. The margin is immune-cold and preferentially follows developmental-like trajectories to produce astrocyte-like cells. In contrast, injury-like programmes dominate in the bulk, are associated with immune infiltration and generate lowly-proliferative injured neural progenitor-like (iNPCs) cells. In vivo label-retention approaches further demonstrate that iNPCs account for a significant proportion of dormant glioblastoma cells and are induced by interferon signalling within T-cell niches. These findings indicate that tumour region is a major determinant of glioblastoma cell fate and therapeutic vulnerabilities identified in bulk may not extend to the margin residuum.

ABSTRACT Ulcerative colitis (UC) and Crohn’s disease (CD) are chronic inflammatory intestinal diseases that show a perplexing heterogeneity in manifestations and response to treatment. The molecular basis for this heterogeneity remains uncharacterized. We applied single-cell RNA sequencing and CosMx™ Spatial Molecular Imaging to human colon and found the highest diversity in cellular composition in the myeloid compartment of UC and CD patients. Besides resident macrophage subsets (M0 and M2), patients showed a variety of activated macrophages including classical (M1 CXCL5 and M1 ACOD1) and new inflammation-dependent alternative (IDA) macrophages. In addition, we captured intestinal neutrophils in three transcriptional states. Subepithelial IDA macrophages expressed NRG1 , which promotes epithelial differentiation. In contrast, NRG1 low IDA macrophages were expanded within the submucosa and in granulomas, in proximity to abundant inflammatory fibroblasts, which we suggest may promote macrophage activation. We conclude that macrophages sense and respond to unique tissue microenvironments, potentially contributing to patient-to-patient heterogeneity.

ABSTRACT Dysregulated microglia activation, leading to neuroinflammation, is crucial in neurodegenerative disease development and progression. The initial M1/M2 dual activation classification for microglia is outdated. Even the ‘disease-associated microglia’ (DAM) phenotype, firstly described in mice, falls short in representing the diverse microglia phenotypes in pathology. In this study, we have constructed a transcriptomic atlas of human brain immune cells by integrating single-nucleus (sn)RNA-seq datasets from multiple neurodegenerative conditions. Sixteen datasets were included, comprising 295 samples from patients with Alzheimer’s disease, autism spectrum disorder, epilepsy, multiple sclerosis, Lewy body diseases, COVID-19, and healthy controls. The integrated Human Microglia Atlas ( HuMicA ) dataset included 60,557 nuclei and revealed 11 microglial subpopulations distributed across all pathological and healthy conditions. Among these, we identified four different homeostatic clusters as well as pathological phenotypes. These included two stages of early and late activation of the DAM phenotype and the disease-inflammatory macrophage (DIM) phenotype, which was recently described in mice, and is also present in human microglia, as indicated by our analysis. The high versatility of microglia is evident through changes in subset distribution across various pathologies, suggesting their contribution in shaping pathological phenotypes. Our analysis showed overall depletion of four substates of homeostatic microglia, and expansion of niche subpopulations within the DAM and DIM spectrum across distinct neurodegenerative pathologies. The HuMicA is invaluable in advancing the study of microglia biology in both healthy and disease settings.

Summary Recent findings are challenging the classical hematopoietic model in which long-term hematopoietic stem cells (LT-HSC) are the base of the hematopoietic system. Clonal dynamics analysis of the hematopoietic system indicate that LT-HSC are not the main contributors of normal hemapoiesis in physiological conditions and the hematopoietic system is mainly maintained by multipotent progenitors (MPPs, hereafter HPC) and LT-HSCs are mostly in a non-active state. The first HSCs emerge from the aorta-gonad and mesonephros (AGM) region along with hematopoietic progenitors (HPC) within hematopoietic clusters. Molecular pathways that determine the HSC fate instead of HPC are still unknown, although inflammatory signaling, including NF-κB has been implicated in the development of HSCs. Here, we identify a chromatin binding function for IκBα (also known as the inhibitor of NF-κB) that is Polycomb repression complex 2 (PRC2)-dependent and specifically determines dormant vs proliferating HSCs from the onset of their emergence in the AGM. We find a specific reduction of LT-HSCs in the IκBα knockout new-born pups. This defect is manifested at the FL stage already, and traceable to the first emerging HSCs in the E11.5 AGM, without affecting the general HPC population. IκBα deficient LT-HSCs express dormancy signature genes, are less proliferative and can robustly respond to activation stimuli such as in vitro culture and serial transplantation. At the molecular level, we find decreased PRC2-dependent H3K27me3 at the promoters of several retinoic acid signaling elements in the IκBα - deficient aortic endothelium and E14.5 FL LT-HSCs. Additionally, IκBα binding itself is found in the promoters of retinoic acid receptors rarα in the AGM, and rarγ in the LT-HSC of FL. Overall, we demonstrate that the retinoic acid pathway is over-activated in the hematopoietic clusters of IκBα-deficient AGMs leading to premature dormancy of LT-HSCs that persists in the FL LT-HSCs.