The human heart requires a complex ensemble of specialized cell types to perform its essential function. A greater knowledge of the intricate cellular milieu of the heart is critical to increase our understanding of cardiac homeostasis and pathology. As recent advances in low-input RNA sequencing have allowed definitions of cellular transcriptomes at single-cell resolution at scale, we have applied these approaches to assess the cellular and transcriptional diversity of the nonfailing human heart.Microfluidic encapsulation and barcoding was used to perform single nuclear RNA sequencing with samples from 7 human donors, selected for their absence of overt cardiac disease. Individual nuclear transcriptomes were then clustered based on transcriptional profiles of highly variable genes. These clusters were used as the basis for between-chamber and between-sex differential gene expression analyses and intersection with genetic and pharmacologic data.We sequenced the transcriptomes of 287 269 single cardiac nuclei, revealing 9 major cell types and 20 subclusters of cell types within the human heart. Cellular subclasses include 2 distinct groups of resident macrophages, 4 endothelial subtypes, and 2 fibroblast subsets. Comparisons of cellular transcriptomes by cardiac chamber or sex reveal diversity not only in cardiomyocyte transcriptional programs but also in subtypes involved in extracellular matrix remodeling and vascularization. Using genetic association data, we identified strong enrichment for the role of cell subtypes in cardiac traits and diseases. Intersection of our data set with genes on cardiac clinical testing panels and the druggable genome reveals striking patterns of cellular specificity.Using large-scale single nuclei RNA sequencing, we defined the transcriptional and cellular diversity in the normal human heart. Our identification of discrete cell subtypes and differentially expressed genes within the heart will ultimately facilitate the development of new therapeutics for cardiovascular diseases.

Since the late 1980s, mutations in the RAS genes have been recognized as major oncogenes with a high occurrence rate in human cancers. Such mutations reduce the ability of the small GTPase RAS to hydrolyze GTP, keeping this molecular switch in a constitutively active GTP-bound form that drives, unchecked, oncogenic downstream signaling. One strategy to reduce the levels of active RAS is to target guanine nucleotide exchange factors, which allow RAS to cycle from the inactive GDP-bound state to the active GTP-bound form. Here, we describe the identification of potent and cell-active small-molecule inhibitors which efficiently disrupt the interaction between KRAS and its exchange factor SOS1, a mode of action confirmed by a series of biophysical techniques. The binding sites, mode of action, and selectivity were elucidated using crystal structures of KRASG12C-SOS1, SOS1, and SOS2. By preventing formation of the KRAS-SOS1 complex, these inhibitors block reloading of KRAS with GTP, leading to antiproliferative activity. The final compound 23 (BAY-293) selectively inhibits the KRAS-SOS1 interaction with an IC50 of 21 nM and is a valuable chemical probe for future investigations.

Abstract Summary Accurately identifying cell-types is a critical step in single-cell sequencing analyses. Here, we present marker-based automatic cell-type annotation (MACA), a new tool for annotating single-cell transcriptomics datasets. We developed MACA by testing 4 cell-type scoring methods with 2 public cell-marker databases as reference in 6 single-cell studies. MACA compares favorably to 4 existing marker-based cell-type annotation methods in terms of accuracy and speed. We show that MACA can annotate a large single-nuclei RNA-seq study in minutes on human hearts with ~290k cells. MACA scales easily to large datasets and can broadly help experts to annotate cell types in single-cell transcriptomics datasets, and we envision MACA provides a new opportunity for integration and standardization of cell-type annotation across multiple datasets. Availability and implementation MACA is written in python and released under GNU General Public License v3.0. The source code is available at https://github.com/ImXman/MACA . Contact Yang Xu ( yxu71@vols.utk.edu ), Sikander Hayat ( hayat221@gmail.com )

Introduction: The human heart requires a complex ensemble of specialized cell types to perform its essential function. A greater knowledge of the intricate cellular milieu of the heart is critical to increase our understanding of cardiac homeostasis and pathology. As recent advances in low input RNA-sequencing have allowed definitions of cellular transcriptomes at single cell resolution at scale, here we have applied these approaches to assess the cellular and transcriptional diversity of the non-failing human heart. Methods: Microfluidic encapsulation and barcoding was used to perform single nuclear RNA sequencing with samples from seven human donors, selected for their absence of overt cardiac disease. Individual nuclear transcriptomes were then clustered based upon transcriptional profiles of highly variable genes. These clusters were used as the basis for between-chamber and between-sex differential gene expression analyses and intersection with genetic and pharmacologic data. Results: We sequenced the transcriptomes of 287,269 single cardiac nuclei, revealing a total of 9 major cell types and 20 subclusters of cell types within the human heart. Cellular subclasses include two distinct groups of resident macrophages, four endothelial subtypes, and two fibroblasts subsets. Comparisons of cellular transcriptomes by cardiac chamber or sex reveal diversity not only in cardiomyocyte transcriptional programs, but also in subtypes involved in extracellular matrix remodeling and vascularization. Using genetic association data, we identified strong enrichment for the role of cell subtypes in cardiac traits and diseases. Finally, intersection of our dataset with genes on cardiac clinical testing panels and the druggable genome reveals striking patterns of cellular specificity. Conclusions: Using large-scale single nuclei RNA sequencing, we have defined the transcriptional and cellular diversity in the normal human heart. Our identification of discrete cell subtypes and differentially expressed genes within the heart will ultimately facilitate the development of new therapeutics for cardiovascular diseases.

Deep learning approaches have demonstrated the ability to design protein sequences given backbone structures [1, 2, 3, 4, 5]. While these approaches have been applied in silico to designing antibody complementarity-determining regions (CDRs), they have yet to be validated in vitro for designing antibody binders, which is the true measure of success for antibody design. Here we describe IgDesign, a deep learning method for antibody CDR design, and demonstrate its robustness with successful binder design for 8 therapeutic antigens. The model is tasked with designing heavy chain CDR3 (HCDR3) or all three heavy chain CDRs (HCDR123) using native backbone structures of antibody-antigen complexes, along with the antigen and antibody framework (FWR) sequences as context. For each of the 8 antigens, we design 100 HCDR3s and 100 HCDR123s, scaffold them into the native antibody9s variable region, and screen them for binding against the antigen using surface plasmon resonance (SPR). As a baseline, we screen 100 HCDR3s taken from the model9s training set and paired with the native HCDR1 and HCDR2. We observe that both HCDR3 design and HCDR123 design outperform this HCDR3- only baseline. IgDesign is the first experimentally validated antibody inverse folding model. It can design antibody binders to multiple therapeutic antigens with high success rates and, in some cases, improved affinities over clinically validated reference antibodies. Antibody inverse folding has applications to both de novo antibody design and lead optimization, making IgDesign a valuable tool for accelerating drug development and enabling therapeutic design.

Background: Despite the critical role of the cardiovascular system, our understanding of its cellular and transcriptional diversity remains limited. We therefore sought to characterize the cellular composition, phenotypes, molecular pathways, and communication networks between cell types at the tissue and sub-tissue level across the cardiovascular system of the healthy Wistar rat, an important model in preclinical cardiovascular research. We obtained high quality tissue samples under controlled conditions that reveal a level of cellular detail so far inaccessible in human studies. Methods and Results: We performed single nucleus RNA-sequencing in 78 samples in 10 distinct regions including the four chambers of the heart, ventricular septum, sinoatrial node, atrioventricular node, aorta, pulmonary artery, and pulmonary veins (PV), which produced an aggregate map of 505,835 nuclei. We identified 26 distinct cell types and additional subtypes, including a number of rare cell types such as PV cardiomyocytes and non-myelinating Schwann cells (NMSCs), and unique groups of vascular smooth muscle cells (VSMCs), endothelial cells (ECs) and fibroblasts (FBs), which gave rise to a detailed cell type distribution across tissues. We demonstrated differences in the cellular composition across different cardiac regions and tissue-specific differences in transcription for each cell type, highlighting the molecular diversity and complex tissue architecture of the cardiovascular system. Specifically, we observed great transcriptional heterogeneities among ECs and FBs. Importantly, several cell subtypes had a unique regional localization such as a subtype of VSMCs enriched in the large vasculature. We found the cellular makeup of PV tissue is closer to heart tissue than to the large arteries. We further explored the ligand-receptor repertoire across cell clusters and tissues, and observed tissue-enriched cellular communication networks, including heightened Nppa - Npr1/2/3 signaling in the sinoatrial node. Conclusions: Through a large single nucleus sequencing effort encompassing over 500,000 nuclei, we broadened our understanding of cellular transcription in the healthy cardiovascular system. The existence of tissue-restricted cellular phenotypes suggests regional regulation of cardiovascular physiology. The overall conservation in gene expression and molecular pathways across rat and human cell types, together with our detailed transcriptional characterization of each cell type, offers the potential to identify novel therapeutic targets and improve preclinical models of cardiovascular disease.