Abstract Single-cell technologies have transformed our understanding of human tissues. Yet, studies typically capture only a limited number of donors and disagree on cell type definitions. Integrating many single-cell datasets can address these limitations of individual studies and capture the variability present in the population. Here we present the integrated Human Lung Cell Atlas (HLCA), combining 49 datasets of the human respiratory system into a single atlas spanning over 2.4 million cells from 486 individuals. The HLCA presents a consensus cell type re-annotation with matching marker genes, including annotations of rare and previously undescribed cell types. Leveraging the number and diversity of individuals in the HLCA, we identify gene modules that are associated with demographic covariates such as age, sex and body mass index, as well as gene modules changing expression along the proximal-to-distal axis of the bronchial tree. Mapping new data to the HLCA enables rapid data annotation and interpretation. Using the HLCA as a reference for the study of disease, we identify shared cell states across multiple lung diseases, including SPP1 + profibrotic monocyte-derived macrophages in COVID-19, pulmonary fibrosis and lung carcinoma. Overall, the HLCA serves as an example for the development and use of large-scale, cross-dataset organ atlases within the Human Cell Atlas.

Abstract Since Next-Generation Sequencing produces reads uniformly subsampled from an input library, highly abundant sequences may mask interesting low abundance sequences. The DASH (Depleting Abundant Sequences by Hybridization) technique takes advantage of the programmability of CRISPR/Cas9 to deplete unwanted high-abundance sequences. Because desired depletion targets vary by sample type, here we describe DASHit, software that outputs an optimal DASH target set given a sequencing dataset, an updated DASH protocol, and show depletion results with DASHit-designed targets for three different species.

Abstract Reduced lung function predicts mortality and is key to the diagnosis of COPD. In a genome-wide association study in 400,102 individuals of European ancestry, we define 279 lung function signals, one-half of which are new. In combination these variants strongly predict COPD in deeply-phenotyped patient populations. Furthermore, the combined effect of these variants showed generalisability across smokers and never-smokers, and across ancestral groups. We highlight biological pathways, known and potential drug targets for COPD and, in phenome-wide association studies, autoimmune-related and other pleiotropic effects of lung function associated variants. This new genetic evidence has potential to improve future preventive and therapeutic strategies for COPD.

ABSTRACT Osteoprotegerin (OPG), a decoy receptor for receptor activator of NF-kB ligand (RANKL), is used as a biomarker for assessing severity of liver fibrosis. However, its expression and role in pulmonary fibrosis are unknown. We hypothesized that OPG also has a role in pulmonary fibrosis. Human and mouse control and fibrotic lung tissue were used to examine OPG expression, and mouse precision-cut lung slices to study OPG regulation in pulmonary fibrosis. Serum from idiopathic pulmonary fibrosis (IPF) patients and controls was analysed to investigate whether OPG levels correlate with disease status as measured by lung function. OPG-protein levels were significantly higher in mouse and human fibrotic lung tissue compared to control. OPG-mRNA and protein production were induced in mouse precision-cut-lung slices upon TGFβ stimulation and could be inhibited with galunisertib, a TGFβ receptor kinase inhibitor. OPG-protein levels in fibrotic mouse lung tissue correlated with degree of fibrosis. Isolated lung fibroblasts from IPF patients had higher OPG-protein levels than control fibroblasts. Serum OPG levels in IPF patients, at first presentation, negatively correlated with diffusing capacity to carbon monoxide. Finally, serum OPG levels higher than 1234 pg/ml at first presentation were associated with progression of disease in IPF patients. In conclusion, OPG is produced in lung tissue, associates with fibrosis, and may be a potential prognostic biomarker for IPF disease progression. Validation in a larger cohort is warranted to further explore the role of OPG in pulmonary fibrosis and its potential for assessing the prognosis of fibrotic lung disease in individual patients. Take home message Osteoprotegerin is present in fibrotic lung tissue and high serum levels correlate with low lung function and IPF disease progression in this small study, indicating osteoprotegerin may have value as a biomarker to predict IPF progression

ABSTRACT BACKGROUND Cell entry of SARS-CoV-2, the novel coronavirus causing COVID-19, is facilitated by host cell angiotensin-converting enzyme 2 (ACE2) and transmembrane serine protease 2 (TMPRSS2). We aimed to identify and characterize genes that are co-expressed with ACE2 and TMPRSS2 , and to further explore their biological functions and potential as druggable targets. METHODS Using the gene expression profiles of 1,038 lung tissue samples, we performed a weighted gene correlation network analysis (WGCNA) to identify modules of co-expressed genes. We explored the biology of co-expressed genes using bioinformatics databases, and identified known drug-gene interactions. RESULTS ACE2 was in a module of 681 co-expressed genes; 12 genes with moderate-high correlation with ACE2 (r>0.3, FDR<0.05) had known interactions with existing drug compounds. TMPRSS2 was in a module of 1,086 co-expressed genes; 15 of these genes were enriched in the gene ontology biologic process ‘Entry into host cell’, and 53 TMPRSS2- correlated genes had known interactions with drug compounds. CONCLUSION Dozens of genes are co-expressed with ACE2 and TMPRSS2 , many of which have plausible links to COVID-19 pathophysiology. Many of the co-expressed genes are potentially targetable with existing drugs, which may help to fast-track the development of COVID-19 therapeutics.

Abstract Antiviral therapies are urgently needed to treat and limit the development of severe COVID-19 disease. Ivermectin, a broad-spectrum anti-parasitic agent, has been shown to have anti-SARS-CoV-2 activity in Vero cells at a concentration of 5 µM. These in vitro results triggered the investigation of ivermectin as a treatment option to alleviate COVID-19 disease. In April 2021, the World Health Organization stated, however, the following: “the current evidence on the use of ivermectin to treat COVID-19 patients is inconclusive”. It is speculated that the in vivo concentration of ivermectin is too low to exert a strong antiviral effect. Here, we performed a head-to head comparison of the antiviral activity of ivermectin and a structurally related, but metabolically more stable, moxidectin in multiple in vitro models of SARS-CoV-2 infection, including physiologically relevant human respiratory epithelial cells. Both moxidectin and ivermectin exhibited antiviral activity in Vero E6 cells. Subsequent experiments revealed that the compounds predominantly act on a step after virus cell entry. Surprisingly, however, in human airway-derived cell models, moxidectin and ivermectin failed to inhibit SARS-CoV-2 infection, even at a concentration of 10 µM. These disappointing results calls for a word of caution in the interpretation of anti-SARS-CoV-2 activity of drugs solely based on Vero cells. Altogether, these findings suggest that, even by using a high-dose regimen of ivermectin or switching to another drug in the same class are unlikely to be useful for treatment against SARS-CoV-2 in humans.

Abstract Cell type-specific differential gene expression analyses based on single-cell transcriptome datasets are sensitive to the presence of cell-free mRNA in the droplets containing single cells. This so-called ambient RNA contamination may differ between samples obtained from patients and healthy controls. Current ambient RNA correction methods were not developed specifically for single-cell differential gene expression (sc-DGE) analyses and might therefore not sufficiently correct for ambient RNA-derived signals. Here, we show that ambient RNA levels are highly sample-specific. We found that without ambient RNA correction, sc-DGE analyses erroneously identify transcripts originating from ambient RNA as cell type-specific disease-associated genes. We therefore developed a computationally lean and intuitive correction method, Fast Correction for Ambient RNA (FastCAR), optimized for sc-DGE analysis of scRNA-Seq datasets generated by droplet-based methods including the 10XGenomics Chromium platform. FastCAR uses the profile of transcripts observed in libraries that likely represent empty droplets to determine the level of ambient RNA in each individual sample, and then corrects for these ambient RNA gene expression values. FastCAR can be applied as part of the data pre-processing and QC in sc-DGE workflows comparing scRNA-Seq data in a health versus disease experimental design. We compared FastCAR with two methods previously developed to remove ambient RNA, SoupX and CellBender. All three methods identified additional genes in sc-DGE analyses that were not identified in the absence of ambient RNA correction. However, we show that FastCAR performs better at correcting gene expression values attributed to ambient RNA, resulting in a lower frequency of false-positive observations. Moreover, the use of FastCAR in a sc-DGE workflow increases the cell-type specificity of sc-DGE analyses across disease conditions.

Abstract The use of single-cell technologies for clinical applications requires disconnecting sampling from downstream processing steps. Early sample preservation can further increase robustness and reproducibility by avoiding artifacts introduced during specimen handling. We present FixNCut, a methodology for the reversible fixation of tissue followed by dissociation that overcomes current limitations. We applied FixNCut to human and mouse tissues to demonstrate the preservation of RNA integrity, sequencing library complexity, and cellular composition, while diminishing stress-related artifacts. Besides single-cell RNA sequencing, FixNCut is compatible with multiple single-cell and spatial technologies, making it a versatile tool for robust and flexible study designs.

We collated 129 non-overlapping risk loci for chronic obstructive pulmonary disease (COPD) from the GWAS literature. Using recent and complementary integrative genomics approaches, combining GWAS and lung eQTL results, we identified 12 novel COPD loci and corresponding causal genes. In addition, we mapped candidate causal genes for 60 out of the 129 GWAS-nominated loci as well as for four sub-genome-wide significant COPD risk loci derived from the largest GWAS on COPD. Mapping causal genes in lung tissue represents an important contribution on the genetics of COPD, enriches our biological interpretation of GWAS findings, and brings us closer to clinical translation of genetic associations.

The human bronchial epithelium is composed of multiple, distinct cell types that cooperate to perform functions, such as mucociliary clearance, that defend against environmental insults. While studies have shown that smoking alters bronchial epithelial function and morphology, the precise effects of this exposure on specific cell types are not well-understood. We used single-cell RNA sequencing to profile bronchial epithelial cells from six never- and six current smokers. Unsupervised analyses identified thirteen cell clusters defined by unique combinations of nineteen distinct gene sets. Expression of a set of toxin metabolism genes localized to ciliated cells from smokers. Smoking-induced airway remodeling was characterized by a loss of club cells and extensive goblet cell hyperplasia. Finally, we identified a novel peri-goblet epithelial subpopulation in smokers that expressed a marker of bronchial premalignant lesions. Our data demonstrates that smoke exposure drives a complex landscape of cellular and molecular alterations in the human bronchial epithelium that may contribute to the onset of smoking-associated lung diseases.