Abstract Despite the recognized importance of spinal cord in sensory processing, motor behaviors and/or neural diseases, the underlying neuronal clusters remain elusive. Recently, several studies attempted to define the neuronal types and functional heterogeneity in spinal cord using single cell and/or single-nucleus RNA-sequencing in varied animal models. However, the molecular evidence of neuronal heterogeneity in human spinal cord has not been established yet. Here we sought to classify spinal cord neurons from human donors by high-throughput single-nucleus RNA-sequencing. The functional heterogeneity of identified cell types and signaling pathways that connecting neuronal subtypes were explored. Moreover, we also compared human results with previous single-cell transcriptomic profiles of mouse spinal cord. As a result, we generated the first comprehensive atlas of human spinal cord neurons and defined 18 neuronal clusters. In addition to identification of the new and functionally-distinct neuronal subtypes, our results also provide novel marker genes for previously known neuronal types. The comparation with mouse transcriptomic profiles revealed an overall similarity in the cellular composition of spinal cord between the two species. In summary, these results illustrate the complexity and diversity of neuronal types in human spinal cord and will provide an important resource for future researches to explore the molecular mechanism underlying several spinal cord physiology and diseases.

Abstract As an indispensable tool for transcriptome-wide analysis of differential gene expression, RNA sequencing (RNAseq) has demonstrated great potential in clinical applications. However, the lack of multi-group RNA reference materials of biological relevance and the corresponding reference datasets for assessing the reliability of RNAseq hampers its wide clinical applications wherein the underlying biological differences among study groups are often small. As part of the Quartet Project for quality control and data integration of multiomic profiling, we established four RNA reference materials derived from immortalized B-lymphoblastoid cell lines from four members of a monozygotic twin family. Additionally, we constructed ratio-based transcriptome-wide reference datasets using multi-batch RNAseq datasets, providing “ground truth” for benchmarking. Moreover, Quartet-sample-based quality metrics were developed for assessing reliability of RNAseq technology in terms of intra-batch proficiency and cross-batch reproducibility. The small intrinsic biological differences among the Quartet samples enable sensitive assessment of performance of transcriptomic measurements. The Quartet RNA reference materials combined with the reference datasets can be served as unique resources for assessing data quality and improving reliability of transcriptomic profiling.

Abstract Despite the recognized importance of the spinal cord in sensory processing, motor behaviors, and neural diseases, the underlying organization of neuronal clusters and their spatial location remain elusive. Recently, several studies have attempted to define the neuronal types and functional heterogeneity in the spinal cord using single-cell or single-nucleus RNA sequencing in animal models or developing humans. However, molecular evidence of cellular heterogeneity in the adult human spinal cord is limited. Here, we classified spinal cord neurons into 21 subclusters and determined their distribution from nine human donors using single-nucleus RNA sequencing and spatial transcriptomics. Moreover, we compared the human findings with previously published single-nucleus data of the mouse adult spinal cord, which revealed an overall similarity in the neuronal composition of the spinal cord between the two species while simultaneously highlighting some degree of heterogeneity. Additionally, we examined the sex differences in the spinal neuronal subclusters. Several genes, such as SCN10A and HCN1, showed sex differences in motor neurons. Finally, we classified human dorsal root ganglia (DRG) neurons using spatial transcriptomics and explored the putative interactions between DRG and spinal cord neuronal subclusters. In summary, these results illustrate the complexity and diversity of spinal neurons in humans and provide an important resource for future research to explore the molecular mechanisms underlying spinal cord physiology and diseases.

Altitude acclimatization is the physiological process of the human body adjusting to the decreased availability of oxygen. Since several physiological processes are involved and the relation among them is complicated, analyses of single-traits is insufficient in revealing the complex mechanism of high altitude acclimatization. In this study, we examined whether these physiological responses could be studied as composite phenotypes which are represented by a linear combination of physiological traits. We developed a strategy which combines both spectral clustering and Partial Least Squares Path Modeling (PLSPM) to define composite phenotypes based on a cohort study of 883 Chinese Han males. And we captured 14 composite phenotypes from 28 physiological traits of high altitude acclimatization. Using these composite phenotypes, we applied k-means clustering to reveal hidden population physiological heterogeneity in high altitude acclimatization. Furthermore, we employed multivariate linear regression to systematically model (Model 1 and Model 2) oxygen saturation (SpO2) changes in high altitude acclimatization and evaluated the model fitness performance. And composite phenotypes based Model 2 has better fitness than single-traits based Model 1 in all measurement indices. Therefore, this new strategy of defining and applying composite phenotypes can be considered as a general strategy of complex traits research, which may also shed light on genetic loci discovery and phenome analyses.

Abstract Multiomics profiling is a powerful tool to characterize the same samples with complementary features orchestrating the genome, epigenome, transcriptome, proteome, and metabolome. However, the lack of ground truth hampers the objective assessment of and subsequent choice from a plethora of measurement and computational methods aiming to integrate diverse and often enigmatically incomparable omics datasets. Here we establish and characterize the first suites of publicly available multiomics reference materials of matched DNA, RNA, proteins, and metabolites derived from immortalized cell lines from a family quartet of parents and monozygotic twin daughters, providing built-in truth defined by family relationship and the central dogma. We demonstrate that the “ratio”-based omics profiling data, i.e ., by scaling the absolute feature values of a study sample relative to those of a concurrently measured universal reference sample, were inherently much more reproducible and comparable across batches, labs, platforms, and omics types, thus empower the horizontal (within-omics) and vertical (cross-omics) data integration in multiomics studies. Our study identifies “absolute” feature quantitation as the root cause of irreproducibility in multiomics measurement and data integration, and urges a paradigm shift from “absolute” to “ratio"-based multiomics profiling with universal reference materials.