Abstract Tumor-specific T cells likely underpin effective immune checkpoint-blockade therapies. Yet, most studies focus on Treg cells and CD8 + tumor-infiltrating lymphocytes (TILs). Here we study CD4 + TILs in human lung and colorectal cancers and observe that non-Treg CD4 + TILs average more than 70% of total CD4 + TILs in both cancer types. Leveraging high dimensional analyses including mass cytometry and single-cell sequencing, we reveal that CD4 + TILs are heterogeneous at both gene and protein levels, within each tumor and across patients. Consistently, we find different subsets of CD4 + TILs showing characteristics of effectors, tissue resident memory (Trm) or exhausted cells (expressing PD-1, CTLA-4 and CD39). In both cancer types, the frequencies of CD39 − non-Treg CD4 + TILs strongly correlate with frequencies of CD39 − CD8 + TILs, which we and others have previously shown to be enriched for cells specific for cancer-unrelated antigens (bystanders). Ex-vivo , we demonstrate that CD39 − CD4 + TILs can be specific for cancer unrelated antigens, such as HCMV epitopes. Overall, our findings highlight that CD4 + TILs cells are not necessarily tumor-specific and suggest measuring CD39 expression as a straightforward way to quantify or isolate bystander CD4 + T cells. Graphical abstract

High throughput single-cell RNA sequencing (sc-RNAseq) has become a frequently used tool to assess immune cell function and heterogeneity. Recently, the combined measurement of RNA and protein expression by sequencing was developed, which is commonly known as CITE-Seq. Acquisition of protein expression data along with transcriptome data resolves some of the limitations inherent to only assessing transcript, but also nearly doubles the sequencing read depth required per single cell. Furthermore, there is still a paucity of analysis tools to visualize combined transcript-protein datasets. Here, we describe a novel targeted transcriptomics approach that combines analysis of over 400 genes with simultaneous measurement of over 40 proteins on more than 25,000 cells. This targeted approach requires only about 1/10 of the read depth compared to a whole transcriptome approach while retaining high sensitivity for low abundance transcripts. To analyze these multi-omic transcript-protein datasets, we adapted One-SENSE for intuitive visualization of the relationship of proteins and transcripts on a single-cell level.

Motivation: Recent flow and mass cytometers generate 1,000,000 single cell datasets of dimensions 20 to 40. Many tools facilitate the discovery of new cell populations associated with diseases or physiology. These discoveries require the identification of new gating strategies, but gating strategies become exponentially harder to optimize when dimensionality increases. To facilitate this step we developed Hypergate, an algorithm which given a cell population of interest identifies a gating strategy optimized for high yield and purity. Results: Hypergate achieves higher yield and purity than human experts, Support Vector Machines and Random-Forests on public datasets. We use it to revisit some established gating strategies for the identification of Innate lymphoid cells, which identifies concise and efficient strategies that allow gating these cells with fewer parameters but higher yield and purity than the current standards. For phenotypic description, Hypergate's outputs are consistent with fields' knowledge and sparser than those from a competing method. Availability and Implementation: Hypergate is implemented in R and available at http://github.com/ebecht/hypergate under an Open Source Initiative-compliant licence.

Lymphoepithelioma-like carcinoma (LELC) is an uncommon lung cancer, typically observed in young, non-smoking Asian populations. LELC is associated with Epstein-Barr virus (EBV) infection of lung tumor cells of epithelial origin, suggesting a carcinogenic role of EBV as observed in nasopharyngeal carcinoma (NPC). Here, we studied the antigen specificity and phenotype of CD8+ tumor infiltrating lymphocytes (TILs) in one LELC patient positive for EBV infection in lung tumor cells. Using MHC class I tetramers, we detected two populations of EBV-specific CD8+ TILs, which can be considered as tumor-specific CD8+ T cells, in the tumor of this patient. Transcriptomic analyses of these two populations reveal their distinct exhausted profiles and polyclonal TCR repertoire. High dimensional analyses at single cell level using mass cytometry showed showed that populations of tumor specific CD8+ TILs are phenotypically heterogeneous, although they consistently express CD39. Unexpectedly, although the LELC tumor cells expressed abundant PD-L1, these tumor-specific CD8+ TILs mostly did not express PD-1, suggesting that anti-PD1/PD-L1 immunotherapy may not be an appropriate strategy for disinhibiting EBV-specific cells for the treatment of LELC patients. These results might also help to explain low rates of checkpoint blockade immunotherapy response for NPC, despite the antigenicity of EBV for both tumor types.