Abstract 6-Phosphofructo-1-kinase, a rate-limiting enzyme of glycolysis, is activated in neoplastic cells by fructose-2,6-bisphosphate (Fru-2,6-BP), a product of four 6-phosphofructo-2-kinase/fructose-2,6-bisphosphatase isozymes (PFKFB1-4). The inducible PFKFB3 isozyme is constitutively expressed by neoplastic cells and required for the high glycolytic rate and anchorage-independent growth of ras-transformed cells. We report herein the computational identification of a small-molecule inhibitor of PFKFB3, 3-(3-pyridinyl)-1-(4-pyridinyl)-2-propen-1-one (3PO), which suppresses glycolytic flux and is cytostatic to neoplastic cells. 3PO inhibits recombinant PFKFB3 activity, suppresses glucose uptake, and decreases the intracellular concentration of Fru-2,6-BP, lactate, ATP, NAD+, and NADH. 3PO markedly attenuates the proliferation of several human malignant hematopoietic and adenocarcinoma cell lines (IC50, 1.4-24 μmol/L) and is selectively cytostatic to ras-transformed human bronchial epithelial cells relative to normal human bronchial epithelial cells. The PFKFB3 enzyme is an essential molecular target of 3PO because transformed cells are rendered resistant to 3PO by ectopic expression of PFKFB3 and sensitive to 3PO by heterozygotic genomic deletion of PFKFB3. Importantly, i.p. administration of 3PO (0.07 mg/g) to tumor-bearing mice markedly reduces the intracellular concentration of Fru-2,6-BP, glucose uptake, and growth of established tumors in vivo. Taken together, these data support the clinical development of 3PO and other PFKFB3 inhibitors as chemotherapeutic agents. [Mol Cancer Ther 2008;7(1):110–20]

Modern single-cell technologies allow multiplexed sampling of cellular states within a tissue. However, computational tools that can infer developmental cell-state transitions reproducibly from such single-cell data are lacking. Here, we introduce p-Creode, an unsupervised algorithm that produces multi-branching graphs from single-cell data, compares graphs with differing topologies, and infers a statistically robust hierarchy of cell-state transitions that define developmental trajectories. We have applied p-Creode to mass cytometry, multiplex immunofluorescence, and single-cell RNA-seq data. As a test case, we validate cell-state-transition trajectories predicted by p-Creode for intestinal tuft cells, a rare, chemosensory cell type. We clarify that tuft cells are specified outside of the Atoh1-dependent secretory lineage in the small intestine. However, p-Creode also predicts, and we confirm, that tuft cells arise from an alternative, Atoh1-driven developmental program in the colon. These studies introduce p-Creode as a reliable method for analyzing large datasets that depict branching transition trajectories.

Abstract Small Cell Lung Cancer (SCLC) tumors are heterogeneous mixtures of transcriptional subtypes. Understanding subtype dynamics could be key to explaining the aggressive properties that make SCLC a recalcitrant cancer. Applying archetype analysis and evolutionary theory to bulk and single-cell transcriptomics, we show that SCLC cells reside within a cell-state continuum rather than in discrete subtype clusters. Gene expression signatures and ontologies indicate each vertex of the continuum corresponds to a functional phenotype optimized for a cancer hallmark task: three neuroendocrine archetypes specialize in proliferation/survival, inflammation and immune evasion, and two non-neuroendocrine archetypes in angiogenesis and metabolic dysregulation. Single cells can trade-off between these defined tasks to increase fitness and survival. SCLC cells can easily transition from specialists that optimize a single task to generalists that fall within the continuum, suggesting that phenotypic plasticity may be a mechanism by which SCLC cells become recalcitrant to treatment and adaptable to diverse microenvironments. We show that plasticity is uncoupled from the phenotype of single cells using a novel RNA-velocity-based metric, suggesting both specialist and generalist cells have the capability of becoming destabilized and transitioning to other phenotypes. We use network simulations to identify transcription factors such as MYC that promote plasticity and resistance to treatment. Our analysis pipeline is suitable to elucidate the role of phenotypic plasticity in any cancer type, and positions SCLC as a prime candidate for treatments that target plasticity.

Abstract The use of biomedical knowledge graphs (BMKG) for knowledge representation and data integration has increased drastically in the past several years due to the size, diversity, and complexity of biomedical datasets and databases. Data extraction from a single dataset or database is usually not particularly challenging. However, if a scientific question must rely on integrative analysis across multiple databases or datasets, it can often take many hours to correctly and reproducibly extract and integrate data towards effective analysis. To overcome this issue, we created Petagraph, a large-scale BMKG that integrates biomolecular data into a schema incorporating the Unified Medical Language System (UMLS). Petagraph is instantiated on the Neo4j graph platform, and to date, has fifteen integrated biomolecular datasets. The majority of the data consists of entities or relationships related to genes, animal models, human phenotypes, drugs, and chemicals. Quantitative data sets containing values from gene expression analyses, chromatin organization, and genetic analyses have also been included. By incorporating models of biomolecular data types, the datasets can be traversed with hundreds of ontologies and controlled vocabularies native to the UMLS, effectively bringing the data to the ontologies. Petagraph allows users to analyze relationships between complex multi-omics data quickly and efficiently.

Abstract Achieving high data quality in single-cell RNA-seq (scRNA-seq) experiments has always been a significant challenge stemming from minute signal that can be detected in individual cells. Droplet-based scRNA-seq additionally suffers from ambient contamination, comprising nucleic acid materials released by dead cells into the loading buffer and co-encapsulated with real cells, which further washes out real biological signals. Here, we developed quantitative, ambient contamination-based metrics and an associated software package that can both evaluate current datasets and guide new experimental optimizations. We performed a series of experimental optimizations using the inDrops platform to address the mechanical and microfluidic cell encapsulation aspect of an scRNA-seq experiment, with a focus on minimizing ambient contamination. We report improvements that can be achieved via cell fixation, microfluidic loading, microfluidic dilution, and nuclei versus cell preparation; many of these parameters are inaccessible on commercial platforms. We provide insights into previously obscured factors that can affect scRNA-seq data quality and suggest mitigation strategies that can guide future experiments.

Longitudinal analysis of Crohn's disease (CD) incidence has identified an inverse correlation with helminth infestation and recent studies have revealed that intestinal tuft cell hyperplasia is critical for helminth response. Tuft cell frequency was decreased in the inflamed ilea of CD patients and a mouse model of TNFα-induced Crohn's-like ileitis (TNFΔARE). Single-cell RNA sequencing paired with unbiased differential trajectory analysis of the tuft cell lineage in a genetic model of tuft cell hyperplasia (AtohKO) demonstrated that the tuft cell lineage had increased tricarboxylic acid (TCA) cycle gene signatures. Commensal microbiome-derived succinate was detected in the ileal lumen of these animals while microbiome depletion suppressed tuft cell hyperplasia. Therapeutic succinate treatment in TNFΔARE animals reduced pathology in correlation with induced tuft cell specification. We provide evidence implicating the modulatory role of intestinal tuft cells in chronic intestinal inflammation, which could facilitate leveraging this rare and elusive cell type for CD treatment.

Crohn9s disease (CD) is a complex chronic inflammatory disorder that may affect any part of gastrointestinal tract with extra-intestinal manifestations and associated immune dysregulation. To characterize heterogeneity in CD, we profiled single-cell transcriptomics of 170 samples from 65 CD patients and 18 non-inflammatory bowel disease (IBD) controls in both the terminal ileum (TI) and ascending colon (AC). Analysis of 202,359 cells identified a novel epithelial cell type in both TI and AC, featuring high expression of LCN2, NOS2, and DUOX2, and thus is named LND. LND cells, confirmed by high-resolution in-situ RNA imaging, were rarely found in non-IBD controls, but expanded significantly in active CD. Compared to other epithelial cells, genes defining LND cells were enriched in antimicrobial response and immunoregulation. Moreover, multiplexed protein imaging demonstrated that LND cell abundance was associated with immune infiltration. Cross-talk between LND and immune cells was explored by ligand-receptor interactions and further evidenced by their spatial colocalization. LND cells showed significant enrichment of expression specificity of IBD/CD susceptibility genes, revealing its role in immunopathogenesis of CD. Investigating lineage relationships of epithelial cells detected two LND cell subpopulations with different origins and developmental potential, early and late LND. The ratio of the late to early LND cells was related to anti-TNF response. These findings emphasize the pathogenic role of the specialized LND cell type in both Crohn9s ileitis and Crohn9s colitis and identify novel biomarkers associated with disease activity and treatment response.

Colorectal cancer exhibits dynamic cellular and genetic heterogeneity during progression from precursor lesions toward malignancy. Leveraging spatial molecular information to construct a phylogeographic map of tumor evolution can reveal individualized growth trajectories with diagnostic and therapeutic potential. Integrative analysis of spatial multi-omic data from 31 colorectal specimens revealed simultaneous microenvironmental and clonal alterations as a function of progression. Copy number variation served to re-stratify microsatellite stable and unstable tumors into chromosomally unstable (CIN+) and hypermutated (HM) classes. Phylogeographical maps classified tumors by their evolutionary dynamics, and clonal regions were placed along a global pseudotemporal progression trajectory. Cell-state discovery from a single-cell cohort revealed recurring epithelial gene signatures and infiltrating immune states in spatial transcriptomics. Charting these states along progression pseudotime, we observed a transition to immune exclusion in CIN+ tumors as characterized by a novel gene expression signature comprised of DDR1, TGFBI, PAK4, and DPEP1 . We demonstrated how these genes and their protein products are key regulators of extracellular matrix components, are associated with lower cytotoxic immune infiltration, and show prognostic value in external cohorts. Through high-dimensional data integration, this atlas provides insights into co-evolution of tumors and their microenvironments, serving as a resource for stratification and targeted treatment of CRC.

Key to understanding many biological phenomena is knowing the temporal ordering of cellular events, which often require continuous direct observations [1, 2]. An alternative solution involves the utilization of irreversible genetic changes, such as naturally occurring mutations, to create indelible markers that enables retrospective temporal ordering [3-8]. Using NSC-seq, a newly designed and validated multi-purpose single-cell CRISPR platform, we developed a molecular clock approach to record the timing of cellular events and clonality

Abstract Current methods for single-cell RNA profiling of pooled CRISPR screens are limited, either by indirect capture of single guide RNAs (sgRNAs) or by custom modification of plasmid libraries. Here, we present a direct sgRNA capture platform called Native sgRNA Capture and sequencing (NSC-seq) that enables single-cell CRISPR screens using common knockout plasmid libraries, facilitating genotype-phenotype mapping at multiple scales in vitro and in vivo . Additionally, we characterize sgRNA expression in three whole-genome knockout libraries, revealing a substantial subset of truncated (isoform) spacer reads. We provide this dataset as a reference of expressed sgRNA isoforms that may potentially have compromised CRISPR gene editing efficacy and precision.