Background Oropharyngeal squamous cell carcinoma (OPSCC) induced by human papillomavirus (HPV-positive) is associated with better clinical outcomes than HPV-negative OPSCC. However, the clinical benefits of immunotherapy in patients with HPV-positive OPSCC remain unclear. Methods To identify the cellular and molecular factors that limited the benefits associated with HPV in OPSCC immunotherapy, we performed single-cell RNA (n=20) and T-cell receptor sequencing (n=10) analyses of tonsil or base of tongue tumor biopsies prior to immunotherapy. Primary findings from our single-cell analysis were confirmed through immunofluorescence experiments, and secondary validation analysis were performed via publicly available transcriptomics data sets. Results We found significantly higher transcriptional diversity of malignant cells among non-responders to immunotherapy, regardless of HPV infection status. We also observed a significantly larger proportion of CD4 + follicular helper T cells (Tfh) in HPV-positive tumors, potentially due to enhanced Tfh differentiation. Most importantly, CD8 + resident memory T cells (Trm) with elevated KLRB1 (encoding CD161) expression showed an association with dampened antitumor activity in patients with HPV-positive OPSCC, which may explain their heterogeneous clinical outcomes. Notably, all HPV-positive patients, whose Trm presented elevated KLRB1 levels, showed low expression of CLEC2D (encoding the CD161 ligand) in B cells, which may reduce tertiary lymphoid structure activity. Immunofluorescence of HPV-positive tumors treated with immune checkpoint blockade showed an inverse correlation between the density of CD161 + Trm and changes in tumor size. Conclusions We found that CD161 + Trm counteracts clinical benefits associated with HPV in OPSCC immunotherapy. This suggests that targeted inhibition of CD161 in Trm could enhance the efficacy of immunotherapy in HPV-positive oropharyngeal cancers. Trial registration number NCT03737968 .

Abstract Cell type-specific actions of disease genes add a significant layer of complexity to the genetic architecture underlying diseases, obscuring our understanding of disease mechanisms. Single-cell omics have revealed the functional roles of genes at the cellular level, identifying cell types critical for disease progression. Often, a gene impact on disease through its altered network within specific cell types, rather than mere changes in expression levels. To explore the cell type-specific roles of disease genes, we developed HCNetlas (human cell network atlas), a resource cataloging cell type-specific gene networks (CGNs) for various healthy tissue cells. We also devised three network analysis methods to investigate cell type-specific functions of disease genes. These methods involve comparing HCNetlas CGNs with those derived from disease-affected tissue samples. These methods find that systemic lupus erythematosus genes predominantly function in myeloid cells, and Alzheimer’s disease genes mainly play roles in inhibitory and excitatory neurons. Moreover, they show many lung cancer genes exert their roles in immune cells. These findings suggest that HCNetlas has the potential to link disease-associated genes to cell types of action, facilitating development of cell type-resolved diagnostics and therapeutic strategies for complex human diseases.

Abstract A major challenge in single-cell biology is identifying cell-type-specific gene functions, which may substantially improve precision medicine. Differential expression analysis of genes is a popular, yet insufficient approach, and complementary methods that associate function with cell type are required. Here, we describe scHumanNet ( https://github.com/netbiolab/scHumanNet ), a single-cell network analysis platform for resolving cellular heterogeneity across gene functions in humans. Based on cell-type-specific networks (CSNs) constructed under the guidance of the HumanNet reference interactome, scHumanNet displayed higher functional relevance to the cellular context than CSNs built by other methods on single-cell transcriptome data. Cellular deconvolution of gene signatures based on network compactness across cell types revealed breast cancer prognostic markers associated with T cells. scHumanNet could also prioritize genes associated with particular cell types using CSN centrality and identified the differential hubness of CSNs between disease and healthy conditions. We demonstrated the usefulness of scHumanNet by uncovering T-cell-specific functional effects of GITR , a prognostic gene for breast cancer, and functional defects in autism spectrum disorder genes specific for inhibitory neurons. These results suggest that scHumanNet will advance our understanding of cell-type specificity across human disease genes.