HC
Hsu-Hsin Chen
Author with expertise in Comprehensive Integration of Single-Cell Transcriptomic Data
Achievements
Open Access Advocate
Cited Author
Key Stats
Upvotes received:
0
Publications:
4
(75% Open Access)
Cited by:
511
h-index:
8
/
i10-index:
7
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
18

Human-specific enrichment of schizophrenia risk-genes in callosal neurons of the developing neocortex

Emanuela Zuccaro et al.Sep 11, 2021
Summary Human genetic studies have provided a wealth of information on genetic risk factors associated with neuropsychiatric diseases. However, whether different brain cell types are differentially affected in disease states and when in their development and maturation alterations occur is still poorly understood. Here we generated a longitudinal transcriptional map of excitatory projection neuron (PN) and inhibitory interneuron (IN) subtypes of the cerebral cortex, across a timeline of mouse embryonic and postnatal development, as well as fetal human cortex and human cortical organoids. We found that three types of gene signatures uniquely defined each cortical neuronal subtype: dynamic (developmental), adult (terminal), and constitutive (stable), with individual neuronal subtypes varying in the degree of similarity of their signatures between species. In particular, human callosal projection neurons (CPN) displayed the greatest species divergence, with molecular signatures highly enriched for non-coding, human-specific RNAs. Evaluating the association of neuronal class-specific signatures with neuropsychiatric disease risk genes using linkage disequilibrium score regression showed that schizophrenia risk genes were enriched in CPN identity signatures from human but not mouse cortex. Human cortical organoids confirmed the association with excitatory projection neurons. The data indicate that risk gene enrichment is both species- and cell type-specific. Our study reveals molecular determinants of cortical neuron diversification and identifies human callosal projection neurons as the most species-divergent population and a potentially vulnerable neuronal class in schizophrenia.
18
Citation5
0
Save
0

Overloading And unpacKing (OAK) - droplet-based combinatorial indexing for ultra-high throughput single-cell multiomic profiling

Wu Bo et al.Jan 24, 2024
Abstract Multiomic profiling of single cells by sequencing is a powerful technique for investigating cellular diversity in complex biological systems. Although the existing droplet-based microfluidic methods have advanced single-cell sequencing, they produce a plethora of cell-free droplets and underutilize barcoding capacities due to their low cell concentration prerequisites. Meanwhile, combinatorial indexing on microplates can index cells in a more effective way; however, it requires time-consuming and laborious protocols involving multiple splitting and pooling steps. Addressing these constraints, we have developed “Overloading And unpacKing” (OAK). With reduced labor intensity, OAK can provide cost-effective multiomic profiling for hundreds of thousands of cells, offering detection sensitivity on par with commercial droplet-based methods. To demonstrate OAK’s versatility, we conducted single-cell RNA sequencing (scRNA-Seq) as well as joint single-nucleus RNA sequencing (snRNA-Seq) and single-nucleus Assay for Transposase Accessible Chromatin with sequencing (snATAC-Seq) using cell lines. We further showcased OAK’s performance on more complex samples, including in vitro differentiated bronchial epithelial cells and primary retinal tissues. Finally, we examined transcriptomic responses of 408,000 melanoma cells across around 1,000 starting lineages over a 90-day treatment with a RAF inhibitor, belvarafenib. We discovered a rare cell population (0.12%) that underwent a sequence of transcriptomic changes, resulting in belvarafenib resistance. Ultra-high throughput, broad compatibility with diverse molecular modalities, high detection sensitivity, and simplified experimental procedures distinguish OAK from previous methods, and render OAK a powerful tool for large-scale analysis of molecular signatures, even for rare cells.
0
Citation2
0
Save