ABSTRACT The adult liver has exceptional ability to regenerate, but how it sustains normal metabolic activities during regeneration remains unclear. Here, we use partial hepatectomy (PHx) in tandem with single-cell transcriptomics to track cellular transitions and heterogeneities of ~22,000 liver cells through the initiation, progression, and termination phases of mouse liver regeneration. Our results reveal that following PHx, a subset of hepatocytes transiently reactivates an early-postnatal-like gene expression program to proliferate, while a distinct population of metabolically hyperactive cells appears to compensate for any temporary deficits in liver function. Importantly, through combined analysis of gene regulatory networks and cell-cell interaction maps, we find that regenerating hepatocytes redeploy key developmental gene regulons, which are guided by extensive ligand–receptor mediated signaling events between hepatocytes and non-parenchymal cells. Altogether, our study offers a detailed blueprint of the intercellular crosstalk and cellular reprogramming that balances the metabolic and proliferation requirements of a regenerating liver.

Abstract Understanding how genotypic variation results in phenotypic variation, a major challenge in biology, is especially difficult for collective behaviour because collective group phenotypes arise from complex interactions between group members 1 . Honeybees aggressively defend their colony from attacks with highly integrated collective behaviour in which different groups of bees play specific roles, giving rise to distinct colony-level differences in aggression. A previous genome-wide association study of a population of Africanized honeybees ( Apis mellifera scutellata ) from Puerto Rico that recently evolved decreased aggression identified hundreds of genes with single nucleotide polymorphisms (SNPs) that associated with colony-level variation in aggression 2 . Many of these SNPs also showed strong signals of selection for decreased aggression 2,3 , but their influence on brain function was unknown. Using brain single-cell (sc) transcriptomics and sc gene regulatory network analysis, we show here that variants of these genes give rise to genetic differences in transcription factor-target gene relationships. These differences involved the activity of several TFs, some that have been previously associated with aggression, like single stranded-binding protein c31A , and some that have been associated with tissue morphogenesis but not behaviour, like apontic . The activity of these and other TFs was located in specific brain cell populations related to olfaction and vision, the two sensory modalities that bees use in colony defence. They also implicate metabolism of serotonin, a neurochemical already known to influence honeybee aggression, but not from a genetic perspective. Surprisingly, genetic differences were more pronounced in the brains of forager bees than in similarly aged but more aggressive soldier bees, pointing to an evolutionary change in division of labour for colony defence. Our results demonstrate how group genetics can shape a collective phenotype by modulating individual brain gene regulatory network architecture.

ABSTRACT Early hematopoiesis is a continuous process in which hematopoietic stem and progenitor cells (HSPCs) gradually differentiate toward specific lineages. Aging and myeloid malignant transformation are characterized by changes in the composition and regulation of HSPCs. In this study, we used single cell RNA sequencing (scRNAseq) to characterize an enriched population of human hematopoietic stem and progenitor cells (HSPC) obtained from young and elderly healthy individuals. Based on their transcriptional profile, we identified changes in the proportions of progenitor compartments during aging, and differences in their functionality, as evidenced by gene set enrichment analysis. Trajectory inference revealed that altered gene expression dynamics accompanied cell differentiation, which could explain age-associated changes in hematopoiesis. Next, we focused on key regulators of transcription by constructing gene regulatory networks and detected regulons that were specifically active in elderly individuals. Using previous findings in healthy cells as a reference, we analyzed scRNA-seq data obtained from patients with myelodysplastic syndrome (MDS) and detected specific alterations of the expression dynamics of genes involved in erythroid differentiation in all patients with MDS such as TRIB2. In addition, the comparison between transcriptional programs and GRN regulating normal HSPCs and MDS HSPCs allowed identification of regulons that were specifically active in MDS cases such as SMAD1, HOXA6, POU2F2 and RUNX1 suggesting a role of these TF in the pathogenesis of the disease. In summary, we demonstrate that the combination of single cell technologies with computational analysis tools enable the study of a variety of cellular mechanisms involved in early hematopoiesis and can be used to dissect perturbed differentiation trajectories associated with aging and malignant transformation. Furthermore, the identification of abnormal regulatory mechanisms associated with myeloid malignancies could be exploited for personalized therapeutic approaches in individual patients.

ABSTRACT Myelodysplastic syndromes (MDS) are hematopoietic stem cell (HSC) malignancies characterized by ineffective hematopoiesis, with increased incidence in elderly individuals. In this work, we analyzed the transcriptome of human HSCs purified from young and elderly healthy donors, as well as MDS patients, identifying transcriptional alterations following eight different patterns of expression. While aging-associated lesions seemed to predispose HSCs to myeloid transformation, disease-specific alterations may trigger MDS development. Among MDS-specific lesions, we detected the upregulation of the transcription factor DDIT3 . Overexpression of DDIT3 in human healthy HSCs induced an MDS-like transcriptional state, and a delay in erythropoiesis. Such effect was associated with downregulation of transcription factors required for normal erythropoiesis, and with a failure in the activation of their transcriptional programs. Moreover, DDIT3 knockdown in CD34 + cells from MDS patients with anemia was able to restore erythropoiesis. These results identify DDIT3 as a driver of dyserythropoiesis, and a potential therapeutic target to restore the inefficient erythropoiesis characterizing MDS patients. STATEMENT OF SIGNIFICANCE This study defines how human aging and MDS development are characterized by transcriptional alterations in HSCs that follow different patterns, some of which may contribute to myeloid transformation. Among them, we demonstrate how MDS-specific upregulation of DDIT3 in HSCs induces dyserythropoiesis, while its knockdown in HSPCs from MDS patients restores proper erythroid differentiation.

Abstract While myelodysplastic syndromes with del(5q) (del(5q) MDS) comprises a well-defined hematological subgroup, the molecular basis underlying its origin remains unknown. Using single cell RNA-seq (scRNA-seq) on CD34 + progenitors from del(5q) MDS patients, we have identified cells harboring the deletion, characterizing the transcriptional impact of this genetic insult on disease pathogenesis and treatment response. Interestingly, both del(5q) and non-del(5q) cells present similar transcriptional lesions, indicating that all cells, and not only those harboring the deletion, may contribute to aberrant hematopoietic differentiation. However, gene regulatory network (GRN) analyses reveal a group of regulons showing aberrant activity that could trigger altered hematopoiesis exclusively in del(5q) cells, pointing to a more prominent role of these cells in disease phenotype. In del(5q) MDS patients achieving hematological response upon lenalidomide treatment, the drug reverts several transcriptional alterations in both del(5q) and non-del(5q) cells, but other lesions remain, which may be responsible for potential future relapses. Moreover, lack of hematological response is associated with the inability of lenalidomide to reverse transcriptional alterations. Collectively, this study reveals transcriptional alterations that could contribute to the pathogenesis and treatment response of del(5q) MDS.

Drug-target interaction (DTI) prediction is a relevant but challenging task in the drug repurposing field. In-silico approaches have drawn particular attention as they can reduce associated costs and time commitment of traditional methodologies. Yet, current state-of-the-art methods present several limitations: existing DTI prediction approaches are computationally expensive, thereby hindering the ability to use large networks and exploit available datasets and, the generalization to unseen datasets of DTI prediction methods remains unexplored, which could potentially improve the development processes of DTI inferring approaches in terms of accuracy and robustness. In this work, we introduce G e nn ius (Graph Embedding Neural Network Interaction Uncovering System), a Graph Neural Network (GNN)-based method that outperforms state-of-the-art models in terms of both accuracy and time efficiency across a variety of datasets. We also demonstrated its prediction power to uncover new interactions by evaluating not previously known DTIs for each dataset. We further assessed the generalization capability of G e nn ius by training and testing it on different datasets, showing that this framework can potentially improve the DTI prediction task by training on large datasets and testing on smaller ones. Finally, we investigated qualitatively the embeddings generated by G e nn ius , revealing that the GNN encoder maintains biological information after the graph convolutions while diffusing this information through nodes, eventually distinguishing protein families in the node embedding space. Code Availability https://github.com/ubioinformat/GeNNius

ABSTRACT The early stages of the B-cell system are key for cellular immunity development, and alterations may lead to various disorders. Understanding the gene regulatory network (GRN) of this system is essential for studying healthy development and malignant transformations. To this end, we generated matched human data for chromatin accessibility and transcriptome in eight B-cell precursors, providing the first deep characterization of early B-cell differentiation, including the regulatory elements definition and the reconstruction of the GRN governing this process. Our data revealed ELK3 as a critical transcription factor (TF) in pro-B cells and uncovered their upstream regulators. We also identified MLXIP within the EBF1 regulators. Interestingly, modifications of enhancers preceding transcriptional changes were shown. Importantly, this resource helped uncover B-cell acute lymphoblastic leukemia (B-ALL) triggers, identifying pro-B and pre-B cells as inflection points of malignant transformation for some subgroups. The resource also explored the overlap of B-ALL susceptibility loci in the epigenomic profile. Overall, our study provides the most comprehensive atlas of early human B cell regulation (B-rex) at https://brex.shinyapps.io/brex/ , a resource for understanding B cell differentiation in health and disease.

Abstract Grouping gene expression into gene set activity scores (GSAS) provides better biological insights than studying individual genes. However, existing gene set projection methods cannot return representative, robust, and interpretable GSAS. We developed NetActivity , a framework based on a sparsely-connected autoencoder and a three-tier training that yields robust and interpretable GSAS. NetActivity was trained with 1,518 well-known gene sets and all GTEx samples, returning GSAS representative of the original transcriptome and assigning higher importance to more biologically relevant genes. Moreover, NetActivity returns GSAS with a more consistent definition than GSVA and hipathia, state-of-the-art gene set projection methods. Finally, NetActivity enables combining bulk RNA-seq and microarray datasets in a meta-analysis of prostate cancer progression, highlighting gene sets related to cell division. When applied to metastatic prostate cancer, gene sets associated with cancer progression were also altered due to drug resistance, while a classical enrichment analysis identified gene sets irrelevant to the phenotype.

Abstract Long non-coding RNAs (lncRNAs) play fundamental roles in cellular processes and pathologies, regulating gene expression at multiple levels. Despite being highly cell type-specific, their study at single-cell (sc) level has been challenging due to their less accurate annotation and low expression compared to protein-coding genes. To identify the important, albeit widely overlooked, specific lncRNAs from scRNA-seq data, here, we develop a computational framework, ELATUS, based on the pseudoaligner Kallisto that enhances the detection of functional lncRNAs previously undetected and exhibits higher concordance with the ATAC-seq profiles in single-cell multiome data. Importantly, we then independently confirmed the expression patterns of cell type-specific lncRNAs exclusively detected with ELATUS and unveiled biologically important lncRNAs, such as AL121895.1 , a previously undocumented cis-repressor lncRNA, whose role in breast cancer progression was unnoticed by traditional methodologies. Our results emphasize the necessity for an alternative scRNA-seq workflow tailored to lncRNAs that sheds light on the multifaceted roles of lncRNAs.

Noise in genomic sequencing data is known to have effects on various stages of genomic data analysis pipelines. Variant identification is an important step of many of these pipelines, and is increasingly being used in clinical settings to aid medical practices. We propose a denoising method, dubbed SAMDUDE, which operates on aligned genomic data in order to improve variant calling performance. Denoising human data with SAMDUDE resulted in improved variant identification in both individual chromosome as well as whole genome sequencing (WGS) data sets. In the WGS data set, denoising led to identification of almost 2,000 additional true variants, and elimination of over 1,500 erroneously identified variants. In contrast, we found that denoising with other state-of-the-art denoisers significantly worsens variant calling performance. SAMDUDE is written in Python and is freely available at https://github.com/ihwang/SAMDUDE.