Abstract Motivation The multiplexed imaging domain is a nascent single-cell analysis field with a complex data structure susceptible to technical variability that disrupts inference. These in situ methods are valuable in understanding cell-cell interactions, but few standardized processing steps or normalization techniques of multiplexed imaging data are available. Results We implement and compare data transformations and normalization algorithms in multiplexed imaging data. Our methods adapt the ComBat and functional data registration methods to remove slide effects in this domain, and we present an evaluation framework to compare the proposed approaches. We present clear slide-to-slide variation in the raw, unadjusted data, and show that many of the proposed normalization methods reduce this variation while preserving and improving the biological signal. Further, we find that dividing this data by its slide mean, and the functional data registration methods, perform the best under our proposed evaluation framework. In summary, this approach provides a foundation for better data quality and evaluation criteria in the multiplexed domain. Availability and Implementation Source code is provided at https://github.com/statimagcoll/MultiplexedNormalization . Contact coleman.r.harris@vanderbilt.edu Supplementary information Supplementary information is available online.

Abstract Most colorectal cancers (CRCs) develop from either adenomas (ADs) or sessile serrated lesions (SSLs). The origins and molecular landscapes of these histologically distinct pre-cancerous polyps remain incompletely understood. Here, we present an atlas at single-cell resolution of sporadic conventional tubular/tubulovillous ADs, SSLs, hyperplastic polyps (HPs), microsatellite stable (MSS) and unstable (MSI-H) CRC, and normal colonic mucosa. Using single-cell transcriptomics and multiplex imaging, we studied 69 datasets from 33 participants. We also examined separate sets of 66 and 274 polyps for RNA and targeted gene sequencing, respectively. We performed multiplex imaging on a tissue microarray of 14 ADs and 15 CRCs, and we integrated pre-cancer polyp data with published single-cell and The Cancer Genome Atlas (TCGA) bulk CRC data to establish potential polyp-cancer relationships. Striking differences were observed between ADs and SSLs that extended to MSS and MSI-H CRCs, respectively, reflecting their distinct origins and trajectories. ADs arose from WNT pathway dysregulation in stem cells, which aberrantly expanded and expressed a Hippo and ASCL2 regenerative program. In marked contrast, SSLs were depleted of stem cell-like populations and instead exhibited a program of gastric metaplasia in the setting of elevated cytotoxic inflammation. Using subtype-specific gene regulatory networks and shared genetic variant analysis, we implicated serrated polyps, including some HPs conventionally considered benign, as arising from a metaplastic program in committed absorptive cells. ADs and SSLs displayed distinct patterns of immune cell infiltration that may influence their natural history. Our multi-omic atlas provides novel insights into the malignant potential of colorectal polyps and serves as a framework for precision surveillance and prevention of sporadic CRC.

Spatially resolved molecular assays provide high dimensional genetic, transcriptomic, proteomic, and epigenetic information in situ and at various resolutions. Pairing these data across modalities with histological features enables powerful studies of tissue pathology in the context of an intact microenvironment and tissue structure. Increasing dimensions across molecular analytes and samples require new data science approaches to functionally annotate spatially resolved molecular data. A specific challenge is data-driven cross-sample domain detection that allows for analysis within and between consensus tissue compartments across high volumes of multiplex datasets stemming from tissue atlasing efforts. Here, we present MILWRM – multiplex image labeling with regional morphology – a Python package for rapid, multi-scale tissue domain detection and annotation. We demonstrate MILWRM’s utility in identifying histologically distinct compartments in human colonic polyps and mouse brain slices through spatially-informed clustering in two different spatial data modalities. Additionally, we used tissue domains detected in human colonic polyps to elucidate molecular distinction between polyp subtypes. We also explored the ability of MILWRM to identify anatomical regions of mouse brain and their respective distinct molecular profiles.

Colorectal cancer exhibits dynamic cellular and genetic heterogeneity during progression from precursor lesions toward malignancy. Leveraging spatial molecular information to construct a phylogeographic map of tumor evolution can reveal individualized growth trajectories with diagnostic and therapeutic potential. Integrative analysis of spatial multi-omic data from 31 colorectal specimens revealed simultaneous microenvironmental and clonal alterations as a function of progression. Copy number variation served to re-stratify microsatellite stable and unstable tumors into chromosomally unstable (CIN+) and hypermutated (HM) classes. Phylogeographical maps classified tumors by their evolutionary dynamics, and clonal regions were placed along a global pseudotemporal progression trajectory. Cell-state discovery from a single-cell cohort revealed recurring epithelial gene signatures and infiltrating immune states in spatial transcriptomics. Charting these states along progression pseudotime, we observed a transition to immune exclusion in CIN+ tumors as characterized by a novel gene expression signature comprised of DDR1, TGFBI, PAK4, and DPEP1 . We demonstrated how these genes and their protein products are key regulators of extracellular matrix components, are associated with lower cytotoxic immune infiltration, and show prognostic value in external cohorts. Through high-dimensional data integration, this atlas provides insights into co-evolution of tumors and their microenvironments, serving as a resource for stratification and targeted treatment of CRC.

Functional loss of the motor protein, Myosin Vb (MYO5B), induces various defects in intestinal epithelial function and causes a congenital diarrheal disorder, microvillus inclusion disease (MVID). Utilizing the MVID model mice, Vil1-CreERT2;Myo5bflox/flox (MYO5B∆IEC) and Vil1-CreERT2;Myo5bflox/G519R (MYO5B(G519R)), we previously reported that functional MYO5B loss disrupts progenitor cell differentiation and enterocyte maturation that result in villus blunting and deadly malabsorption symptoms. In this study, we determined that both absence and a point mutation of MYO5B impair lipid metabolism and alter mitochondrial structure, which may underlie the progenitor cell malfunction observed in MVID intestine. Along with a decrease in fatty acid oxidation, the lipogenesis pathway was enhanced in the MYO5B∆IEC small intestine. Consistent with these observations in vivo, RNA-sequencing of enteroids generated from two MVID mouse strains showed similar downregulation of energy metabolic enzymes, including mitochondrial oxidative phosphorylation genes. In our previous studies, lysophosphatidic acid (LPA) signaling ameliorates epithelial cell defects in MYO5B∆IEC tissues and enteroids. The present study demonstrates that the highly soluble LPAR5-preferred agonist, Compound-1, improved sodium transporter localization and absorptive function, and tuft cell differentiation in patient-modeled MVID animals that carry independent mutations in MYO5B. Body weight loss in male MYO5B(G519R) mice was ameliorated by Compound-1. These observations suggest that Compound-1 treatment has a trophic effect on intestine with MYO5B functional loss through epithelial cell-autonomous pathways that may improve the differentiation of progenitor cells and the maturation of enterocytes. Targeting LPAR5 may represent an effective therapeutic approach for treatment of MVID symptoms induced by different point mutations in MYO5B.

Microbial influences on host cells depend upon the identities of the microbes, their spatial localization, and the responses they invoke on specific host cell populations. Multi-modal analyses of both microbes and host cells in a spatially-resolved fashion would enable studies into these complex interactions in native tissue environments, potentially in clinical specimens. While techniques to preserve each of the microbial and host cell compartments have been used to examine tissues and microbes separately, we endeavored to develop approaches to simultaneously analyze both compartments. Herein, we established an original method for mucus preservation using Poloxamer 407 (also known as Pluronic F-127), a thermoreversible polymer with mucus-adhesive characteristics. We demonstrate that this approach can preserve spatially-defined compartments of the mucus bi-layer in the colon and the bacterial communities within, compared with their marked absence when tissues were processed with traditional formalin-fixed paraffin-embedded (FFPE) pipelines. Additionally, antigens for antibody staining of host cells were preserved and signal intensity for 16S rRNA fluorescence in situ hybridization (FISH) was enhanced in Poloxamer-fixed samples. This in turn enabled us to integrate multi-modal analysis using a modified multiplex immunofluorescence (MxIF) protocol. Importantly, we have formulated Poloxamer 407 to polymerize and crosslink at room temperature for use in clinical workflows. These results suggest that the fixative formulation of Poloxamer 407 can be integrated into biospecimen collection pipelines for simultaneous analysis of microbes and host cells.### Competing Interest StatementCLS receives research funding from Bristol Myers Squibb and Janssen and a personal fee from Merck & Co. in 2019 for an advisory role. The authors declare that there are no other competing interests.

ABSTRACT Microvillus Inclusion Disease (MVID), caused by loss-of-function mutations in the motor protein Myosin Vb (MYO5B), is a severe infantile disease characterized by diarrhea, malabsorption, and acid-base instability, requiring intensive parenteral support for nutritional and fluid management. Human patient-derived enteroids represent a model for investigation of monogenic epithelial disorders but are a rare resource from MVID patients. We developed human enteroids with different loss-of function MYO5B variants and showed that they recapitulated the structural changes found in native MVID enterocytes. Multiplex Immunofluorescence imaging of patient duodenal tissues revealed patient-specific changes in localization of brush border transporters. Functional analysis of electrolyte transport revealed profound loss of Na + /H + exchange (NHE) activity in MVID patient enteroids with near-normal chloride secretion. The chloride channel-blocking anti-diarrheal drug, Crofelemer, dose-dependently inhibited agonist-mediated fluid secretion. MVID enteroids exhibited altered differentiation and maturation versus healthy enteroids. Inhibition of Notch signaling with the γ-secretase inhibitor, DAPT, recovered apical brush border structure and functional Na + /H + exchange activity in MVID enteroids. Transcriptomic analysis revealed potential pathways involved in the rescue of MVID cells including serum- and glucocorticoid-induced protein kinase 2 (SGK2), and NHE regulatory factor 3 (NHERF3). These results demonstrate the utility of patient-derived enteroids for developing therapeutic approaches to MVID. Conflict-of-interest statement The authors have declared that no conflict of interest exists.

Abstract Motivation Multiplexed immunofluorescence (mIF) is an emerging assay for multichannel protein imaging that can decipher cell-level spatial features in tissues. However, existing automated cell phenotyping methods, such as clustering, face challenges in achieving consistency across experiments and often require subjective evaluation. As a result, mIF analyses often revert to marker gating based on manual thresholding of raw imaging data. Results To address the need for an evaluable semi-automated algorithm, we developed GammaGateR, an R package for interactive marker gating designed specifically for segmented cell-level data from mIF images. Based on a novel closed-form gamma mixture model, GammaGateR provides estimates of marker-positive cell proportions and soft clustering of marker-positive cells. The model incorporates user-specified constraints that provide a consistent but slide-specific model fit. We compared GammaGateR against the newest unsupervised approach for annotating mIF data, employing two colon datasets and one ovarian cancer dataset for the evaluation. We showed that GammaGateR produces highly similar results to a silver standard established through manual annotation. Furthermore, we demonstrated its effectiveness in identifying biological signals, achieved by mapping known spatial interactions between CD68 and MUC5AC cells in the colon and by accurately predicting survival in ovarian cancer patients using the phenotype probabilities as input for machine learning methods. GammaGateR is a highly efficient tool that can improve the replicability of marker gating results, while reducing the time of manual segmentation. Availability and implementation The R package is available at https://github.com/JiangmeiRubyXiong/GammaGateR.