Despite growing numbers of immune checkpoint blockade (ICB) trials with available omics data, it remains challenging to evaluate the robustness of ICB response and immune evasion mechanisms comprehensively. To address these challenges, we integrated large-scale omics data and biomarkers on published ICB trials, non-immunotherapy tumor profiles, and CRISPR screens on a web platform TIDE (http://tide.dfci.harvard.edu). We processed the omics data for over 33K samples in 188 tumor cohorts from public databases, 998 tumors from 12 ICB clinical studies, and eight CRISPR screens that identified gene modulators of the anticancer immune response. Integrating these data on the TIDE web platform with three interactive analysis modules, we demonstrate the utility of public data reuse in hypothesis generation, biomarker optimization, and patient stratification.

The Cistrome Data Browser (DB) is a resource of human and mouse cis-regulatory information derived from ChIP-seq, DNase-seq and ATAC-seq chromatin profiling assays, which map the genome-wide locations of transcription factor binding sites, histone post-translational modifications and regions of chromatin accessible to endonuclease activity. Currently, the Cistrome DB contains approximately 47,000 human and mouse samples with about 24,000 newly collected datasets compared to the previous release two years ago. Furthermore, the Cistrome DB has a new Toolkit module with several features that allow users to better utilize the large-scale ChIP-seq, DNase-seq, and ATAC-seq data. First, users can query the factors which are likely to regulate a specific gene of interest. Second, the Cistrome DB Toolkit facilitates searches for factor binding, histone modifications, and chromatin accessibility in any given genomic interval shorter than 2Mb. Third, the Toolkit can determine the most similar ChIP-seq, DNase-seq, and ATAC-seq samples in terms of genomic interval overlaps with user-provided genomic interval sets. The Cistrome DB is a user-friendly, up-to-date, and well maintained resource, and the new tools will greatly benefit the biomedical research community. The database is freely available at http://cistrome.org/db, and the Toolkit is at http://dbtoolkit.cistrome.org.

Abstract Recent advances in single-cell RNA sequencing have revealed heterogeneous cell types and gene expression states in the non-cancerous cells in tumors. The integration of multiple scRNA-seq datasets across tumors can reveal common cell types and states in the tumor microenvironment (TME). We developed a data driven framework, MetaTiME, to overcome the limitations in resolution and consistency that result from manual labelling using known gene markers. Using millions of TME single cells, MetaTiME learns meta-components that encode independent components of gene expression observed across cancer types. The meta-components are biologically interpretable as cell types, cell states, and signaling activities. By projecting onto the MetaTiME space, we provide a tool to annotate cell states and signature continuums for TME scRNA-seq data. Leveraging epigenetics data, MetaTiME reveals critical transcriptional regulators for the cell states. Overall, MetaTiME learns data-driven meta-components that depict cellular states and gene regulators for tumor immunity and cancer immunotherapy.

Introduction: Skeletal muscle health and function is a critical determinant of clinical outcomes in peripheral arterial disease (PAD). Fatty infiltration, the ectopic deposition of adipose tissue within skeletal muscle, is a histologic hallmark of end-stage PAD, also known as chronic limb threatening ischemia (CLTI). This process not only impairs ambulatory function, but is also associated with adverse clinical outcomes. Fatty infiltration is mediated by the adipogenic differentiation of a mesenchymal stromal population known as fibro-adipogenic progenitors (FAPs). We previously identified Vcam1+ FAPs as the dominant adipogenic population in CLTI patients. However, the mechanisms which govern the adipogenic differentiation of Vcam1+ FAPs remain unknown. Herein, we sought to identify the intracellular mechanisms that drive Vcam1+ FAPs into an adipogenic cellular fate. Methods: We analyzed the transcriptomes and epigenomes of FAPs in a murine PAD model to identify Sfrp1 and Nr3c1 as regulators of Vcam1+ FAP mediated adipogenesis. Next, to determine the necessity of Sfrp1 and Nr3c1 we silenced both genes with siRNA constructs and assessed in-vitro adipogenesis. Results: We show in a murine PAD model and human CLTI patients that Sfrp1 is enriched in Vcam1+ FAPs. Next, we use in silico analysis of our single cell RNA-sequencing dataset to identify Nr3c1 as a putative transcriptional regulator of Vcam1+ FAP adipogenic differentiation. Next, we demonstrate that inhibition of both Sfrp1 and Nr3c1 abrogates the adipogenic differentiation of Vcam1+ FAPs. Conclusions: Our results reveal a novel signaling axis for fatty infiltration in the ischemic limb. These findings lay the foundation for future studies to target maladaptive muscle regeneration in PAD patients.

We developed Lisa (http://lisa.cistrome.org) to predict the transcriptional regulators (TRs) of differentially expressed or co-expressed gene sets. Based on the input gene sets, Lisa first uses compendia of public histone mark ChIP-seq and chromatin accessibility profiles to construct a chromatin model related to the regulation of these genes. Then using TR ChIP-seq peaks or imputed TR binding sites, Lisa probes the chromatin models using in silico deletion to find the most relevant TRs. Applied to gene sets derived from targeted TF perturbation experiments, Lisa boosted the performance of imputed TR cistromes, and outperformed alternative methods in identifying the perturbed TRs.

Abstract Skeletal muscle health and function is a critical determinant of clinical outcomes in patients with peripheral arterial disease (PAD). Herein, we identify fatty infiltration, the ectopic deposition of adipocytes in skeletal muscle, as a histological hallmark of end-stage PAD, also known as chronic limb threatening ischemia (CLTI). Leveraging single cell transcriptome mapping in mouse models of PAD, we identify a pro-adipogenic mesenchymal stromal cell population marked by expression of Vcam1 (termed Vcam1+ FAPs) that expands in the ischemic limb. Mechanistically, we identify Sfrp1 and Nr3c1 as regulators of Vcam1+ FAP adipogenic differentiation. Loss of Sfrp1 and Nr3c1 impair Vcam1+ FAP differentiation into adipocytes in vitro . Finally, we show that Vcam1+ FAPs are enriched in human CLTI patients. Collectively, our results identify a pro-adipogenic FAP subpopulation in CLTI patients and provide a potential therapeutic target for muscle regeneration in PAD.

Multi-sample single-cell multi-omics datasets, which simultaneously measure multiple data modalities in the same cells and in multiple samples, facilitate the study of gene expression and gene regulatory activities on a population scale. Existing integration methods can integrate either multiple samples or multiple modalities, but not both simultaneously. To address this limitation, we developed Smmit, a computational pipeline that leverages existing integration methods to simultaneously integrate both samples and modalities and produces a unified representation of reduced dimensions. We demonstrate Smmit's capability to integrate information across samples and modalities while preserving cell type differences in two real datasets. Smmit is an R software package that is freely available at Github: https://github.com/zji90/Smmit