Our understanding of kidney disease pathogenesis is limited by an incomplete molecular characterization of the cell types responsible for the organ's multiple homeostatic functions. To help fill this knowledge gap, we characterized 57,979 cells from healthy mouse kidneys by using unbiased single-cell RNA sequencing. On the basis of gene expression patterns, we infer that inherited kidney diseases that arise from distinct genetic mutations but share the same phenotypic manifestation originate from the same differentiated cell type. We also found that the collecting duct in kidneys of adult mice generates a spectrum of cell types through a newly identified transitional cell. Computational cell trajectory analysis and in vivo lineage tracing revealed that intercalated cells and principal cells undergo transitions mediated by the Notch signaling pathway. In mouse and human kidney disease, these transitions were shifted toward a principal cell fate and were associated with metabolic acidosis.

Abstract Knowledge of cell type composition in disease relevant tissues is an important step towards the identification of cellular targets of disease. We present MuSiC, a method that utilizes cell-type specific gene expression from single-cell RNA sequencing (RNA-seq) data to characterize cell type compositions from bulk RNA-seq data in complex tissues. By appropriate weighting of genes showing cross-subject and cross-cell consistency, MuSiC enables the transfer of cell type-specific gene expression information from one dataset to another. When applied to pancreatic islet and whole kidney expression data in human, mouse, and rats, MuSiC outperformed existing methods, especially for tissues with closely related cell types. MuSiC enables the characterization of cellular heterogeneity of complex tissues for understanding of disease mechanisms. As bulk tissue data are more easily accessible than single-cell RNA-seq, MuSiC allows the utilization of the vast amounts of disease relevant bulk tissue RNA-seq data for elucidating cell type contributions in disease.

Fibrosis is the final common pathway leading to end-stage renal failure. By analyzing the kidneys of patients and animal models with fibrosis, we observed a significant mitochondrial defect, including the loss of the mitochondrial transcription factor A (TFAM) in kidney tubule cells. Here, we generated mice with tubule-specific deletion of TFAM (Ksp-Cre/Tfamflox/flox). While these mice developed severe mitochondrial loss and energetic deficit by 6 weeks of age, kidney fibrosis, immune cell infiltration, and progressive azotemia causing death were only observed around 12 weeks of age. In renal cells of TFAM KO (knockout) mice, aberrant packaging of the mitochondrial DNA (mtDNA) resulted in its cytosolic translocation, activation of the cytosolic cGAS-stimulator of interferon genes (STING) DNA sensing pathway, and thus cytokine expression and immune cell recruitment. Ablation of STING ameliorated kidney fibrosis in mouse models of chronic kidney disease, demonstrating how TFAM sequesters mtDNA to limit the inflammation leading to fibrosis.

In this trans-ethnic multi-omic study, we reinterpret the genetic architecture of blood pressure to identify genes, tissues, phenomes and medication contexts of blood pressure homeostasis. We discovered 208 novel common blood pressure SNPs and 53 rare variants in genome-wide association studies of systolic, diastolic and pulse pressure in up to 776,078 participants from the Million Veteran Program (MVP) and collaborating studies, with analysis of the blood pressure clinical phenome in MVP. Our transcriptome-wide association study detected 4,043 blood pressure associations with genetically predicted gene expression of 840 genes in 45 tissues, and mouse renal single-cell RNA sequencing identified upregulated blood pressure genes in kidney tubule cells. Analysis of blood pressure data from the Million Veteran Program trans-ethnic cohort identifies common and rare variants, and genetically predicted gene expression across multiple tissues associated with systolic, diastolic and pulse pressure in over 775,000 individuals.

Chronic inflammation is postulated to be involved in the development of end-stage renal disease in diabetes, but which specific circulating inflammatory proteins contribute to this risk remain unknown. To study this, we examined 194 circulating inflammatory proteins in subjects from three independent cohorts with type 1 and type 2 diabetes. In each cohort, we identified an extremely robust kidney risk inflammatory signature (KRIS), consisting of 17 proteins enriched in tumor necrosis factor-receptor superfamily members, that was associated with a 10-year risk of end-stage renal disease. All these proteins had a systemic, non-kidney source. Our prospective study findings provide strong evidence that KRIS proteins contribute to the inflammatory process underlying end-stage renal disease development in both types of diabetes. These proteins point to new therapeutic targets and new prognostic tests to identify subjects at risk of end-stage renal disease, as well as biomarkers to measure responses to treatment of diabetic kidney disease.

Bone marrow mesenchymal lineage cells are a heterogeneous cell population involved in bone homeostasis and diseases such as osteoporosis. While it is long postulated that they originate from mesenchymal stem cells, the true identity of progenitors and their in vivo bifurcated differentiation routes into osteoblasts and adipocytes remain poorly understood. Here, by employing large scale single cell transcriptome analysis, we computationally defined mesenchymal progenitors at different stages and delineated their bi-lineage differentiation paths in young, adult and aging mice. One identified subpopulation is a unique cell type that expresses adipocyte markers but contains no lipid droplets. As non-proliferative precursors for adipocytes, they exist abundantly as pericytes and stromal cells that form a ubiquitous 3D network inside the marrow cavity. Functionally they play critical roles in maintaining marrow vasculature and suppressing bone formation. Therefore, we name them marrow adipogenic lineage precursors (MALPs) and conclude that they are a newly identified component of marrow adipose tissue.

Abstract Cancer-associated fibroblasts (CAFs) are the predominant components of the tumor microenvironment (TME) and influence cancer hallmarks, but without systematic investigation on their ubiquitous characteristics across different cancer types. Here, we perform pan-cancer analysis on 226 samples across 10 solid cancer types to profile the TME at single-cell resolution, illustrating the commonalities/plasticity of heterogenous CAFs. Activation trajectory of the major CAF types is divided into three states, exhibiting distinct interactions with other cell components, and relating to prognosis of immunotherapy. Moreover, minor CAF components represent the alternative origin from other TME components (e.g., endothelia and macrophages). Particularly, the ubiquitous presentation of endothelial-to-mesenchymal transition CAF, which may interact with proximal SPP 1 + tumor-associated macrophages, is implicated in endothelial-to-mesenchymal transition and survival stratifications. Our study comprehensively profiles the shared characteristics and dynamics of CAFs, and highlight their heterogeneity and plasticity across different cancer types. Browser of integrated pan-cancer single-cell information is available at https://gist-fgl.github.io/sc-caf-atlas/ .

Abstract We present MuSiC, a method that utilizes cell-type specific gene expression from single-cell RNA sequencing (RNA-seq) data to characterize cell type compositions from bulk RNA-seq data in complex tissues. When applied to pancreatic islet and whole kidney expression data in human, mouse, and rats, MuSiC outperformed existing methods, especially for tissues with closely related cell types. MuSiC enables characterization of cellular heterogeneity of complex tissues for identification of disease mechanisms.

ABSTRACT Currently, more than 33 million peoples have been infected by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), and more than a million people died from coronavirus disease 2019 (COVID-19), a disease caused by the virus. There have been multiple reports of autoimmune and inflammatory diseases following SARS-CoV-2 infections. There are several suggested mechanisms involved in the development of autoimmune diseases, including cross-reactivity (molecular mimicry). A typical workflow for discovering cross-reactive epitopes (mimotopes) starts with a sequence similarity search between protein sequences of human and a pathogen. However, sequence similarity information alone is not enough to predict cross-reactivity between proteins since proteins can share highly similar conformational epitopes whose amino acid residues are situated far apart in the linear protein sequences. Therefore, we used a hidden Markov model-based tool to identify distant viral homologs of human proteins. Also, we utilized experimentally determined and modeled protein structures of SARS-CoV-2 and human proteins to find homologous protein structures between them. Next, we predicted binding affinity (IC50) of potentially cross-reactive T-cell epitopes to 34 MHC allelic variants that have been associated with autoimmune diseases using multiple prediction algorithms. Overall, from 8,138 SARS-CoV-2 genomes, we identified 3,238 potentially cross-reactive B-cell epitopes covering six human proteins and 1,224 potentially cross-reactive T-cell epitopes covering 285 human proteins. To visualize the predicted cross-reactive T-cell and B-cell epitopes, we developed a web-based application “Molecular Mimicry Map (3M) of SARS-CoV-2” (available at https://ahs2202.github.io/3M/ ). The web application enables researchers to explore potential cross-reactive SARS-CoV-2 epitopes alongside custom peptide vaccines, allowing researchers to identify potentially suboptimal peptide vaccine candidates or less ideal part of a whole virus vaccine to design a safer vaccine for people with genetic and environmental predispositions to autoimmune diseases. Together, the computational resources and the interactive web application provide a foundation for the investigation of molecular mimicry in the pathogenesis of autoimmune disease following COVID-19.