Abstract Single-cell and single-nucleus RNA sequencing have been widely adopted in studies of heterogeneous tissues to estimate their cellular composition and obtain transcriptional profiles of individual cells. However, the current fragmentary understanding of artefacts introduced by sample preparation protocols impedes the selection of optimal workflows and compromises data interpretation. To bridge this gap, we compared performance of several workflows applied to adult mouse kidneys. Our study encompasses two tissue dissociation protocols, two cell preservation methods, bulk tissue RNA sequencing, single-cell and three single-nucleus RNA sequencing workflows for the 10x Genomics Chromium platform. These experiments enable a systematic comparison of recovered cell types and their transcriptional profiles across the workflows and highlight protocol-specific biases important for the experimental design and data interpretation.

Abstract Roots are fundamental organs for plant development and response to their environment: they anchor the plant to its growth substrate, uptake nutrients and water vital to plant growth, and can sense and respond to a variety of biotic and abiotic stresses. The architecture of root systems and their growth are known to be strongly affected by the environmental conditions found in the soil. However, the acquisition of cell identities at the root meristem is still mainly viewed as ontogenetically driven, where a small number of stem cells generate all the cell types through stereotyped divisions followed by differentiation, along a simple developmental trajectory. The extent to which environmental cues precisely shape and affect these developmental trajectories remains an open question. We used single-cell RNA-seq, combined with spatial mapping, to deeply explore the trajectories of cell states at the tip of Arabidopsis roots, known to contain multiple developing lineages. Surprisingly, we found that most lineage trajectories exhibit a stereotyped bifid topology with two developmental trajectories rather than one. The formation of one of the trajectories is driven by a strong and specific activation of genes involved in the responses to various environmental stimuli, that affects only of a subset of the cells in multiple cell types simultaneously, revealing another layer of patterning of cell identities in the root that is independent of cell ontogeny. We demonstrate the robustness of this environmentally responsive transcriptional state by showing that it is present in a mutant where cell type identities are greatly perturbed, as well as in different Arabidopsis ecotypes. We also show that the root can adapt the proportion of cells that acquire this particular state in response to environmental signals such as nutrient availability. The discovery of this cell state reveals new layers of cell identity that may underpin the adaptive potential of plant development.

ABSTRACT CRISPR-dCas9 based targeted epigenome editing tools allow precise manipulation and functional investigation of various genome modifications. However, these tools often display substantial context dependency, with highly variable efficacy between target genes and cell types, potentially due to underlying variation in the chromatin modifications present. While simultaneous recruitment of multiple distinct ‘effector’ chromatin regulators has improved efficacy, these systems typically lack control over which effectors bind and their spatial organisation. To overcome this we have created a new modular combinatorial epigenome editing platform, called SSSavi. This system acts as an interchangeable and reconfigurable docking platform fused to dCas9 to enable simultaneous recruitment of up to four different effectors, allowing precise control and reconfiguration of the effector composition and spatial ordering of their binding. We demonstrate the activity and specificity of the SSSavi system and compare it to existing multi-effector targeting systems, establishing its efficacy. Furthermore, by altering the spatial ordering of effector recruitment, across multiple target genes and cell lines, we demonstrate the importance of effector recruitment order for effective transcriptional regulation. Together, this system offers the capacity to explore effector co-recruitment to specific loci to potentially enhance the manipulation of chromatin contexts previously resistant to targeted epigenomic editing.

SUMMARY Current approaches to stage chronic liver diseases have limited utility to directly predict liver cancer risk. Here, we employed single nucleus RNA sequencing (snRNA-seq) to characterize the cellular microenvironment of healthy and chronically injured pre-malignant livers using two distinct mouse models. Analysis of 40,748 hepatic nuclei unraveled a previously uncharacterized disease-associated hepatocyte transcriptional state (daHep). These cells were absent in healthy livers, but were increasingly prevalent as chronic liver disease progressed towards hepatocarcinogenesis. Gene expression deconvolution of 1,439 human liver transcriptomes from publicly available datasets revealed that daHep frequencies highly correlate with current histopathological liver disease staging systems. Importantly, we show that high daHep levels precede carcinogenesis in mice and humans and predict a higher risk of hepatocellular carcinoma (HCC) development. This novel transcriptional signature with diagnostic and, more importantly, prognostic significance has the potential to change the way chronic liver disease patients are staged, surveilled and risk-stratified.

DNA methylation functions in genome regulation and is implicated in neuronal maturation. Early post-natal accumulation of atypical non-CG methylation (mCH) occurs in neurons of mice and humans, but its precise function remains unknown. Here we investigate mCH deposition in neurons derived from mouse ES-cells in vitro and in cultured primary mouse neurons. We find that both acquire comparable levels of mCH over a similar period as in vivo. In vitro mCH deposition occurs concurrently with a transient increase in Dnmt3a expression, is preceded by expression of the post-mitotic neuronal marker Rbfox3 (NeuN) and is enriched at the nuclear lamina. Despite these similarities, whole genome bisulfite sequencing reveals that mCH patterning in mESC-derived neurons partially differs from in vivo. mESC-derived neurons therefore represent a valuable model system for analyzing the mechanisms and functional consequences of correct and aberrantly deposited CG and non-CG methylation in neuronal maturation.

Abstract Gene expression measurements, similarly to DNA methylation and proteomic measurements, are influenced by the cellular composition of the sample analysed. Deconvolution of bulk transcriptome data aims to estimate the cellular composition of a sample from its gene expression data, which in turn can be used to correct for composition differences across samples. Although a multitude of deconvolution methods have been developed, it is unclear whether their performance is consistent across tissues with different complexities of cellular composition. For example, the human brain is unique in its transcriptomic diversity, and in the complexity of its cellularity, yet a comprehensive assessment of the accuracy of transcriptome deconvolution methods on human brain data is currently lacking. Here we carry out the first comprehensive comparative evaluation of the accuracy of deconvolution methods for human brain transcriptome data, and assess the tissue-specificity of our key observations by comparison with transcriptome data from human pancreas. We evaluate 22 transcriptome deconvolution approaches, covering all main classes: 3 partial deconvolution methods, each applied with 6 different categories of cell-type signature data, 2 enrichment methods and 2 complete deconvolution methods. We test the accuracy of cell type estimates using in silico mixtures of single-cell RNA-seq data, mixtures of neuronal and glial RNA, as well as nearly 2,000 human brain samples. Our results bring several important insights into the performance of transcriptome deconvolution: (a) We find that cell-type signature data has a stronger impact on brain deconvolution accuracy than the choice of method. In contrast, cell-type signature only mildly influences deconvolution of pancreas transcriptome data, highlighting the importance of tissue-specific benchmarking. (b) We demonstrate that biological factors influencing brain cell-type signature data ( e.g. brain region, in vitro cell culturing), have stronger effects on the deconvolution outcome than technical factors ( e.g. RNA sequencing platform). (c) We find that partial deconvolution methods outperform complete deconvolution methods on human brain data. (d) We demonstrate that the impact of cellular composition differences on differential expression analyses is tissue-specific, and more pronounced for brain than for pancreas. To facilitate wider implementation of correction for cellular composition, we develop a novel brain cell-type signature, MultiBrain , which integrates single-cell, immuno-panned, and single-nucleus datasets. We demonstrate that it achieves improved deconvolution accuracy over existing reference signatures. Deconvolution of transcriptome data from autism cases and controls using MultiBrain identified cell-type composition changes replicable across studies, and highlighted novel genes dysregulated in autism.