Summary The spleen and lymph node represent important hubs for both innate and adaptive immunity 1,2 . Herein, we map immune, endothelial, and neuronal cell networks within these tissues from “normal”/non-diseased organ donors, collected through the NIH Human BioMolecular Atlas Program (HuBMAP) 3 , using highly multiplexed CODEX (CO-Detection by indEXing) imaging and 3D light sheet microscopy of cleared tissues. Building on prior reports 4–6 , we observed the lymph node subcapsular sinus expressing podoplanin, smooth muscle actin, and LYVE1. In the spleen, LYVE1 was expressed by littoral cells lining venous sinusoids, whereas podoplanin was restricted to arteries and trabeculae. 3D visualization of perivascular innervation revealed a subset of axonal processes expressing choline acetyl transferase in both tissues, in contrast with prior literature on human spleen 7 . We further report our novel observations regarding the distinct localization of GAP43 and β3-tubulin within the vascular anatomy of both lymph node and spleen, with Coronin-1A+ cells forming a dense cluster around β3-tubulin positive GAP43 low/negative segments of large vessels in spleen. These data provide an unprecedented 2D and 3D visualization of cellular networks within secondary lymphoid tissues, laying the groundwork for future disease-specific and system-wide studies of neural regulation of immunity in human lymphatics.

1. Abstract This paper reviews efforts across 16 international consortia to construct human anatomical structures, cell types, and biomarkers (ASCT+B) tables and three-dimensional reference organs in support of a Human Reference Atlas. We detail the ontological descriptions and spatial three-dimensional anatomical representations together with user interfaces that support the registration and exploration of human tissue data. Four use cases are presented to demonstrate the utility of ASCT+B tables for advancing biomedical research and improving health.

Abstract Recent advances in multiplexed imaging methods allow simultaneous detection of dozens of proteins and hundreds of RNAs enabling deep spatial characterization of both healthy and diseased tissues. Parameters for design of optimal sequencing-based experiments have been established, but such parameters, especially those estimating how much area has to be imaged to capture all cell phenotype clusters, are lacking for multiplex imaging studies. Here, using a spatial transcriptomic atlas of healthy and tumor human tissues, we developed a new statistical framework that determines the number and area of fields of view necessary to accurately identify all cell types that are part of a tissue. Using this strategy on imaging mass cytometry data, we identified a measurement of tissue spatial segregation that enables optimal experimental design. This strategy will enable significantly improved design of multiplexed imaging studies.

Abstract Effective phosphoproteome of nanoscale sample analysis remains a daunting task, primarily due to significant sample loss associated with non-specific surface adsorption during enrichment of low stoichiometric phosphopeptide. We developed a novel tandem tip phosphoproteomics sample preparation method that is capable of sample cleanup and enrichment without additional sample transfer, and its integration with our recently developed SOP (Surfactant-assisted One-Pot sample preparation) and iBASIL (improved Boosting to Amplify Signal with Isobaric Labeling) approaches provides a streamlined workflow enabling sensitive, high-throughput nanoscale phosphoproteome measurements. This approach significantly reduces both sample loss and processing time, allowing the identification of >3,000 (>9,500) phosphopeptides from 1 (10) µg of cell lysate using the label-free method without a spectral library. It also enabled precise quantification of ∼600 phosphopeptides from 100 cells sorted by FACS (single-cell level input for the enriched phosphopeptides) and ∼700 phosphopeptides from human spleen tissue voxels with a spatial resolution of 200 µm (equivalent to ∼100 cells) in a high-throughput manner. The new workflow opens avenues for phosphoproteome profiling of mass-limited samples at the low nanogram level.

Abstract The composition of immune cells in peripheral blood is dramatically remodeled throughout the human lifespan, as environmental exposures shape the proportion and phenotype of cellular subsets. These dynamic shifts complicate efforts to identify disease-associated immune signatures in type 1 diabetes (T1D), which is variable in age of onset and rate of β-cell decline. Herein, we conducted standardized flow cytometric immune profiling on peripheral blood from a cross-sectional cohort of T1D participants ( n =240), their first-degree relatives (REL, n =310), those at increased risk with two or more islet autoantibodies (RSK, n =24), and autoantibody negative healthy controls (CTR, n =252). We constructed an immune-age predictive model in healthy subjects and developed an interactive data visualization portal (ImmScape; https://ufdiabetes.shinyapps.io/ImmScape/ ). When applied to the T1D cohort, this model revealed accelerated immune aging (p<0.001) as well as phenotypic signatures of disease after age correction. Of 192 investigated flow cytometry and complete blood count readouts, 46 were significantly associated with age only, 25 with T1D only, and 23 with both age and T1D. Phenotypes associated with T1D after age-correction were predictive of T1D status (AUROC=82.3%). Phenotypes associated with accelerated aging in T1D included increased CXCR3 + and PD-1 + frequencies in naïve and memory T cell subsets, despite reduced PD-1 expression levels (mean fluorescence intensity) on memory T cells. Additionally, quantitative trait locus analysis linked an increase in HLA-DR expression on monocytes with the T1D-associated HLA-DR4/DQ8 genotype, regardless of clinical group. Our findings demonstrate advanced immune aging in T1D and highlight disease-associated phenotypes for biomarker monitoring and therapeutic interventions. One Sentence Summary Peripheral blood characterization reveals accelerated immune-age and age-adjusted proinflammatory immune phenotypes in type 1 diabetes.

ABSTRACT With advanced mass spectrometry (MS)-based proteomics, genome-scale proteome coverage can be achieved from bulk tissues. However, such bulk measurement lacks spatial resolution and obscures important tissue heterogeneity, which make it impossible for proteome mapping of tissue microenvironment. Here we report an integrated wet collection of single tissue voxel and Surfactant-assisted One-Pot voxel processing method termed wcSOP for robust label-free single voxel proteomics. wcSOP capitalizes on buffer droplet-assisted wet collection of single tissue voxel dissected by LCM into the PCR tube cap and MS-compatible surfactant-assisted one-pot voxel processing in the collection cap. This convenient method allows reproducible label-free quantification of ∼900 and ∼4,600 proteins for single voxel from fresh frozen human spleen tissue at 20 μm × 20 μm × 10 μm (close to single cells) and 200 μm × 200 μm × 10 μm (∼100 cells), respectively. 100s-1000s of protein signatures with differential expression levels were identified to be spatially resolved between spleen red and white pulp regions depending on the voxel size. Region-specific signaling pathways were enriched from single voxel proteomics data. Antibody-based CODEX imaging was used to validate label-free MS quantitation for single voxel analysis. The wcSOP-MS method paves the way for routine robust single voxel proteomics and spatial proteomics.

Several experimental models demonstrate a role for gut microbiota in the progression of type 1 diabetes (T1D) in genetically prone hosts. While the association between disturbances in gut microbiota, or microbial dysbiosis, and complex immune diseases such as inflammatory bowel diseases (IBD) are well established, less is known about its role in T1D pathogenesis. In IBD-prone interleukin-10 deficient (IL-10 KO) mice, the absence of gut microbiota under germ-free (GF) conditions prevents IBD development. However, in aged GF IL-10 KO mice (>6-months of age), polyuria and pancreatic lymphocytic infiltration resembling T1D lesions was observed. Approximately 50% of male and female mice above 6-months of age develop pancreatic immune cell infiltration, as compared to none in conventionally-raised and fecal microbiota transplanted (FMT) IL-10 KO counterparts. Immunofluorescence staining of islet infiltrates was positive for adaptive and innate immunological markers, including lymphoid and myeloid cell markers, which typically characterize autoimmune T1D lesions. A subset of GF IL-10 KO mice was also positive for insulin autoantibodies (IAA), but the majority of mice did not become diabetic. Our findings of early stage lymphocytic infiltrates in the pancreas and IAA in the absence of overt diabetes in GF IL-10 KO mice embody the early stages of T1D pathogenesis. As such, we propose that the presence of gut microbiota play a protective role against immune infiltration in the pancreas of genetically prone hosts. Moreover, our model provides an opportunity to better understand the role of the microbiota in the early stages of immune pathogenesis and perhaps conceive the development of microbe-mediated prophylactic strategies to treat or even prevent T1D.### Competing Interest StatementCJR is an employee and shareholder of MedImmune/Astrazeneca.

Abstract While predominant as a disease entity, knowledge voids exist regarding the pathogenesis of canine diabetes. To test the hypothesis that diabetic dogs have similar metabolomic perturbations to humans with type 1 diabetes (T1D), we analyzed serum metabolomic profiles of breed- and body weight-matched, diabetic (n=6) and healthy (n=6) dogs by liquid chromatography-mass spectrometry (LC-MS) profiling. We report distinct clustering of diabetic and control groups based on heat map analysis of known and unknown metabolites. Random forest classification identified 5/6 dogs per group correctly with overall out of bag error rate=16.7%. Diabetic dogs demonstrated significant upregulation of glycolysis/gluconeogenesis intermediates (e.g., glucose/fructose, C 6 H 12 O 6 , keto-hexose, deoxy-hexose, (P<0.01)), with significant downregulation of tryptophan metabolism metabolites (e.g., picolinic acid, indoxyl sulfate, anthranilate, (P<0.01)). Multiple amino acids (AA), AA metabolites, and bile acids were also significantly lower in diabetic versus healthy dogs (P<0.05) with the exception of the branched chain AA valine, which was elevated in diabetic animals (P<0.05). Metabolomic profiles in diabetic versus healthy dogs shared similarities with those reported in human T1D (e.g., alterations in glycolysis/gluconeogensis metabolites, bile acids, and elevated branched chain AA). Further studies are warranted to evaluate the utility of canine diabetes to provide novel mechanistic insights to the human disorder. Abbreviations AA (amino acid) AAb (autoantibody) FA (fatty acid) HILIC (hydrophilic interaction liquid interaction chromatography) LC-MS (liquid chromatography mass spectrometry) OOB (out of bag) T1D (type 1 diabetes) T2D (type 2 diabetes) UF (University of Florida)

Histopathological heterogeneity in human pancreas has been well documented; however, functional evidence at the tissue level is scarce. Herein we investigated in situ glucose-stimulated islet and carbachol-stimulated acinar cell secretion across the pancreas head (PH), body (PB), and tail (PT) regions in no diabetes (ND, n=15), single islet autoantibody-positive (1AAb+, n=7), and type 1 diabetes donors (T1D, <14 months duration, n=5). Insulin, glucagon, pancreatic amylase, lipase, and trypsinogen secretion along with 3D tissue morphometrical features were comparable across the regions in ND. In T1D, insulin secretion and beta-cell volume were significantly reduced within all regions, while glucagon and enzymes were unaltered. Beta-cell volume was lower despite normal insulin secretion in 1AAb+, resulting in increased volume-adjusted insulin secretion versus ND. Islet and acinar cell secretion in 1AAb+ were consistent across PH, PB and PT. This study supports low inter-regional variation in pancreas slice function and potentially, increased metabolic demand in 1AAb+.

Abstract The problem of selecting targeted gene panels that capture maximum variability encoded in scRNA-sequencing data has become of great practical importance. scRNA-seq datasets are increasingly being used to identify gene panels that can be probed using alternative molecular technologies, such as spatial transcriptomics. In this context, the number of genes that can be probed is an important limiting factor, so choosing the best subset of genes is vital. Existing methods for this task are limited by either a reliance on pre-existing cell type labels or by difficulties in identifying markers of rare cell types. We resolve this by introducing an iterative approach, geneBasis, for selecting an optimal gene panel, where each newly added gene captures the maximum distance between the true manifold and the manifold constructed using the currently selected gene panel. We demonstrate, using a variety of metrics and diverse datasets, that our approach outperforms existing strategies, and can not only resolve cell types but also more subtle cell state differences. Our approach is available as an open source, easy-to-use, documented R package ( https://github.com/MarioniLab/geneBasisR ).