Loss of MHC class I (MHC-I) antigen presentation in cancer cells can elicit immunotherapy resistance. A genome-wide CRISPR/Cas9 screen identified an evolutionarily conserved function of polycomb repressive complex 2 (PRC2) that mediates coordinated transcriptional silencing of the MHC-I antigen processing pathway (MHC-I APP), promoting evasion of T cell-mediated immunity. MHC-I APP gene promoters in MHC-I low cancers harbor bivalent activating H3K4me3 and repressive H3K27me3 histone modifications, silencing basal MHC-I expression and restricting cytokine-induced upregulation. Bivalent chromatin at MHC-I APP genes is a normal developmental process active in embryonic stem cells and maintained during neural progenitor differentiation. This physiological MHC-I silencing highlights a conserved mechanism by which cancers arising from these primitive tissues exploit PRC2 activity to enable immune evasion.

Bromodomain inhibitors revisited Bromodomain and extraterminal domain (BET) proteins contribute to the pathogenesis of cancer and immune diseases through their effects on transcriptional regulation. BET proteins contain two nearly identical bromodomains, BD1 and BD2, structural modules that have attracted great interest as targets for drug development. First-generation drugs that inhibited both BD1 and BD2 showed promising therapeutic activity in preclinical models but proved to be less efficacious in clinical trials. Gilan et al. took a different approach and designed drugs that selectively inhibited BD1 or BD2 (see the Perspective by Filippakopoulos and Knapp). They found that BD1 and BD2 inhibitors altered gene expression in different ways and that BD2 inhibitors had greater therapeutic activity than BD1 inhibitors in preclinical models of inflammation and autoimmune disease. Science , this issue p. 387 ; see also p. 367

Abstract Sample multiplexing is often used to reduce cost and limit batch effects in single-cell RNA sequencing (scRNA-seq) experiments. A commonly used multiplexing technique involves tagging cells prior to pooling with a hashtag oligo (HTO) that can be sequenced along with the cells’ RNA to determine their sample of origin. Several tools have been developed to demultiplex HTO sequencing data and assign cells to samples. In this study, we critically assess the performance of seven HTO demultiplexing tools: hashedDrops, HTODemux, GMM-Demux, demuxmix, deMULTIplex, BFF and HashSolo . The comparison uses data sets where each sample has also been demultiplexed using genetic variants from the RNA, enabling comparison of HTO demultiplexing techniques against complementary data from the genetic “ground truth”. We find that all methods perform similarly where HTO labelling is of high quality, but methods that assume a bimodal counts distribution perform poorly on lower quality data. We also suggest heuristic approaches for assessing the quality of HTO counts in a scRNA-seq experiment.

Cellular barcoding using heritable synthetic barcodes coupled to high throughput sequencing is a powerful technique for the accurate tracing of clonal lineages in a wide variety of biological contexts. Recent studies have integrated cellular barcoding with a single-cell transcriptomics readout, extending the capabilities of these lineage tracing methods to the single-cell level. However there remains a lack of scalable and standardised open-source tools to pre-process and visualise both population-level and single-cell level cellular barcoding datasets. To address these limitations, we developed BARtab, a portable and scalable Nextflow pipeline that automates upstream barcode extraction, quality control, filtering and enumeration from high throughput sequencing data; and bartools, an open-source R package that streamlines the analysis and visualisation of population and single-cell level cellular barcoding datasets. BARtab contains additional methods for the extraction and annotation of transcribed barcodes from single-cell RNA-seq and spatial transcriptomics experiments, thus extending this analytical toolbox to also support novel expressed cellular barcoding methodologies. We showcase the integrated BARtab and bartools workflow through comparison with previously published toolsets and via the analysis of exemplar bulk, single-cell, and spatial transcriptomics cellular barcoding datasets.