The biological and functional heterogeneity between tumors—both across and within cancer types—poses a challenge for immunotherapy. To understand the factors underlying tumor immune heterogeneity and immunotherapy sensitivity, we established a library of congenic tumor cell clones from an autochthonous mouse model of pancreatic adenocarcinoma. These clones generated tumors that recapitulated T cell-inflamed and non-T-cell-inflamed tumor microenvironments upon implantation in immunocompetent mice, with distinct patterns of infiltration by immune cell subsets. Co-injecting tumor cell clones revealed the non-T-cell-inflamed phenotype is dominant and that both quantitative and qualitative features of intratumoral CD8+ T cells determine response to therapy. Transcriptomic and epigenetic analyses revealed tumor-cell-intrinsic production of the chemokine CXCL1 as a determinant of the non-T-cell-inflamed microenvironment, and ablation of CXCL1 promoted T cell infiltration and sensitivity to a combination immunotherapy regimen. Thus, tumor cell-intrinsic factors shape the tumor immune microenvironment and influence the outcome of immunotherapy.

The DNA damage response (DDR) protein 53BP1 protects DNA ends from excessive resection in G1, and thereby favors repair by nonhomologous end-joining (NHEJ) as opposed to homologous recombination (HR). During S phase, BRCA1 antagonizes 53BP1 to promote HR. The pro-NHEJ and antirecombinase functions of 53BP1 are mediated in part by RIF1, the only known factor that requires 53BP1 phosphorylation for its recruitment to double-strand breaks (DSBs). Here, we show that a 53BP1 phosphomutant, 53BP18A, comprising alanine substitutions of the eight most N-terminal S/TQ phosphorylation sites, mimics 53BP1 deficiency by restoring genome stability in BRCA1-deficient cells yet behaves like wild-type 53BP1 with respect to immunoglobulin class switch recombination (CSR). 53BP18A recruits RIF1 but fails to recruit the DDR protein PTIP to DSBs, and disruption of PTIP phenocopies 53BP18A. We conclude that 53BP1 promotes productive CSR and suppresses mutagenic DNA repair through distinct phosphodependent interactions with RIF1 and PTIP.

Brca1 is required for DNA repair by homologous recombination (HR) and normal embryonic development. Here we report that deletion of the DNA damage response factor 53BP1 overcomes embryonic lethality in Brca1-nullizygous mice and rescues HR deficiency, as measured by hypersensitivity to polyADP-ribose polymerase (PARP) inhibition. However, Brca1,53BP1 double-deficient cells are hypersensitive to DNA interstrand crosslinks (ICLs), indicating that BRCA1 has an additional role in DNA crosslink repair that is distinct from HR. Disruption of the nonhomologous end-joining (NHEJ) factor, Ku, promotes DNA repair in Brca1-deficient cells; however deletion of either Ku or 53BP1 exacerbates genomic instability in cells lacking FANCD2, a mediator of the Fanconi anemia pathway for ICL repair. BRCA1 therefore has two separate roles in ICL repair that can be modulated by manipulating NHEJ, whereas FANCD2 provides a key activity that cannot be bypassed by ablation of 53BP1 or Ku.

Abstract Type 1 diabetes (T1D) is an autoimmune disease of only partially defined etiology in which immune cells destroy insulin-producing beta cells. Using single-cell transcriptomics and an advanced analytical strategy to assess pancreatic islets of T1D, autoantibody-positive, and non-diabetic organ donors, we identified both canonical cell types and rare insulin-expressing cells with a hybrid mixture of endocrine and exocrine gene signatures within all donors. We further found elevated expression of MHC Class II pathway genes in exocrine ductal cells of T1D donors, which we confirmed through CyTOF, in situ imaging mass cytometry, and immunofluorescence analysis. Taken together, our multimodal analyses identify novel cell types and processes that may contribute to T1D immunopathogenesis and provide new cellular and molecular insights into human pancreas function.

Abstract Transcriptional programs contribute to phenotypic and functional cell states. While elucidation of cell state heterogeneity and its role in biology and pathobiology has been advanced by studying single cell level measurements, the underlying assumptions of current analytical methods limit the identification and exploration of cell clades. Unlike other methods, which produce a single uni-layer partition of cells ignoring echelons of cell states, we present TooManyCells , a software consisting of a suite of graph-based tools for efficient, global, and unbiased identification and visualization of cell clades while maintaining and presenting the relationship between cell states. TooManyCells provides a set of tools based on a matrix-free efficient divisive hierarchical spectral clustering algorithm wholly different from the prevalent Louvain-based methods. BirchBeer , the visualization component of TooManyCells , introduces a new approach for single cell analysis that is built on a concept intentionally orthogonal to the widely used dimensionality reduction methods. Together, this suite of tools provide a paradigm shift in the analysis and interpretation of single cell data by enabling simultaneous comparisons of cell states at context-and application-dependent scales. A byproduct of this shift is the immediate detection and visualization of rare populations that outperforms previous algorithms as demonstrated by applying these tools to existing single cell RNA-seq data sets from various mouse organs.

Type 1 and Type 2 diabetes are distinct genetic diseases of the pancreas which are defined by the abnormal level of blood glucose. Understanding the initial molecular perturbations that occur during the pathogenesis of diabetes is of critical importance in understanding these disorders. The inability to biopsy the human pancreas of living donors hampers insights into early detection, as the majority of diabetes studies have been performed on peripheral leukocytes from the blood, which is not the site of pathogenesis. Therefore, efforts have been made by various teams including the Human Pancreas Analysis Program (HPAP) to collect pancreatic tissues from deceased organ donors with different clinical phenotypes. HPAP is designed to define the molecular pathogenesis of islet dysfunction by generating detailed datasets of functional, cellular, and molecular information in pancreatic tissues of clinically well-defined organ donors with Type 1 and Type 2 diabetes. Moreover, data generated by HPAP continously become available through a centralized database, PANC-DB, thus enabling the diabetes research community to access these multi-dimensional data prepublication. Here, we present the computational workflow for single-cell RNA-seq data analysis of 258,379 high-quality cells from the pancreatic islets of 67 human donors generated by HPAP, the largest existing scRNA-seq dataset of human pancreatic tissues. We report various computational steps including preprocessing, doublet removal, clustering and cell type annotation across single-cell RNA-seq data from islets of four distintct classes of organ donors, i.e. non-diabetic control, autoantibody positive but normoglycemic, Type 1 diabetic, and Type 2 diabetic individuals. Moreover, we present an interactive tool, called CellxGene developed by the Chan Zuckerberg initiative, to navigate these high-dimensional datasets. Our data and interactive tools provide a reliable reference for singlecell pancreatic islet biology studies, especially diabetes-related conditions.

Sequencing-based mapping of ensemble pairwise interactions among regulatory elements support the existence of topological assemblies known as promoter-enhancer hubs or cliques in cancer. Yet, prevalence, regulators, and functions of promoter-enhancer hubs in individual cancer cells remain unclear. Here, we systematically integrated functional genomics, transcription factor screening, and optical mapping of promoter-enhancer interactions to identify key promoter-enhancer hubs, examine heterogeneity of their assembly, determine their regulators, and elucidate their role in gene expression control in individual triple negative breast cancer (TNBC) cells. Optical mapping of individual SOX9 and MYC alleles revealed the existence of frequent multiway interactions among promoters and enhancers within spatial hubs. Our single-allele studies further demonstrated that lineage-determining SOX9 and signaling-dependent NOTCH1 transcription factors compact MYC and SOX9 hubs. Together, our findings suggest that promoter-enhancer hubs are dynamic and heterogeneous topological assemblies, which are controlled by oncogenic transcription factors and facilitate subtype-restricted gene expression in cancer.

Recurrent internal tandem duplication (ITD) mutations are observed in various cancers including acute myeloid leukemia (AML). ITD mutations of Fms-like tyrosine kinase 3 (FLT3) receptor increase kinase activity, and are associated with poor prognostic outcomes. Currently, several small-molecule FLT3 inhibitors (FLT3i) are in clinical trials for targeted therapy of high-risk FLT3-ITD-positive AML. However, the variability of survival following FLT3i treatment suggests that the mere presence of FLT3-ITD mutations in a patient might not guarantee effective clinical response to targeted inhibition of FLT3 kinase. Motivated by the heterogeneity of FLT3-ITD mutations, we sought to investigate the effects of FLT3-ITD structural features on response to treatment in AML patients. To this end, we developed HeatITup (HEAT diffusion for Internal Tandem dUPlication), an algorithm to efficiently and accurately identify ITDs and classify them based on their nucleotide composition into newly defined categories of "typical" or "atypical". Typical ITDs insert sequences are entirely endogenous to the FLT3 locus whereas atypical ITDs contain nucleotides exogenous to the wildtype FLT3. We applied HeatITup to our cohort of de novo and relapsed AML patients. Individuals with AML carrying typical ITDs benefited significantly more from FLT3i than patients with atypical ITDs, regardless of whether FLT3i was used after initial induction or at relapse. Furthermore, analysis of the TCGA AML cohort demonstrated improved survival for patients with typical ITDs treated with induction chemotherapy. These results underscore the importance of structural discernment of complex somatic mutations such as ITDs in progressing towards personalized treatment for AML patients.

Abstract Type 1 diabetes (T1D) is a chronic condition in which the insulin-producing beta cells are destroyed by immune cells. Research in the past few decades characterized the immune cells involved in disease pathogenesis and has led to the development of immunotherapies that can delay the onset of T1D by two years. Despite this progress, early detection of autoimmunity in individuals who will develop T1D remains a challenge. Here, we evaluated the potential of combining single-cell genomics and machine learning strategies as a prime approach to tackle this challenge. We used gradient-boosting-based machine learning algorithms and modeled changes in transcriptional profiles of single cells from pancreatic tissues in T1D and nondiabetic organ donors collected by the Human Pancreas Analysis Program. We assessed whether mathematical modelling could predict the likelihood of T1D development in nondiabetic autoantibody-positive organ donors. While the majority of autoantibody-positive organ donors were predicted to be nondiabetic by our model, select donors with unique gene signatures were classified with the T1D group. Remarkably, our strategy also revealed a shared gene signature in distinct T1D associated models based on different cell types including alpha cells, beta cells and acinar cells, suggesting a common effect of the disease on transcriptional outputs of these cells. Together, our strategy presents the first report on the utility of machine learning algorithms in early detection of molecular changes in T1D.

Abstract The therapeutic landscape for Type 1 Diabetes (T1D) is rapidly changing as ongoing clinical trials aim to delay beta-cell loss by inhibiting proinflammatory cytokines. However, the precise timing and cellular contexts of cytokine dysregulation remains unknown. We generated the largest existing measurement of gene expression and chromatin accessibility in ∼1 million immune cells from the pancreatic lymph nodes and spleens of 34 T1D and non-diabetic organ donors. Our study revealed heightened gene activity of the tumor necrosis factor (TNF) pathway and subsequent chromatin remodeling in central memory CD4 + T cells residing in the pancreatic lymph nodes of T1D and non-diabetic islet-autoantibody positive donors. These findings, validated in mice, offer a mechanism underlying the efficacy of TNF inhibitors, currently undergoing clinical trials to delay T1D onset.