The molecular underpinnings of organ dysfunction in acute COVID-19 and its potential long-term sequelae are under intense investigation. To shed light on these in the context of liver function, we performed single-nucleus RNA-seq and spatial transcriptomic profiling of livers from 17 COVID-19 decedents. We identified hepatocytes positive for SARS-CoV-2 RNA with an expression phenotype resembling infected lung epithelial cells. Integrated analysis and comparisons with healthy controls revealed extensive changes in the cellular composition and expression states in COVID-19 liver, reflecting hepatocellular injury, ductular reaction, pathologic vascular expansion, and fibrogenesis. We also observed Kupffer cell proliferation and erythrocyte progenitors for the first time in a human liver single-cell atlas, resembling similar responses in liver injury in mice and in sepsis, respectively. Despite the absence of a clinical acute liver injury phenotype, endothelial cell composition was dramatically impacted in COVID-19, concomitantly with extensive alterations and profibrogenic activation of reactive cholangiocytes and mesenchymal cells. Our atlas provides novel insights into liver physiology and pathology in COVID-19 and forms a foundational resource for its investigation and understanding.

Abstract Maintaining organ homeostasis requires complex functional synergy between distinct cell types, a snapshot of which is glimpsed through the simultaneously broad and granular analysis provided by single-cell atlases. Knowledge of the transcriptional programs underpinning the complex and specialized functions of human kidney cell populations at homeostasis is limited by difficulty accessing healthy, fresh tissue. Here, we present a single-cell perspective of healthy human kidney from 19 living donors, with equal contribution from males and females, profiling the transcriptome of 27677 high-quality cells to map healthy kidney at high resolution. Our sex-balanced dataset revealed sex-based differences in gene expression within proximal tubular cells, specifically, increased anti-oxidant metallothionein genes in females and the predominance of aerobic metabolism-related genes in males. Functional differences in metabolism were confirmed between male and female proximal tubular cells, with male cells exhibiting higher oxidative phosphorylation and higher levels of energy precursor metabolites. Within the immune niche, we identified kidney-specific lymphocyte populations with unique transcriptional profiles indicative of kidney-adapted functions and validated findings by flow cytometry. We observed significant heterogeneity in resident myeloid populations and identified an MRC1 + LYVE1 + FOLR2 + C1QC + population as the predominant myeloid population in healthy kidney. This study provides a detailed cellular map of healthy human kidney, revealing novel insights into the complexity of renal parenchymal cells and kidney-resident immune populations.

Abstract Background Primary sclerosing cholangitis (PSC) is an immune-mediated cholestatic liver disease characterized by bile retention, biliary tree destruction, and progressive fibrosis leading to end stage liver disease and transplantation. There is an unmet need to understand the cellular composition of the PSC liver and how it underlies disease pathogenesis. As such, we generated a comprehensive atlas of the PSC liver and a reference healthy liver dataset using multiple multi-omic modalities and functional validation. Methods In this work, we employed single-cell (12,000 cells), single-nuclei (23,000 nuclei), and spatial transcriptomics (1 sample by 10x Visium and 3 samples with multi-region profiling by Nanostring GeoMx DSP) to profile the cellular ecosystem in 5 patients with PSC. Transcriptomic profiles were compared to 100k single cell transcriptomes and spatial transcriptomics controls from 24 healthy neurologically deceased donor (NDD) livers. Flow cytometry and intracellular cytokine staining was performed to validate PSC-specific differences in immune phenotype and function. Results PSC explants with cirrhosis of the liver parenchyma and prominent periductal fibrosis were associated with a unique population of hepatocytes which transformed to a cholangiocyte-like phenotype. These hepatocytes were surrounded by diverse immune cell populations, including monocyte-like macrophages, liver-resident and circulating natural killer (NK) cells. Inflamed cholangiocytes, fibrosis-resident hepatic stellate cells, and endothelial cells released cytokines that recruited CD4+T-cells, dendritic cells, and neutrophils to the PSC liver. Tissue-resident macrophages, by contrast, were reduced in number and exhibited a dysfunctional inflammatory response to LPS and IFN-Ɣ stimulation. Conclusions We present the first comprehensive atlas of the PSC liver and demonstrate hyper-activation and exhaustion-like phenotypes of myeloid cells and markers of chronic cytokine expression in late-stage PSC lesions. Lay Summary Primary sclerosing cholangitis (PSC) is a rare liver disease characterized by chronic inflammation and irreparable damage to the bile ducts. Due to a limited understanding of the underlying pathogenesis of disease, there remains a paucity of treatment options. As such, we sequenced healthy and diseased livers to compare the activity, interactions, and localization of immune and non-immune cells. This revealed that outside PSC scar regions, hepatocytes are transitioning to bile duct cells, whereas within the scars, there is an accumulation of immune cells. Of these cells, macrophages that typically contribute to tissue repair were enriched in immunoregulatory genes and were less responsive to stimulation. These cells are likely involved in maintaining hepatic inflammation and could be targeted in novel therapeutic development.

The liver has been studied extensively due to the broad number of diseases affecting its vital functions. However, therapeutic advances, especially in regenerative medicine, are currently hampered by the lack of knowledge concerning human hepatic cell development. Here, we addressed this limitation by describing the developmental trajectories of different cell types comprising the human fetal liver at single-cell resolution. These transcriptomic analyses revealed that sequential cell-to-cell interactions direct functional maturation of hepatocytes, with non-parenchymal cells playing critical, supportive roles during organogenesis. We utilised this information to derive bipotential hepatoblast organoids and then exploited this novel model system to validate the importance of key signalling pathways and developmental cues. Furthermore, these insights into hepatic maturation enabled the identification of stage-specific transcription factors to improve the functionality of hepatocyte-like cells generated from human pluripotent stem cells. Thus, our study establishes a new platform to investigate the basic mechanisms of human liver development and to produce cell types for clinical applications.

Abstract Liver transplantation is currently the only treatment for end-stage liver disease and acute liver failure. Liver transplant rejection is among the most lethal complications of transplantation, and therapeutic development is limited by our lack of a comprehensive understanding of the cellular landscape of the liver. The laboratory rat ( Rattus norvegicus ), ideal in size as a model for surgical procedures, is a strong platform to study liver biology in the context of liver transplantation. Liver allograft rejection is known to be strain-specific in the rat model, although the transplantation is accepted without rejection in some strains, it leads to acute rejection in others. To shed light on the cellular landscape of the rat liver and build a foundation for strain comparison, we present a comprehensive single-cell transcriptomics map of the healthy rat liver of Lewis and Dark Agouti strains. Using a novel computational pipeline we developed to guide the detailed annotation of our rat liver atlas, we discovered that hepatic myeloid cells have strong Lewis and Dark Agouti strain-specific differences focused on inflammatory signaling pathways. We experimentally validated these strain-specific differences in myeloid inflammatory potential in vitro using intracellular cytokine staining. Our work provides the first examination of the multi-strain healthy rat liver by single cell transcriptomics and uncovers key insights into strain-specific differences in this valuable model animal. Summary The laboratory rat ( Rattus norvegicus ) is a standard model animal for orthotopic liver transplantation. Transplanting a liver from a Dark agouti (DA) to a Lewis (LEW) strain rat leads to transplant rejection and the reverse procedure leads to tolerance. Understanding this strain difference may help explain the cellular drivers of liver allograft rejection post-transplant. This study uses single-cell transcriptomics to better understand the complex cellular composition of the rat liver and unravels cellular and molecular sources of inter-strain hepatic variation. We generated single-cell transcriptomic maps of the livers of healthy DA and LEW rat strains and developed a novel, factor analysis-based bioinformatics pipeline to study data covariates, such as strain and batch. Using this approach, we discovered variations within hepatocyte and myeloid populations that explain how the states of these cells differ between strains in the healthy rat, which may explain why these strains respond differently to liver transplants.

Abstract Purpose Lung transplant (LT) recipients experience episodes of immune-mediated acute lung allograft dysfunction (ALAD). We have applied single-cell RNA sequencing (scRNAseq) to bronchoalveolar lavage (BAL) cells of stable and ALAD patients to determine key cellular elements in dysfunctional lung allografts. Our particular focus here is on studying alveolar macrophages (AMs) as scRNAseq enables us to elucidate their heterogeneity and possible association with ALAD where our knowledge from cytometry-based assays is very limited. Methods Fresh bronchoalveolar lavage (BAL) cells from 6 LT patients, 3 with stable lung function (3044 ± 1519 cells) and 3 undergoing an episode of ALAD (2593 ± 904 cells) were used for scRNAseq. R Bioconductor and Seurat were used to perform QC, dimensionality reduction, annotation, pathway analysis, and trajectory. Donor and recipient deconvolution was performed using single nucleotide variations. Results Our data revealed that AMs are highly heterogeneous (12 transcriptionally distinct subsets in stable). We identified two AM subsets uniquely represented in ALAD. Based on pathway analysis and the top differentially expressed genes in BAL we annotated them as pro-inflammatory interferon-stimulated genes (ISG) and metallothioneins-mediated inflammatory (MT). Pseudotime analysis suggested that ISG AMs represent an earlier stage of differentiation which may suggest them as monocyte drive macrophages. Our functional analysis on an independent set of BAL samples shows that ALAD samples have significantly higher expression of CXCL10, a marker of ISG AM, as we as higher secretion of pro-inflammatory cytokines. Single nucleotide variation calling algorithm has allowed us to identify macrophages of donor origin and demonstrated that donor AMs are lost with time post-transplant. Conclusion Using scRNAseq, we observed AMs heterogeneity and identified specific subsets that may be associated with allograft dysfunction. Further exploration with scRNAseq will shed light on LT immunobiology and the role of AMs in allograft injury and dysfunction.

ABSTRACT The critical functions of the human liver are coordinated through the interactions of hepatic parenchymal and non-parenchymal cells. Recent advances in single cell transcriptional approaches have enabled an examination of the human liver with unprecedented resolution. However, dissociation related cell perturbation can limit the ability to fully capture the human liver’s parenchymal cell fraction, which limits the ability to comprehensively profile this organ. Here, we report the transcriptional landscape of 73,295 cells from the human liver using matched single-cell RNA sequencing (scRNA-seq) and single-nucleus RNA sequencing (snRNA-seq). The addition of snRNA-seq enabled the characterization of interzonal hepatocytes at single-cell resolution, revealed the presence of rare subtypes of hepatic stellate cells previously only seen in disease, and detection of cholangiocyte progenitors that had only been observed during in vitro differentiation experiments. However, T and B lymphocytes and NK cells were only distinguishable using scRNA-seq, highlighting the importance of applying both technologies to obtain a complete map of tissue-resident cell-types. We validated the distinct spatial distribution of the hepatocyte, cholangiocyte and stellate cell populations by an independent spatial transcriptomics dataset and immunohistochemistry. Our study provides a systematic comparison of the transcriptomes captured by scRNA-seq and snRNA-seq and delivers a high-resolution map of the parenchymal cell populations in the healthy human liver.

Abstract Lung transplant (LT) recipients experience episodes of immune-mediated acute lung allograft dysfunction (ALAD). ALAD episodes are a risk factor for chronic lung allograft dysfunction (CLAD), the major cause of death after LT. We have applied single-cell RNA sequencing (scRNAseq) to bronchoalveolar lavage (BAL) cells from stable and ALAD patients and to cells from explanted CLAD lung tissue to determine key cellular elements in dysfunctional lung allografts, with a focus on macrophages. We identified two alveolar macrophage (AM) subsets uniquely represented in ALAD. Using pathway analysis and differentially expressed genes, we annotated these as pro-inflammatory interferon-stimulated gene (ISG) and metallothionein-mediated inflammatory (MT) AMs. Functional analysis of an independent set of AMs in vitro revealed that ALAD AMs exhibited a higher expression of CXCL10, a marker of ISG AMs, and increased secretion of pro-inflammatory cytokines compared to AMs from stable patients. Using publicly available BAL scRNAseq datasets, we found that ISG and MT AMs are associated with more severe inflammation in COVID-19 patients. Analysis of cells from four explanted CLAD lungs revealed similar macrophage populations. Using a single nucleotide variation calling algorithm, we also demonstrated contributions of donor and recipient cells to all AM subsets early post-transplant, with loss of donor-derived cells over time. Our data reveals extensive heterogeneity among lung macrophages after LT and indicates that specific sub-populations may be associated with allograft dysfunction, raising the possibility that these cells may represent important therapeutic targets.

Identification of cell type subpopulations from complex cell mixtures using single-cell RNA-sequencing (scRNA-seq) data includes automated computational steps like data normalization, dimensionality reduction and cell clustering. However, assigning cell type labels to cell clusters is still conducted manually by most researchers, resulting in limited documentation, low reproducibility and uncontrolled vocabularies. Two bottlenecks to automating this task are the scarcity of reference cell type gene expression signatures and that some dedicated methods are available only as web servers with limited cell type gene expression signatures. In this study, we benchmarked four methods (CIBERSORT, GSEA, GSVA, and ORA) for the task of assigning cell type labels to cell clusters from scRNA-seq data. We used scRNA-seq datasets from liver, peripheral blood mononuclear cells and retinal neurons for which reference cell type gene expression signatures were available. Our results show that, in general, all four methods show a high performance in the task as evaluated by Receiver Operating Characteristic curve analysis (average AUC = 0.94, sd = 0.036), whereas Precision-Recall curve analyses show a wide variation depending on the method and dataset (average AUC = 0.53, sd = 0.24). CIBERSORT and GSVA were the top two performers. Additionally, GSVA was the fastest of the four methods and was more robust in cell type gene expression signature subsampling simulations. We provide an extensible framework to evaluate other methods and datasets at https://github.com/jdime/scRNAseq_cell_cluster_labeling.