Single-cell transcriptome analysis enables the direct measurement of cell types and lineage hierarchies of the developing distal lung epithelium and identifies a population of bipotential alveolar progenitor cells. Stephen Quake and colleagues have used a new microfluidic single-cell RNA- sequencing method to examine the cellular heterogeneity in the developing mouse lung. Using this approach they identify potential new markers for both alveolar type 1 (AT1) cells, specialized for gas exchange, and surfactant-secreting cuboidal AT2 cells. The techniques used here could be applied to any developing or mature tissue, so it could be useful for the identification of cell types, progenitors and lineage-specific regulatory factors. The mammalian lung is a highly branched network in which the distal regions of the bronchial tree transform during development into a densely packed honeycomb of alveolar air sacs that mediate gas exchange. Although this transformation has been studied by marker expression analysis and fate-mapping, the mechanisms that control the progression of lung progenitors along distinct lineages into mature alveolar cell types are still incompletely known, in part because of the limited number of lineage markers1,2,3 and the effects of ensemble averaging in conventional transcriptome analysis experiments on cell populations1,2,3,4,5. Here we show that single-cell transcriptome analysis circumvents these problems and enables direct measurement of the various cell types and hierarchies in the developing lung. We used microfluidic single-cell RNA sequencing (RNA-seq) on 198 individual cells at four different stages encompassing alveolar differentiation to measure the transcriptional states which define the developmental and cellular hierarchy of the distal mouse lung epithelium. We empirically classified cells into distinct groups by using an unbiased genome-wide approach that did not require a priori knowledge of the underlying cell types or the previous purification of cell populations. The results confirmed the basic outlines of the classical model of epithelial cell-type diversity in the distal lung and led to the discovery of many previously unknown cell-type markers, including transcriptional regulators that discriminate between the different populations. We reconstructed the molecular steps during maturation of bipotential progenitors along both alveolar lineages and elucidated the full life cycle of the alveolar type 2 cell lineage. This single-cell genomics approach is applicable to any developing or mature tissue to robustly delineate molecularly distinct cell types, define progenitors and lineage hierarchies, and identify lineage-specific regulatory factors.

A systematic evaluation of various single-cell RNA-seq approaches reports their sensitivity, accuracy and reproducibility and establishes the high performance of a high-throughput microfluidic method. Interest in single-cell whole-transcriptome analysis is growing rapidly, especially for profiling rare or heterogeneous populations of cells. We compared commercially available single-cell RNA amplification methods with both microliter and nanoliter volumes, using sequence from bulk total RNA and multiplexed quantitative PCR as benchmarks to systematically evaluate the sensitivity and accuracy of various single-cell RNA-seq approaches. We show that single-cell RNA-seq can be used to perform accurate quantitative transcriptome measurement in individual cells with a relatively small number of sequencing reads and that sequencing large numbers of single cells can recapitulate bulk transcriptome complexity.

Individual mammalian cells exhibit large variability in cellular volume, even with the same absolute DNA content, and so must compensate for differences in DNA concentration in order to maintain constant concentration of gene expression products. Using single-molecule counting and computational image analysis, we show that transcript abundance correlates with cellular volume at the single-cell level due to increased global transcription in larger cells. Cell fusion experiments establish that increased cellular content itself can directly increase transcription. Quantitative analysis shows that this mechanism measures the ratio of cellular volume to DNA content, most likely through sequestration of a transcriptional factor to DNA. Analysis of transcriptional bursts reveals a separate mechanism for gene dosage compensation after DNA replication that enables proper transcriptional output during early and late S phase. Our results provide a framework for quantitatively understanding the relationships among DNA content, cell size, and gene expression variability in single cells.

ABSTRACT Mouse lemurs are the smallest, fastest reproducing, and among the most abundant primates, and an emerging model organism for primate biology, behavior, health and conservation. Although much has been learned about their physiology and their Madagascar ecology and phylogeny, little is known about their cellular and molecular biology. Here we used droplet- and plate-based single cell RNA-sequencing to profile 226,000 cells from 27 mouse lemur organs and tissues opportunistically procured from four donors clinically and histologically characterized. Using computational cell clustering, integration, and expert cell annotation, we defined and biologically organized over 750 mouse lemur molecular cell types and their full gene expression profiles. These include cognates of most classical human cell types, including stem and progenitor cells, and the developmental programs for spermatogenesis, hematopoiesis, and other adult tissues. We also described dozens of previously unidentified or sparsely characterized cell types and subtypes. We globally compared cell type expression profiles to define the molecular relationships of cell types across the body, and explored primate cell and gene expression evolution by comparing mouse lemur cell transcriptomes to those of human, mouse, and macaque. This revealed cell type specific patterns of primate specialization, as well as many cell types and genes for which lemur provides a better human model than mouse. The atlas provides a cellular and molecular foundation for studying this primate model organism, and establishes a general approach for other emerging model organisms.

Abstract The novel coronavirus disease 2019 (COVID-19) pandemic poses a serious public health risk. Analyzing the genome of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) from clinical samples is crucial for the understanding of viral spread and viral evolution, as well as for vaccine development. Existing sample preparation methods for viral genome sequencing are demanding on user technique and time, and thus not ideal for time-sensitive clinical samples; these methods are also not optimized for high performance on viral genomes. We have developed M etagenom I c R N A E n R ichment V ir A l sequencing (MINERVA), a facile, practical, and robust approach for metagenomic and deep viral sequencing from clinical samples. This approach uses direct tagmentation of RNA/DNA hybrids using Tn5 transposase to greatly simplify the sequencing library construction process, while subsequent targeted enrichment can generate viral genomes with high sensitivity, coverage, and depth. We demonstrate the utility of MINERVA on pharyngeal, sputum and stool samples collected from COVID-19 patients, successfully obtaining both whole metatranscriptomes and complete high-depth high-coverage SARS-CoV-2 genomes from these clinical samples, with high yield and robustness. MINERVA is compatible with clinical nucleic extracts containing carrier RNA. With a shortened hands-on time from sample to virus-enriched sequencing-ready library, this rapid, versatile, and clinic-friendly approach will facilitate monitoring of viral genetic variations during outbreaks, both current and future.

Abstract More than 95% of human genes are alternatively spliced. Yet, the extent splicing is regulated at single-cell resolution has remained controversial due to both available data and methods to interpret it. We apply the SpliZ, a new statistical approach that is agnostic to transcript annotation, to detect cell-type-specific regulated splicing in > 110K carefully annotated single cells from 12 human tissues. Using 10x data for discovery, 9.1% of genes with computable SpliZ scores are cell-type specifically spliced. These results are validated with RNA FISH, single cell PCR, and in high throughput with Smart-seq2. Regulated splicing is found in ubiquitously expressed genes such as actin light chain subunit MYL6 and ribosomal protein RPS24 , which has an epithelial-specific microexon. 13% of the statistically most variable splice sites in cell-type specifically regulated genes are also most variable in mouse lemur or mouse. SpliZ analysis further reveals 170 genes with regulated splicing during sperm development using, 10 of which are conserved in mouse and mouse lemur. The statistical properties of the SpliZ allow model-based identification of subpopulations within otherwise indistinguishable cells based on gene expression, illustrated by subpopulations of classical monocytes with stereotyped splicing, including an un-annotated exon, in SAT1 , a Diamine acetyltransferase. Together, this unsupervised and annotation-free analysis of differential splicing in ultra high throughput droplet-based sequencing of human cells across multiple organs establishes splicing is regulated cell-type-specifically independent of gene expression.

Abstract Single-cell level characterization of embryonic development is a major benchmark of human developmental biology. Spatiotemporal analysis of stem-cell-derived embryos offers conceptual and technical advances in the field. Here, we defined the single-cell spatiotemporal gene expression landscape of human embryonic development with stem-cell-derived organoids. We established the human embryonic organoid (HEMO) from expanded potential stem cells and achieved both embryonic and extraembryonic tissues in the same organoid. Time-series single-cell RNA sequencing paired with single-cell resolution spatial revealed human embryonic development signatures such as extraembryonic placenta, yolk sac hematopoiesis neural crest, blood vessels, and cardiac mesoderm. Hematopoietic tissues eventually predominated HEMO with erythropoiesis, mekagaryopiesis, and myelopoiesis. Cell-cell communication network analysis demonstrated that trophoblast-like tissues supplied WNT signaling in neural crest cells to facilitate maturation and migration. Single-cell resolution spatial transcriptomics defined the yolk sac erythro-megakaryopoietic niche. Vitronectin-integrin signaling, a major contributor to megakaryocyte maturation, was predominant in the yolk sac niche in HEMO and to human fetal samples. Overall, our study advances the spatiotemporal analysis of human embryonic development in stem-cell-derived organoids. Highlights Modeling human embryonic development from stem cells Used of both 10X Chromium and 10X Visium to define the gene expression landscape of embryonic development and hematopoiesis WNT signaling as a regulator of neural crest maturation and EMT VTN-ITGA2B as the main contributor to Mk maturation within the yolk sac erythro-megakaryopoietic niche Graphical abstract

Abstract Single-cell RNA sequencing (scRNA-seq) has led to remarkable progress in our understanding of tissue heterogeneity in health and disease. Recently, the need for scRNA-seq sample fixation has emerged in many scenarios, such as when samples need long-term transportation, or when experiments need to be temporally synchronized. Methanol fixation is a simple and gentle method that has been routinely applied in scRNA-seq. Yet, concerns remain that fixation may result in biases which may change the RNA-seq outcome. We adapted an existing methanol fixation protocol and performed scRNA-seq on both live and methanol fixed cells. Analyses of the results show methanol fixation can faithfully preserve biological related signals, while the discrepancy caused by fixation is subtle and relevant to library construction methods. By grouping transcripts based on their lengths and GC content, we find that transcripts with different features are affected by fixation to different degrees in full-length sequencing data, while the effect is alleviated in Drop-seq result. Our deep analysis reveals the effects of methanol fixation on sample RNA integrity and elucidates the potential consequences of using fixation in various scRNA-seq experiment designs.

ABSTRACT Mouse lemurs ( Microcebus spp.) are an emerging model organism for primate biology, behavior, health, and conservation. Although little has been known about their cellular and molecular biology, in the accompanying paper we used large-scale single cell RNA-sequencing of 27 organs and tissues to identify over 750 molecular cell types and their full transcriptomic profiles. Here we use this extensive transcriptomic dataset to uncover thousands of previously unidentified genes and hundreds of thousands of new splice junctions in the reference genome that globally define lemur gene structures and cell-type selective expression and splicing and to investigate gene expression evolution. We use the atlas to explore the biology and function of the lemur immune system, including the expression profiles across the organism of all MHC genes and chemokines in health and disease, and the mapping of neutrophil and macrophage development, trafficking, and activation, their local and global responses to infection, and primate-specific aspects of the program. We characterize other examples of primate-specific physiology and disease such as unique features of lemur adipocytes that may underlie their dramatic seasonal rhythms, and spontaneous metastatic endometrial cancer that models the human gynecological malignancy. We identify and describe the organism-wide expression profiles of over 400 primate genes missing in mice, some implicated in human disease. Thus, an organism-wide molecular cell atlas and molecular cell autopsies can enhance gene discovery, structure definition, and annotation in a new model organism, and can identify and elucidate primate-specific genes, physiology, diseases, and evolution.

Abstract Single-cell RNA-sequencing (scRNA-seq) is being used extensively to measure the mRNA expression of individual cells from deconstructed tissues, organs, and even entire organisms to generate cell atlas references, leading to discoveries of novel cell types and deeper insight into biological trajectories. These massive datasets are usually collected from many samples using different scRNA-seq technology platforms, including the popular SMART-Seq2 (SS2) and 10X platforms. Inherent heterogeneities between platforms, tissues, and other batch effects makes scRNA-seq data difficult to compare and integrate, especially in large-scale cell atlas efforts; yet, accurate integration is essential for gaining deeper insights into cell biology. Through comprehensive data exploration, we found that accurate integration is often hampered by differences in cell-type compositions. Herein we describe FIRM, an algorithm that addresses this problem and achieves efficient and accurate integration of heterogeneous scRNA-seq datasets across multiple tissue types, platforms, and experimental batches. We applied FIRM to numerous large-scale scRNA-seq datasets from mouse, mouse lemur, and human, comparing its performance in dataset integration with other state-of-the-art methods. FIRM-integrated datasets show accurate mixing of shared cell type identities and superior preservation of original structure without overcorrection, generating robust integrated datasets for downstream exploration and analysis. It is also a facile way to transfer cell type labels and annotations from one dataset to another, making it a reliable and versatile tool for scRNA-seq analysis, especially for cell atlas data integration.