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 Fluorescence microscopy is a key method in the life sciences. State of the art -omics methods combine fluorescence microscopy with complex protocols to visualize tens to thousands of features in each of millions of pixels across samples. These -omics methods require precise control of temperature, reagent application, and image acquisition parameters during iterative chemistry and imaging cycles conducted over the course of days or weeks. Automated execution of such methods enables robust and reproducible data generation. However, few commercial solutions exist for temperature controlled, fluidics coupled fluorescence imaging, and implementation of bespoke instrumentation requires specialized engineering expertise. Here we present PySeq2500, an open source Python code base and flow cell design that converts the Illumina HiSeq 2500 instrument into an open platform for programmable applications. Customizable PySeq2500 protocols enable experimental designs involving simultaneous 4-channel image acquisition, temperature control, reagent exchange, stable positioning, and sample integrity over extended experiments. To demonstrate accessible automation of complex, multi-day workflows, we use the PySeq2500 system for unattended execution of iterative indirect immunofluorescence imaging (4i). Our automated 4i method uses off-the-shelf antibodies over multiple cycles of staining, imaging, and antibody elution to build highly multiplexed maps of cell types and pathological features in mouse and postmortem human spinal cord sections. As demonstrated here, PySeq2500 enables non-specialists to develop and implement state of the art fluidics coupled imaging methods in a widely available benchtop system.

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.