Abstract Background Single-cell RNA-seq datasets are characterized by large ambient dimensionality, and their analyses can be affected by various manifestations of the dimensionality curse. One of these manifestations is the hubness phenomenon, i.e. existence of data points with surprisingly large incoming connectivity degree in the neighbourhood graph. Conventional approach to dampen the unwanted effects of high dimension consists in applying drastic dimensionality reduction. It remains unexplored if this step can be avoided thus retaining more information than contained in the low-dimensional projections, by correcting directly hubness. Results We investigate the phenomenon of hubness in scRNA-seq data in spaces of increasing dimensionality. We also link increased hubness to increased levels of dropout in sequencing data. We show that hub cells do not represent any visible technical or biological bias. The effect of various hubness reduction methods is investigated with respect to the visualization, clustering and trajectory inference tasks in scRNA-seq datasets. We show that hubness reduction generates neighbourhood graphs with properties more suitable for applying machine learning methods; and that it outperforms other state-of-the-art methods for improving neighbourhood graphs. As a consequence, clustering, trajectory inference and visualisation perform better, especially for datasets characterized by large intrinsic dimensionality. Conclusion Hubness is an important phenomenon in sequencing data. Reducing hubness can be beneficial for the analysis of scRNA-seq data with large intrinsic dimensionality in which case it can be an alternative to drastic dimensionality reduction.

Abstract COVID-19 can lead to life-threatening acute respiratory failure, characterized by simultaneous increase in inflammatory mediators and viral load. The underlying cellular and molecular mechanisms remain unclear. We performed single-cell RNA-sequencing to establish an exhaustive high-resolution map of blood antigen-presenting cells (APC) in 7 COVID-19 patients with moderate or severe pneumonia, at day-1 and day-4 post-admission, and two healthy donors. We generated a unique dataset of 31,513 high quality APC, including monocytes and rare dendritic cell (DC) subsets. We uncovered multiprocess and previously unrecognized defects in anti-viral immune defense in specific APC compartments from severe patients: i) increase of pro-apoptotic genes exclusively in pDC, which are key effectors of antiviral immunity, ii) sharp decrease of innate sensing receptors, TLR7 and DHX9, in pDC and cDC1, respectively, iii) down-regulation of antiviral effector molecules, including Interferon stimulated genes (ISG) in all monocyte subsets, and iv) decrease of MHC class II-related genes, and MHC class II transactivator (CIITA) activity in cDC2, suggesting a viral inhibition of antigen presentation. These novel mechanisms may explain patient aggravation and suggest strategies to restore defective immune defense.

Abstract T follicular helper (Tfh) cells are specialized CD4 + T cells that regulate humoral immunity by providing B cell help. Tfh1 sub-population was recently identified and associated with severity in infection and autoimmune diseases. The cellular and molecular requirements to induce human Tfh1 differentiation are unknown. Our work investigated the role of human dendritic cells (DC) in promoting Tfh1 differentiation and their physiopathological implication in mycobacterium tuberculosis and mild COVID-19 infection. Activated human blood CD1c + DC were cocultured with allogeneic naive CD4 + T cells. Single-cell RNA sequencing was then used alongside protein validation to define the induced Tfh lineage. DC signature and correlation with Tfh1 cells in infected patients was established through bioinformatic analysis. Our results show that GM-CSF-activated DC drove the differentiation of Tfh1 cells, displaying typical Tfh molecular features, including 1) high levels of PD-1, CXCR5, and ICOS expression; 2) BCL6 and TBET co-expression; 3) IL-21 and IFN-γ secretion. Mechanistically, GM-CSF triggered the emergence of two distinct DC sub-populations defined by their differential expression of CD40 and ICOS-ligand (ICOS-L), and distinct phenotype, morphology, transcriptomic signature, and function. We showed that Tfh1 differentiation was efficiently and specifically induced by CD40 high ICOS-L low DC in a CD40-dependent manner. Tfh1 cells were positively associated with a CD40 high ICOS-L Low DC signature in patients with latent mycobacterium tuberculosis and mild COVID-19 infection. Our study uncovers a novel CD40-dependent human Tfh1 axis. Immunotherapy modulation of Tfh1 activity might contribute to control diseases where Tfh1 are known to play a key role, such as infections. Significance Statement Dendritic cells (DC) play a central role in triggering the adaptive immune response due to their T cell priming functions. Among different T cell subsets, it is still not clear how human type1 T follicular helper cells (Tfh1) differentiate. Tfh1 cells are implicated in several physiopathological conditions, including infections. Here we show that GM-CSF induces diversification of human DC. Only CD40 high ICOS-L Low DC were able to drive Tfh1 cell differentiation. We found that CD40 high ICOS-L Low DC signature was associated to Tfh1 cells in mycobacterium tuberculosis and COVID-19 patients. Our data reveal a previously undescribed pathway leading to human Tfh1 cell differentiation and highlight the importance of GM-CSF and CD40 as potential targets for the design of anti-infective therapies.

Abstract Assessing cancer prognosis is a challenging task, given the heterogeneity of the disease. Multiple features (clinical, environmental, genetic) have been used for such assessments. The tumor immune microenvironment (TIME) is a key feature, and describing the impact of its many components on cancer prognosis is an active field of research. The complexity of the tumor microenvironment context makes it difficult to use the human TIME to assess prognosis, as demonstrated by the example of regulatory T cells (Tregs). The effect of Tregs on prognosis is ambiguous, with different studies considering them to be negative, positive or neutral. We focused on five different cancer types (breast, colorectal, gastric, lung and ovarian). We clarified the definition of Tregs and their utility for assessing cancer prognosis by taking the context into account via the following parameters: the Treg subset, the anatomical location of these cells, and the neighboring cells. With a meta-analysis on these three parameters, we were able to clarify the prognostic role of Tregs. We found that CD45RO + Tregs had a reproducible negative effect on prognosis across cancer types, and we gained insight into the contributions of the anatomical location of Tregs and of their neighboring cells on their prognostic value. Our results suggest that Tregs play a similar prognostic role in all cancer types. We also established guidelines for improving the design of future studies addressing the pathophysiological role of Tregs in cancer.