Bacterial cell gene expression Single-cell genomics in bacteria has lagged relative to in eukaryotes because of their tough bacterial cell walls, low messenger RNA content, and lack of many posttranscriptional modifications. To tackle this challenge, Kuchina et al. developed microbial split-pool ligation transcriptomics, or microSPLiT, a single-cell sequencing method for both Gram-negative and Gram-positive bacteria. Sequencing both Escherichia coli and Bacillus subtilis showed differences in the heat shock response. Examining B. subtilis transcriptional patterns revealed that a small fraction of cells grown in laboratory medium express a myo-inositol catabolism pathway, which the cell could use in nonlaboratory environments, thus highlighting how microSPLiT can identify rare cellular states. Science , this issue p. eaba5257

Summary We present a quantitative co-analysis of RNA abundance and sarcomere organization in single cells and an integrated framework to predict subcellular organization states from gene expression. We used human induced pluripotent stem cell (hiPSC)-derived cardiomyocytes expressing mEGFP-tagged alpha-actinin-2 to develop quantitative image analysis tools for systematic and automated classification of subcellular organization. This captured a wide range of sarcomeric organization states within cell populations that were previously difficult to quantify. We performed RNA FISH targeting genes identified by single cell RNA sequencing to simultaneously assess the relationship between transcript abundance and structural states in single cells. Co-analysis of gene expression and sarcomeric patterns in the same cells revealed biologically meaningful correlations that could be used to predict organizational states. This study establishes a framework for multi-dimensional analysis of single cells to study the relationships between gene expression and subcellular organization and to develop a more nuanced description of cell states. Graphical Abstract Transcriptional profiling and structural classification was performed on human induced pluripotent stem cell-derived cardiomyocytes to characterize the relationship between transcript abundance and subcellular organization.

ABSTRACT Cerebellar development and function require precise regulation of molecular and cellular programs to coordinate motor functions and integrate network signals required for cognition and emotional regulation. However, molecular understanding of human cerebellar development is limited. Here, we combined spatially resolved and single-cell transcriptomics to systematically map the molecular, cellular, and spatial composition of early and mid-gestational human cerebellum. This enabled us to transcriptionally profile major cell types and examine the dynamics of gene expression within cell types and lineages across development. The resulting ‘Developmental Cell Atlas of the Human Cerebellum’ demonstrates that the molecular organization of the cerebellar anlage reflects cytoarchitecturally distinct regions and developmentally transient cell types that are insufficiently captured in bulk transcriptional profiles. By mapping disease genes onto cell types, we implicate the dysregulation of specific cerebellar cell types, especially Purkinje cells, in pediatric and adult neurological disorders. These data provide a critical resource for understanding human cerebellar development with implications for the cellular basis of cerebellar diseases.

Abstract We performed a comprehensive analysis of the transcriptional changes within and across cell populations during human induced pluripotent stem cell (hiPSC) differentiation to cardiomyocytes. Using the single cell RNA-seq combinatorial barcoding method SPLiT-seq, we sequenced >20,000 single cells from 55 independent samples representing two differentiation protocols and multiple hiPSC lines. Samples included experimental replicates ranging from undifferentiated hiPSCs to mixed populations of cells at D90 post-differentiation. As expected, differentiated cell populations clustered by time point, with differential expression analysis revealing markers of cardiomyocyte differentiation and maturation changing from D12 to D90. We next performed a complementary cluster-independent sparse regression analysis to identify and rank genes that best assigned cells to differentiation time points. The two highest ranked genes between D12 and D24 ( MYH7 and MYH6 ) resulted in an accuracy of 0.84, and the three highest ranked genes between D24 and D90 ( A2M, H19, IGF2 ) resulted in an accuracy of 0.94, revealing that low dimensional gene features can identify differentiation or maturation stages in differentiating cardiomyocytes. Expression levels of select genes were validated using RNA FISH. Finally, we interrogated differences in differentiation population composition and cardiac gene expression resulting from two differentiation protocols, experimental replicates, and three hiPSC lines in the WTC-11 background to identify sources of variation across these experimental variables.

Single-cell RNA-sequencing (scRNA-seq) has become an essential tool for characterizing multi-celled eukaryotic systems but current methods are not compatible with bacteria. Here, we introduce microSPLiT, a low cost and high-throughput scRNA-seq method that works for gram-negative and gram-positive bacteria and can resolve transcriptional states that remain hidden at a population level. We applied microSPLiT to >25,000 Bacillus subtilis cells sampled from different growth stages, creating a detailed atlas of changes in metabolism and lifestyle. We not only retrieve detailed gene expression profiles associated with known but rare states such as competence and PBSX prophage induction, but also identify novel and unexpected gene expression states including heterogeneous activation of a niche metabolic pathway in a subpopulation of cells. microSPLiT empowers high-throughput analysis of gene expression in complex bacterial communities.