Abstract Single-cell RNA sequencing (scRNA-Seq) datasets that are produced from clinical samples are often confounded by batch effects and inter-patient variability. Existing batch effect removal methods typically require strong assumptions on the composition of cell populations being near identical across patients. Here we present a novel meta-clustering workflow, CIDER, based on inter-group similarity measures. We demonstrate that CIDER outperforms other scRNA-Seq clustering methods and integration approaches in both simulated and real datasets. Moreover, we show that CIDER can be used to assess the biological correctness of integration in real datasets, while it does not require the existence of prior cellular annotations.

The inter-differentiation between cell states promotes cancer cell survival under stress and fosters non-genetic heterogeneity (NGH). NGH is, therefore, a surrogate of tumor resilience but its quantification is confounded by genetic heterogeneity. Here we show that NGH can be accurately measured when informed by the molecular signatures of the normal cells of origin. We surveyed the transcriptomes of ~ 4000 normal fallopian tube epithelial (FTE) cells, the cells of origin of serous ovarian cancer (SOC), and identified six FTE subtypes. We used subtype signatures to deconvolute SOC expression data and found substantial intra-tumor NGH that was previously unrecognized. Importantly, NGH-based stratification of ~1700 tumors robustly predicted survival. Our findings lay the foundation for accurate prognostic and therapeutic stratification of SOC.

The utilization of convolutional neural network (CNN) inference models has gained widespread adoption across various domains; however, it raises concerns regarding user privacy and security due to the requirement of plaintext information during the inference process. Homomorphic encryption has been proposed as a viable solution to address CNN's security issues. Nevertheless, this encryption algorithm encounters certain limitations such as significant ciphertext expansion, restricted nonlinear computing power, and limited number of multiplications, which hinder its application in CNN inference models. In this paper, we present an inference model framework that leverages the single instruction multiple data and ciphertext rotation functions of homomorphic encryption along with the additive secret sharing (ASS) concept to design and transform each network layer of CNN. Our approach effectively mitigates ciphertext expansion rate while enhancing computational efficiency and reducing communication volume without compromising on inference accuracy.

Cranial neural crest (NC) cells, which can migrate, adopt multiple fates, and form most of the craniofacial skeleton, are an excellent model for studying cell fate decisions. Using time-resolved single-cell multi-omics, spatial transcriptomics, and systematic Perturb-seq, we fully deciphered zebrafish cranial NC programs, including 23 cell states and three spatial trajectories, reconstructed and tested the complete gene regulatory network (GRN). Our GRN model, combined with a novel velocity-embedded simulation method, accurately predicted functions of all major regulons, with over a 3-fold increase in correlation between in vivo and in silico perturbations. Using our new approach based on regulatory synchronization, we discovered a post-epithelial-mesenchymal-transition endothelial-like program crucial for migration, identified motif coordinators for dual-fate priming, and quantified lineage-specific cooperative transcription factor functions. This study provides a comprehensive and validated NC regulatory landscape with unprecedented resolution, offering general regulatory models for cell fate decisions in vertebrates.

Despite its significance to reproduction, fertility, sexually transmitted infections and various pathologies, the fallopian tube (FT) is relatively understudied. Strong evidence points to the FT as the tissue-of-origin of high grade serous ovarian cancer (HGSOC), the most fatal gynaecological malignancy. HGSOC precursor lesions arise specifically in the distal FT (fimbria) which is reported to be enriched in stem-like cells. Investigation of the role of FT stem cells in health and disease has been hampered by a lack of characterization of FT stem cells and lack of models that recapitulate stem cell renewal and differentiation in vitro . Using optimized organoid culture conditions to address these limitations, we found that FT stem cell renewal is highly dependent on WNT/β-catenin signaling and engineered endogenous WNT/β-catenin signaling reporter organoids to biomark, isolate and characterize putative FT stem cells. Using functional approaches as well as bulk and single cell transcriptomic analyses, we show that an endogenous hormonally-regulated WNT7A-FZD5 signaling axis is critical for self-renewal of human FT stem cells, and that WNT/β-catenin pathway-activated FT cells form a distinct transcriptomic cluster of cells enriched in ECM remodelling and integrin signaling pathways. In addition, we find that the WNT7A-FZD5 signaling axis is dispensable for mouse oviduct regeneration. Overall, we provide a deep characterization of FT stem cells and their molecular requirements for self-renewal, paving the way for mechanistic work investigating the role of stem cells in FT health and disease. GRAPHICAL ABSTRACT