Abstract Characterizing the transcriptome of individual cells is fundamental to understanding complex biological systems. We describe a droplet-based system that enables 3′ mRNA counting of tens of thousands of single cells per sample. Cell encapsulation, of up to 8 samples at a time, takes place in ∼6 min, with ∼50% cell capture efficiency. To demonstrate the system’s technical performance, we collected transcriptome data from ∼250k single cells across 29 samples. We validated the sensitivity of the system and its ability to detect rare populations using cell lines and synthetic RNAs. We profiled 68k peripheral blood mononuclear cells to demonstrate the system’s ability to characterize large immune populations. Finally, we used sequence variation in the transcriptome data to determine host and donor chimerism at single-cell resolution from bone marrow mononuclear cells isolated from transplant patients.

For nearly a century developmental biologists have recognized that cells from embryos can differ in their potential to differentiate into distinct cell types. Recently, it has been recognized that embryonic stem cells derived from both mice and humans exhibit two stable yet epigenetically distinct states of pluripotency: naive and primed. We now show that nicotinamide N-methyltransferase (NNMT) and the metabolic state regulate pluripotency in human embryonic stem cells (hESCs). Specifically, in naive hESCs, NNMT and its enzymatic product 1-methylnicotinamide are highly upregulated, and NNMT is required for low S-adenosyl methionine (SAM) levels and the H3K27me3 repressive state. NNMT consumes SAM in naive cells, making it unavailable for histone methylation that represses Wnt and activates the HIF pathway in primed hESCs. These data support the hypothesis that the metabolome regulates the epigenetic landscape of the earliest steps in human development. By comparing the metabolomes, transcriptomes and epigenomes of human pluripotent stem cell lines, Sperber et al. show that interplay between the metabolome and histone modifications drives the metabolic switch from naive to primed pluripotency.

ABSTRACT Spatial transcriptomics and multiplexed imaging are complementary methods for studying tissue biology and disease. Recently developed spatial transcriptomic methods use fresh-frozen specimens but most diagnostic specimens, clinical trials, and tissue archives rely on formaldehyde-fixed tissue. Here we describe the Pick-Seq method for deep spatial transcriptional profiling of fixed tissue. Pick-Seq is a form of micro-region sequencing in which small regions of tissue, containing 5-20 cells, are mechanically isolated on a microscope and then sequenced. We demonstrate the use of Pick-Seq with several different fixed and frozen human specimens. Application of Pick-Seq to a human melanoma with complex histology reveals significant differences in transcriptional programs associated with tumor invasion, proliferation, and immuno-editing. Parallel imaging confirms changes in immuno-phenotypes and cancer cell states. This work demonstrates the ability of Pick-Seq to generate deep spatial transcriptomic data from fixed and archival tissue with multiplexed imaging in parallel.

Abstract Chimeric antigen receptor (CAR) T-cell therapies have demonstrated transformative efficacy in treating B-cell malignancies. However, high costs and manufacturing complexities hinder their widespread use. To overcome these hurdles, we have developed the VivoVec platform, a lentiviral vector capable of generating CAR T cells in vivo. Here, we describe the incorporation of T-cell activation and costimulatory signals onto the surface of VivoVec particles (VVPs) in the form of a multidomain fusion protein and show enhanced in vivo transduction and improved CAR T-cell antitumor functionality. Furthermore, in the absence of lymphodepleting chemotherapy, administration of VVPs into nonhuman primates resulted in the robust generation of anti-CD20 CAR T cells and the complete depletion of B cells for >10 weeks. These data validate the VivoVec platform in a translationally relevant model and support its transition into human clinical testing, offering a paradigm shift in the field of CAR T-cell therapies.

Characterizing the transcriptome of individual cells is fundamental to understanding complex biological systems. We describe a droplet-based system that enables 3′ mRNA counting of up to tens of thousands of single cells per sample. Cell encapsulation in droplets takes place in ~6 minutes, with ~50% cell capture efficiency, up to 8 samples at a time. The speed and efficiency allow the processing of precious samples while minimizing stress to cells. To demonstrate the system′s technical performance and its applications, we collected transcriptome data from ~¼ million single cells across 29 samples. First, we validate the sensitivity of the system and its ability to detect rare populations using cell lines and synthetic RNAs. Then, we profile 68k peripheral blood mononuclear cells (PBMCs) to demonstrate the system′s ability to characterize large immune populations. Finally, we use sequence variation in the transcriptome data to determine host and donor chimerism at single cell resolution in bone marrow mononuclear cells (BMMCs) of transplant patients. This analysis enables characterization of the complex interplay between donor and host cells and monitoring of treatment response. This high-throughput system is robust and enables characterization of diverse biological systems with single cell mRNA analysis.