Abstract Single-cell genomics is essential to chart tumor ecosystems. Although single-cell RNA-Seq (scRNA-Seq) profiles RNA from cells dissociated from fresh tumors, single-nucleus RNA-Seq (snRNA-Seq) is needed to profile frozen or hard-to-dissociate tumors. Each requires customization to different tissue and tumor types, posing a barrier to adoption. Here, we have developed a systematic toolbox for profiling fresh and frozen clinical tumor samples using scRNA-Seq and snRNA-Seq, respectively. We analyzed 216,490 cells and nuclei from 40 samples across 23 specimens spanning eight tumor types of varying tissue and sample characteristics. We evaluated protocols by cell and nucleus quality, recovery rate and cellular composition. scRNA-Seq and snRNA-Seq from matched samples recovered the same cell types, but at different proportions. Our work provides guidance for studies in a broad range of tumors, including criteria for testing and selecting methods from the toolbox for other tumors, thus paving the way for charting tumor atlases.

Immune responses to cancer are highly variable, with mismatch repair-deficient (MMRd) tumors exhibiting more anti-tumor immunity than mismatch repair-proficient (MMRp) tumors. To understand the rules governing these varied responses, we transcriptionally profiled 371,223 cells from colorectal tumors and adjacent normal tissues of 28 MMRp and 34 MMRd individuals. Analysis of 88 cell subsets and their 204 associated gene expression programs revealed extensive transcriptional and spatial remodeling across tumors. To discover hubs of interacting malignant and immune cells, we identified expression programs in different cell types that co-varied across tumors from affected individuals and used spatial profiling to localize coordinated programs. We discovered a myeloid cell-attracting hub at the tumor-luminal interface associated with tissue damage and an MMRd-enriched immune hub within the tumor, with activated T cells together with malignant and myeloid cells expressing T cell-attracting chemokines. By identifying interacting cellular programs, we reveal the logic underlying spatially organized immune-malignant cell networks.

Malignant abdominal fluid (ascites) frequently develops in women with advanced high-grade serous ovarian cancer (HGSOC) and is associated with drug resistance and a poor prognosis1. To comprehensively characterize the HGSOC ascites ecosystem, we used single-cell RNA sequencing to profile ~11,000 cells from 22 ascites specimens from 11 patients with HGSOC. We found significant inter-patient variability in the composition and functional programs of ascites cells, including immunomodulatory fibroblast sub-populations and dichotomous macrophage populations. We found that the previously described immunoreactive and mesenchymal subtypes of HGSOC, which have prognostic implications, reflect the abundance of immune infiltrates and fibroblasts rather than distinct subsets of malignant cells2. Malignant cell variability was partly explained by heterogeneous copy number alteration patterns or expression of a stemness program. Malignant cells shared expression of inflammatory programs that were largely recapitulated in single-cell RNA sequencing of ~35,000 cells from additionally collected samples, including three ascites, two primary HGSOC tumors and three patient ascites-derived xenograft models. Inhibition of the JAK/STAT pathway, which was expressed in both malignant cells and cancer-associated fibroblasts, had potent anti-tumor activity in primary short-term cultures and patient-derived xenograft models. Our work contributes to resolving the HSGOC landscape3–5 and provides a resource for the development of novel therapeutic approaches. Single-cell transcriptomics analysis of malignant ascites samples from patients with high-grade serous ovarian cancer reveals inter- and intra-patient heterogeneity in malignant cells, cancer-associated fibroblasts and macrophages.

Prognostically relevant RNA expression states exist in pancreatic ductal adenocarcinoma (PDAC), but our understanding of their drivers, stability, and relationship to therapeutic response is limited.To examine these attributes systematically, we profiled metastatic biopsies and matched organoid models at single-cell resolution.In vivo, we identify a new intermediate PDAC transcriptional cell state and uncover distinct site-and state-specific tumor microenvironments (TMEs).Benchmarking models against this reference map, we reveal strong culture-specific biases in cancer cell transcriptional state representation driven by altered TME signals.We restore expression state heterogeneity by adding back in vivo-relevant factors and show plasticity in culture models.Further, we prove that non-genetic modulation of cell state can strongly influence drug responses, uncovering state-specific vulnerabilities.This work provides a broadly applicable framework for aligning cell states across in vivo and ex vivo settings, identifying drivers of transcriptional plasticity and manipulating cell state to target associated vulnerabilities.

SUMMARY Bulk transcriptomic studies have defined classical and basal-like gene expression subtypes in pancreatic ductal adenocarcinoma (PDAC) that correlate with survival and response to chemotherapy; however, the underlying mechanisms that govern these subtypes and their heterogeneity remain elusive. Here, we performed single-cell RNA-sequencing of 23 metastatic PDAC needle biopsies and matched organoid models to understand how tumor cell-intrinsic features and extrinsic factors in the tumor microenvironment (TME) shape PDAC cancer cell phenotypes. We identify a novel cancer cell state that co-expresses basal-like and classical signatures, demonstrates upregulation of developmental and KRAS-driven gene expression programs, and represents a transitional intermediate between the basal-like and classical poles. Further, we observe structure to the metastatic TME supporting a model whereby reciprocal intercellular signaling shapes the local microenvironment and influences cancer cell transcriptional subtypes. In organoid culture, we find that transcriptional phenotypes are plastic and strongly skew toward the classical expression state, irrespective of genotype. Moreover, we show that patient-relevant transcriptional heterogeneity can be rescued by supplementing organoid media with factors found in the TME in a subtype-specific manner. Collectively, our study demonstrates that distinct microenvironmental signals are critical regulators of clinically relevant PDAC transcriptional states and their plasticity, identifies the necessity for considering the TME in cancer modeling efforts, and provides a generalizable approach for delineating the cell-intrinsic versus -extrinsic factors that govern tumor cell phenotypes.

SUMMARY Neuroblastoma is a pediatric cancer arising from the developing sympathoadrenal lineage with complex inter- and intra-tumoral heterogeneity. To chart this complexity, we generated a comprehensive cell atlas of 55 neuroblastoma patient tumors, collected from two pediatric cancer institutions, spanning a range of clinical, genetic, and histologic features. Our atlas combines single-cell/nucleus RNA-seq (sc/scRNA-seq), bulk RNA-seq, whole exome sequencing, DNA methylation profiling, spatial transcriptomics, and two spatial proteomic methods. Sc/snRNA-seq revealed three malignant cell states with features of sympathoadrenal lineage development. All of the neuroblastomas had malignant cells that resembled sympathoblasts and the more differentiated adrenergic cells. A subset of tumors had malignant cells in a mesenchymal cell state with molecular features of Schwann cell precursors. DNA methylation profiles defined four groupings of patients, which differ in the degree of malignant cell heterogeneity and clinical outcomes. Using spatial proteomics, we found that neuroblastomas are spatially compartmentalized, with malignant tumor cells sequestered away from immune cells. Finally, we identify spatially restricted signaling patterns in immune cells from spatial transcriptomics. To facilitate the visualization and analysis of our atlas as a resource for further research in neuroblastoma, single cell, and spatial-omics, all data are shared through the Human Tumor Atlas Network Data Commons at www.humantumoratlas.org .

Abstract Immune responses to cancer are highly variable, with mismatch repair-deficient (MMRd) tumors exhibiting more anti-tumor immunity than mismatch repair-proficient (MMRp) tumors. To understand the rules governing these varied responses, we transcriptionally profiled 371,223 cells from colorectal tumors and adjacent normal tissues of 28 MMRp and 34 MMRd patients. Analysis of 88 cell subsets and their 204 associated gene expression programs revealed extensive transcriptional and spatial remodeling across tumors. To discover hubs of interacting malignant and immune cells, we identified expression programs in different cell types that co-varied across patient tumors and used spatial profiling to localize coordinated programs. We discovered a myeloid cell-attracting hub at the tumor-luminal interface associated with tissue damage, and an MMRd-enriched immune hub within the tumor, with activated T cells together with malignant and myeloid cells expressing T-cell-attracting chemokines. By identifying interacting cellular programs, we thus reveal the logic underlying spatially organized immune-malignant cell networks.

Abstract TP53 is the most frequently mutated gene across many cancers and is associated with shorter survival in non-small cell lung cancer (NSCLC). To understand how TP53 -mutant ( TP53 mut ) malignant cells interact with the tumor microenvironment (TME) at a molecular, cellular, and tissue level, we built a multi-omic cellular and spatial tumor atlas of 23 treatment-naïve NSCLC human tumors. We identified significant differences in malignant expression programs and spatial cell-cell interactions between TP53 mut and TP53 WT tumors and found that highly-entropic TP53 mut malignant cells lose alveolar identity and coincide with an increased abundance of exhausted T cells and immune checkpoint interactions with implications for response to checkpoint blockade. We also identified a multicellular, pro-metastatic, hypoxic tumor niche, where highly-plastic, TP53 mut malignant cells expressing epithelial to mesenchymal transition (EMT) programs associate with SPP1 + myeloid cells and collagen-expressing cancer-associated fibroblasts. Our approach can be further applied to investigate mutation-specific TME changes in other solid tumors.

ABSTRACT Neuroendocrine tumors (NETs) are rare cancers that may arise in the gastrointestinal tract and pancreas. The fundamental mechanisms driving gastroenteropancreatic (GEP) NET growth remain incompletely elucidated; however, the heterogeneous clinical behavior of GEP-NETs suggests that both cellular lineage dynamics and tumor microenvironment influence tumor pathophysiology. Here, we investigated the single-cell transcriptomes of tumor and immune cells from patients with gastroenteropancreatic NETs. Malignant GEP-NET cells expressed genes and regulons associated with normal, gastrointestinal endocrine cell differentiation and fate determination stages. While tumor and lymphoid compartments sparsely expressed immunosuppressive targets, infiltrating myeloid cells were enriched for alternative immunotherapy pathways including VSIR , Tim3/Gal9, and SIGLEC10 . Finally, analysis of paired primary and metastatic tissue specimens from small intestinal NETs demonstrated transcriptional transformation between the primary tumor and its distant metastasis. Our findings highlight the transcriptomic heterogeneity that distinguishes the cellular landscapes of GEP-NET anatomic subtypes and reveal potential avenues for future precision medicine therapeutics.

Single cell genomics is essential to chart the complex tumor ecosystem. While single cell RNA-Seq (scRNA-Seq) profiles RNA from cells dissociated from fresh tumor tissues, single nucleus RNA-Seq (snRNA-Seq) is needed to profile frozen or hard-to-dissociate tumors. Each strategy requires modifications to fit the unique characteristics of different tissue and tumor types, posing a barrier to adoption. Here, we developed a systematic toolbox for profiling fresh and frozen clinical tumor samples using scRNA-Seq and snRNA-Seq, respectively. We tested eight tumor types of varying tissue and sample characteristics (resection, biopsy, ascites, and orthotopic patient-derived xenograft): lung cancer, metastatic breast cancer, ovarian cancer, melanoma, neuroblastoma, pediatric sarcoma, glioblastoma, pediatric high-grade glioma, and chronic lymphocytic leukemia. Analyzing 212,498 cells and nuclei from 39 clinical samples, we evaluated protocols by cell quality, recovery rate, and cellular composition. We optimized protocols for fresh tissue dissociation for different tumor types using a decision tree to account for the technical and biological variation between clinical samples. We established methods for nucleus isolation from OCT embedded and fresh-frozen tissues, with an optimization matrix varying mechanical force, buffer, and detergent. scRNA-Seq and snRNA-Seq from matched samples recovered the same cell types and intrinsic expression profiles, but at different proportions. Our work provides direct guidance across a broad range of tumors, including criteria for testing and selecting methods from the toolbox for other tumors, thus paving the way for charting tumor atlases.