Large-scale surveys of single-cell gene expression have the potential to reveal rare cell populations and lineage relationships but require efficient methods for cell capture and mRNA sequencing. Although cellular barcoding strategies allow parallel sequencing of single cells at ultra-low depths, the limitations of shallow sequencing have not been investigated directly. By capturing 301 single cells from 11 populations using microfluidics and analyzing single-cell transcriptomes across downsampled sequencing depths, we demonstrate that shallow single-cell mRNA sequencing (~50,000 reads per cell) is sufficient for unbiased cell-type classification and biomarker identification. In the developing cortex, we identify diverse cell types, including multiple progenitor and neuronal subtypes, and we identify EGR1 and FOS as previously unreported candidate targets of Notch signaling in human but not mouse radial glia. Our strategy establishes an efficient method for unbiased analysis and comparison of cell populations from heterogeneous tissue by microfluidic single-cell capture and low-coverage sequencing of many cells.

Background We aimed to assess the clinical validity of circulating tumour cell (CTC) quantification for prognostication of patients with metastatic breast cancer by undertaking a pooled analysis of individual patient data. Methods We contacted 51 European centres and asked them to provide reported and unreported anonymised data for individual patients with metastatic breast cancer who participated in studies between January, 2003, and July, 2012. Eligible studies had participants starting a new line of therapy, data for progression-free survival or overall survival, or both, and CTC quantification by the CellSearch method at baseline (before start of new treatment). We used Cox regression models, stratified by study, to establish the association between CTC count and progression-free survival and overall survival. We used the landmark method to assess the prognostic value of CTC and serum marker changes during treatment. We assessed the added value of CTCs or serum markers to prognostic clinicopathological models in a resampling procedure using likelihood ratio (LR) χ2 statistics. Findings 17 centres provided data for 1944 eligible patients from 20 studies. 911 patients (46·9%) had a CTC count of 5 per 7·5 mL or higher at baseline, which was associated with decreased progression-free survival (hazard ratio [HR] 1·92, 95% CI 1·73–2·14, p<0·0001) and overall survival (HR 2·78, 95% CI 2·42–3·19, p<0·0001) compared with patients with a CTC count of less than 5 per 7·5 mL at baseline. Increased CTC counts 3–5 weeks after start of treatment, adjusted for CTC count at baseline, were associated with shortened progression-free survival (HR 1·85, 95% CI 1·48–2·32, p<0·0001) and overall survival (HR 2·26, 95% CI 1·68–3·03) as were increased CTC counts after 6–8 weeks (progression-free survival HR 2·20, 95% CI 1·66–2·90, p<0·0001; overall survival HR 2·91, 95% CI 2·01–4·23, p<0·0001). Survival prediction was significantly improved by addition of baseline CTC count to the clinicopathological models (progression-free survival LR 38·4, 95% CI 21·9–60·3, p<0·0001; overall survival LR 64·9, 95% CI 41·3–93·4, p<0·0001). This model was further improved by addition of CTC change at 3–5 weeks (progression-free survival LR 8·2, 95% CI 0·78–20·4, p=0·004; overall survival LR 11·5, 95% CI 2·6–25·1, p=0·0007) and at 6–8 weeks (progression-free survival LR 15·3, 95% CI 5·2–28·3; overall survival LR 14·6, 95% CI 4·0–30·6; both p<0·0001). Carcinoembryonic antigen and cancer antigen 15-3 concentrations at baseline and during therapy did not add significant information to the best baseline model. Interpretation These data confirm the independent prognostic effect of CTC count on progression-free survival and overall survival. CTC count also improves the prognostication of metastatic breast cancer when added to full clinicopathological predictive models, whereas serum tumour markers do not. Funding Janssen Diagnostics, the Nuovo-Soldati foundation for cancer research.

Recent technical advancements have facilitated the mapping of epigenomes at single-cell resolution; however, the throughput and quality of these methods have limited their widespread adoption. Here we describe a high-quality (105 nuclear fragments per cell) droplet-microfluidics-based method for single-cell profiling of chromatin accessibility. We use this approach, named 'droplet single-cell assay for transposase-accessible chromatin using sequencing' (dscATAC-seq), to assay 46,653 cells for the unbiased discovery of cell types and regulatory elements in adult mouse brain. We further increase the throughput of this platform by combining it with combinatorial indexing (dsciATAC-seq), enabling single-cell studies at a massive scale. We demonstrate the utility of this approach by measuring chromatin accessibility across 136,463 resting and stimulated human bone marrow-derived cells to reveal changes in the cis- and trans-regulatory landscape across cell types and under stimulatory conditions at single-cell resolution. Altogether, we describe a total of 510,123 single-cell profiles, demonstrating the scalability and flexibility of this droplet-based platform.

Abstract While recent technical advancements have facilitated the mapping of epigenomes at single-cell resolution, the throughput and quality of these methods have limited the widespread adoption of these technologies. Here, we describe a droplet microfluidics platform for single-cell assay for transposase accessible chromatin (scATAC-seq) for high-throughput single-cell profiling of chromatin accessibility. We use this approach for the unbiased discovery of cell types and regulatory elements within the mouse brain. Further, we extend the throughput of this approach by pairing combinatorial indexing with droplet microfluidics, enabling single-cell studies at a massive scale. With this approach, we measure chromatin accessibility across resting and stimulated human bone marrow derived cells to reveal changes in the cis - and trans- regulatory landscape across cell types and upon stimulation conditions at single-cell resolution. Altogether, we describe a total of 502,207 single-cell profiles, demonstrating the scalability and flexibility of this droplet-based platform.

Abstract Cells require coordinated control over gene expression when responding to environmental stimuli. Here, we apply scATAC-seq and scRNA-seq in resting and stimulated human blood cells. Collectively, we generate ∼91,000 single-cell profiles, allowing us to probe the cis -regulatory landscape of immunological response across cell types, stimuli and time. Advancing tools to integrate multi-omic data, we develop FigR - a framework to computationally pair scATAC-seq with scRNA-seq cells, connect distal cis -regulatory elements to genes, and infer gene regulatory networks (GRNs) to identify candidate TF regulators. Utilizing these paired multi-omic data, we define Domains of Regulatory Chromatin (DORCs) of immune stimulation and find that cells alter chromatin accessibility prior to production of gene expression at time scales of minutes. Further, the construction of the stimulation GRN elucidates TF activity at disease-associated DORCs. Overall, FigR enables the elucidation of regulatory interactions across single-cell data, providing new opportunities to understand the function of cells within tissues.