Abstract Accurate cell typing is fundamental to analysis of spatial single-cell transcriptomics, but legacy scRNA-seq algorithms can underperform in this new type of data. We have developed a cell typing algorithm, Insitutype, designed for statistical and computational efficiency in spatial transcriptomics data. Insitutype is based on a likelihood model that weighs the evidence from every expression value, extracting all the information available in each cell’s expression profile. This likelihood model underlies a Bayes classifier for supervised cell typing, and an Expectation-Maximization algorithm for unsupervised and semi-supervised clustering. Insitutype also leverages alternative data types collected in spatial studies, such as cell images and spatial context, by using them to inform prior probabilities of cell type calls. We demonstrate rapid clustering of millions of cells and accurate fine-grained cell typing of kidney and non-small cell lung cancer samples.

Children with systemic lupus erythematosus (SLE) are at increased risk of developing kidney disease, termed childhood-onset lupus nephritis (cLN). Single cell transcriptomics of dissociated kidney tissue has advanced our understanding of LN pathogenesis, but loss of spatial resolution prevents interrogation of in situ cellular interactions. Using a technical advance in spatial transcriptomics, we generated a spatially resolved, single cell resolution atlas of kidney tissue (>400,000 cells) from eight cLN patients and two controls. Annotated cells were assigned to 35 reference cell types, including major kidney subsets and infiltrating immune cells. Analysis of spatial distribution demonstrated that individual immune lineages localize to specific regions in cLN kidneys, including myeloid cells trafficking to inflamed glomeruli and B cells clustering within tubulointerstitial immune hotspots. Notably, gene expression varied as a function of tissue location, demonstrating how incorporation of spatial data can provide new insights into the immunopathogenesis of SLE. Alterations in immune phenotypes were accompanied by parallel changes in gene expression by resident kidney stromal cells. However, there was little correlation between histologic scoring of cLN disease activity and glomerular cell transcriptional signatures at the level of individual glomeruli. Finally, we identified modules of spatially-correlated gene expression with predicted roles in induction of inflammation and the development of tubulointerstitial fibrosis. In summary, single cell spatial transcriptomics allows unprecedented insights into the molecular heterogeneity of cLN, paving the way towards more targeted and personalized treatment approaches.