PK
Parimal Kumar
Author with expertise in Comprehensive Integration of Single-Cell Transcriptomic Data
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
3
(67% Open Access)
Cited by:
279
h-index:
9
/
i10-index:
9
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Mannose receptor (CD206) activation in tumor-associated macrophages enhances adaptive and innate antitumor immune responses

Jesse Jaynes et al.Feb 12, 2020
Solid tumors elicit a detectable immune response including the infiltration of tumor-associated macrophages (TAMs). Unfortunately, this immune response is co-opted into contributing toward tumor growth instead of preventing its progression. We seek to reestablish an antitumor immune response by selectively targeting surface receptors and endogenous signaling processes of the macrophage subtypes driving cancer progression. RP-182 is a synthetic 10-mer amphipathic analog of host defense peptides that selectively induces a conformational switch of the mannose receptor CD206 expressed on TAMs displaying an M2-like phenotype. RP-182-mediated activation of this receptor in human and murine M2-like macrophages elicits a program of endocytosis, phagosome-lysosome formation, and autophagy and reprograms M2-like TAMs to an antitumor M1-like phenotype. In syngeneic and autochthonous murine cancer models, RP-182 suppressed tumor growth, extended survival, and was an effective combination partner with chemo- or immune checkpoint therapy. Antitumor activity of RP-182 was also observed in CD206high patient-derived xenotransplantation models. Mechanistically, via selective reduction of immunosuppressive M2-like TAMs, RP-182 improved adaptive and innate antitumor immune responses, including increased cancer cell phagocytosis by reprogrammed TAMs.
0

A Comprehensive Multi-Center Cross-platform Benchmarking Study of Single-cell RNA Sequencing Using Reference Samples

Wanqiu Chen et al.Mar 29, 2020
Single-cell RNA sequencing (scRNA-seq) has become a very powerful technology for biomedical research and is becoming much more affordable as methods continue to evolve, but it is unknown how reproducible different platforms are using different bioinformatics pipelines, particularly the recently developed scRNA-seq batch correction algorithms. We carried out a comprehensive multi-center cross-platform comparison on different scRNA-seq platforms using standard reference samples. We compared six preprocessing pipelines, seven bioinformatics normalization procedures, and seven batch effect correction methods including CCA, MNN, Scanorama, BBKNN, Harmony, limma and ComBat to evaluate the performance and reproducibility of 20 scRNA-seq datasets derived from four different platforms and centers. We benchmarked scRNA-seq performance across different platforms and testing sites using global gene expression profiles as well as some cell-type specific marker genes. We showed that there were large batch effects; and the reproducibility of scRNA-seq across platforms was dictated both by the expression level of genes selected and the batch correction methods used. We found that CCA, MNN, and BBKNN all corrected the batch variations fairly well for the scRNA-seq data derived from biologically similar samples across platforms/sites. However, for the scRNA-seq data derived from or consisting of biologically distinct samples, limma and ComBat failed to correct batch effects, whereas CCA over-corrected the batch effect and misclassified the cell types and samples. In contrast, MNN, Harmony and BBKNN separated biologically different samples/cell types into correspondingly distinct dimensional subspaces; however, consistent with this algorithm's logic, MNN required that the samples evaluated each contain a shared portion of highly similar cells. In summary, we found a great cross-platform consistency in separating two distinct samples when an appropriate batch correction method was used. We hope this large cross-platform/site scRNA-seq data set will provide a valuable resource, and that our findings will offer useful advice for the single-cell sequencing community.