Idiopathic pulmonary fibrosis (IPF) is a lethal interstitial lung disease characterized by airway remodeling, inflammation, alveolar destruction, and fibrosis. We utilized single-cell RNA sequencing (scRNA-seq) to identify epithelial cell types and associated biological processes involved in the pathogenesis of IPF. Transcriptomic analysis of normal human lung epithelial cells defined gene expression patterns associated with highly differentiated alveolar type 2 (AT2) cells, indicated by enrichment of RNAs critical for surfactant homeostasis. In contrast, scRNA-seq of IPF cells identified 3 distinct subsets of epithelial cell types with characteristics of conducting airway basal and goblet cells and an additional atypical transitional cell that contributes to pathological processes in IPF. Individual IPF cells frequently coexpressed alveolar type 1 (AT1), AT2, and conducting airway selective markers, demonstrating “indeterminate” states of differentiation not seen in normal lung development. Pathway analysis predicted aberrant activation of canonical signaling via TGF-β, HIPPO/YAP, P53, WNT, and AKT/PI3K. Immunofluorescence confocal microscopy identified the disruption of alveolar structure and loss of the normal proximal-peripheral differentiation of pulmonary epithelial cells. scRNA-seq analyses identified loss of normal epithelial cell identities and unique contributions of epithelial cells to the pathogenesis of IPF. The present study provides a rich data source to further explore lung health and disease.

A major challenge in developmental biology is to understand the genetic and cellular processes/programs driving organ formation and differentiation of the diverse cell types that comprise the embryo. While recent studies using single cell transcriptome analysis illustrate the power to measure and understand cellular heterogeneity in complex biological systems, processing large amounts of RNA-seq data from heterogeneous cell populations creates the need for readily accessible tools for the analysis of single-cell RNA-seq (scRNA-seq) profiles. The present study presents a generally applicable analytic pipeline (SINCERA: a computational pipeline for SINgle CEll RNA-seq profiling Analysis) for processing scRNA-seq data from a whole organ or sorted cells. The pipeline supports the analysis for: 1) the distinction and identification of major cell types; 2) the identification of cell type specific gene signatures; and 3) the determination of driving forces of given cell types. We applied this pipeline to the RNA-seq analysis of single cells isolated from embryonic mouse lung at E16.5. Through the pipeline analysis, we distinguished major cell types of fetal mouse lung, including epithelial, endothelial, smooth muscle, pericyte, and fibroblast-like cell types, and identified cell type specific gene signatures, bioprocesses, and key regulators. SINCERA is implemented in R, licensed under the GNU General Public License v3, and freely available from CCHMC PBGE website, https://research.cchmc.org/pbge/sincera.html.

Abstract Single-cell technologies have transformed our understanding of human tissues. Yet, studies typically capture only a limited number of donors and disagree on cell type definitions. Integrating many single-cell datasets can address these limitations of individual studies and capture the variability present in the population. Here we present the integrated Human Lung Cell Atlas (HLCA), combining 49 datasets of the human respiratory system into a single atlas spanning over 2.4 million cells from 486 individuals. The HLCA presents a consensus cell type re-annotation with matching marker genes, including annotations of rare and previously undescribed cell types. Leveraging the number and diversity of individuals in the HLCA, we identify gene modules that are associated with demographic covariates such as age, sex and body mass index, as well as gene modules changing expression along the proximal-to-distal axis of the bronchial tree. Mapping new data to the HLCA enables rapid data annotation and interpretation. Using the HLCA as a reference for the study of disease, we identify shared cell states across multiple lung diseases, including SPP1 + profibrotic monocyte-derived macrophages in COVID-19, pulmonary fibrosis and lung carcinoma. Overall, the HLCA serves as an example for the development and use of large-scale, cross-dataset organ atlases within the Human Cell Atlas.

SUMMARY Respiratory failure is the leading cause of COVID-19 death and disproportionately impacts adults more than children. Here, we present a large-scale snATAC-seq dataset (90,980 nuclei) of the human lung, generated in parallel with snRNA-seq (46,500 nuclei), from healthy donors of ~30 weeks, ~3 years and ~30 years of age. Focusing on genes implicated in SARS-CoV-2 cell entry, we observed an increase in the proportion of alveolar epithelial cells expressing ACE2 and TMPRSS2 in adult compared to young lungs. Consistent with expression dynamics, 10 chromatin peaks linked to TMPRSS2 exhibited significantly increased activity with age and harbored IRF and STAT binding sites. Furthermore, we identified 14 common sequence variants in age-increasing peaks with predicted regulatory function, including several associated with respiratory traits and TMPRSS2 expression. Our findings reveal a plausible contributor to why children are more resistant to COVID-19 and provide an epigenomic basis for transferring this resistance to older populations.

Abstract Rationale While animal model studies have extensively defined mechanisms controlling cell diversity in the developing mammalian lung, the limited data available from late stage human lung development represents a significant knowledge gap. The NHLBI Molecular Atlas of Lung Development Program (LungMAP) seeks to fill this gap by creating a structural, cellular and molecular atlas of the human and mouse lung. Methods Single cell RNA sequencing generated transcriptional profiles of 5500 cells obtained from two one-day old human lungs (born at gestational ages of 39 and 31 weeks) from the LungMAP Human Tissue Core Biorepository at the University of Rochester. Frozen single cell isolates were captured, and library preparation was completed on the Chromium 10X system. Data was analyzed in Seurat, and cellular annotation was performed using the ToppGene functional analysis tool. Single cell sequence data from 32000 postnatal day 1, 3, 7 and 10 mouse lung (n = 2 at each time point) cells generated by the LungMAP Research Center at Cincinnati Children’s Hospital and Medical Center, using Dropseq platform, was integrated with the human data. In situ hybridization was used to confirm the spatial location of cellular phenotypes. Results Transcriptional interrogation of donor newborn human lung cells identified distinct clusters representing multiple populations of epithelial, endothelial, fibroblasts, pericytes, smooth muscle, and immune cells and signature genes for each of these populations were identified. Computational integration of newborn human and postnatal mouse lung development cellular transcriptomes facilitated the identification of distinct cellular lineages among all the major cell types. Integration of the human and mouse cellular transcriptomes also demonstrated cell type-specific differences in developmental states of the newborn human lung cells. In particular, matrix fibroblasts could be separated into those representative of younger cells (n=393), or older cells (n=158). This is the first comprehensive molecular map of the cellular landscape of neonatal human lung, including biomarkers for cells at distinct states of development. Our results indicate that integrated single cell RNA profiling of human and mouse lung will help identify common and species-specific mechanisms of lung development and respiratory disease.

ABSTRACT Accurate cell type identification is a key and rate-limiting step in single cell data analysis. Single cell references with comprehensive cell types, reproducible and functional validated cell identities, and common nomenclatures are much needed by the research community to optimize automated cell type annotation and facilitate data integration, sharing, and collaboration. In the present study, we developed a novel computational pipeline to utilize the LungMAP CellCards as a dictionary to consolidate single-cell transcriptomic datasets of 104 human lungs and 17 mouse lung samples and constructed “LungMAP CellRef” and “LungMAP CellRef Seed” for both normal human and mouse lungs. “CellRef Seed” has an equivalent prediction power and produces consistent cell annotation as does “CellRef” but improves computational efficiency and simplifies its utilization for fast automated cell type annotation and online visualization. This atlas set incorporates 48 human and 40 mouse well-defined lung cell types catalogued from diverse anatomic locations and developmental time points. Using independent datasets, we demonstrated the utility of our CellRefs for automated cell type annotation analysis of both normal and disease lungs. User-friendly web interfaces were developed to support easy access and maximal utilization of the LungMAP CellRefs. LungMAP CellRefs are freely available to the pulmonary research community through fast interactive web interfaces to facilitate hypothesis generation, research discovery, and identification of cell type alterations in disease conditions.

Abstract Malformations of or injuries to the developing lung are associated with perinatal morbidity and mortality with lifelong consequences for subsequent pulmonary health. One fetal exposure linked with poor health outcomes is chorioamnionitis, which impacts up to 25-40% of preterm births. Severe chorioamnionitis with prematurity is associated with significantly increased risk of pulmonary disease and secondary infections in childhood, suggesting that fetal inflammation may significantly alter developmental ontogeny of the lung. To test this hypothesis, we used intra-amniotic lipopolysaccharide (LPS, endotoxin) to generate experimental chorioamnionitis in prenatal Rhesus macaque ( Macaca mulatta ), a model which shares critical structural and temporal aspects of human lung development. Inflammatory injury directly disrupts the developing gas exchange surface of the primate lung, with extensive damage to alveolar structure, particularly the close association and coordinated differentiation of alveolar type 1 pneumocytes and specialized alveolar capillary endothelium. Single cell RNA sequencing analysis defined a multicellular alveolar signaling niche driving alveologenesis which was extensively disrupted by perinatal inflammation, leading to loss of gas exchange surface and alveolar simplification similar to that found in chronic lung disease of newborns. Blockade of IL1β and TNFα ameliorated endotoxin-induced inflammatory lung injury by blunting stromal response to inflammation and modulating innate immune activation in myeloid cells, restoring structural integrity and key signaling networks in the developing alveolus. These data provide new insight into the pathophysiology of developmental lung injury and suggest that modulating inflammation is a promising therapeutic approach to prevent fetal consequences of chorioamnionitis.

Abstract Differential chromatin accessibility accompanies and mediates transcriptional control of diverse cell fates and their differentiation during embryogenesis. While the critical role of NKX2-1 and its transcriptional targets in lung morphogenesis and pulmonary epithelial cell differentiation is increasingly known, mechanisms by which chromatin accessibility alters the epigenetic landscape and how NKX2-1 interacts with other co-activators required for alveolar epithelial cell differentiation and function are not well understood. Here, we demonstrate that the paired domain zinc finger transcriptional regulators PRDM3 and PRDM16 regulate chromatin accessibility to mediate cell differentiation decisions during lung morphogenesis. Combined deletion of Prdm3 and Prdm16 in early lung endoderm caused perinatal lethality due to respiratory failure from loss of AT2 cell function. Prdm3/16 deletion led to the accumulation of partially differentiated AT1 cells and loss of AT2 cells. Combination of single cell RNA-seq, bulk ATAC-seq, and CUT&RUN demonstrated that PRDM3 and PRDM16 enhanced chromatin accessibility at NKX2-1 transcriptional targets in peripheral epithelial cells, all three factors binding together at a multitude of cell-type specific cis-active DNA elements. Network analysis demonstrated that PRDM3/16 regulated genes critical for perinatal AT2 cell differentiation, surfactant homeostasis, and innate host defense. Lineage specific deletion of PRDM3/16 in AT2 cells led to lineage infidelity, with PRDM3/16 null cells acquiring partial AT1 fate. Together, these data demonstrate that NKX2-1-dependent regulation of alveolar epithelial cell differentiation is mediated by epigenomic modulation via PRDM3/16. Graphical Abstract Model of the role of PRMD3/16 in alveolar development PRMD3/16 participate in cell fate specification in the lung by modulating chromatin accessibility (top row) and by partnering with NKX2-1 and partner transcription factors to drive gene expression (second row) via a gene regulatory network required for terminal cell differentiation and surfactant expression in AT2 cells (third row). Loss of PRDM3/16 activity in lung endoderm leads to reduced AT2 quorum, failure of AT2 surfactant function, and transition to an immature AT1 phenotype (bottom panel).

ABSTRACT Recent advances in single-cell omics and high-resolution imaging have provided unanticipated data resources for the elucidation of genes underlying the complex biological processes critical for organ formation and function. However, processing and integrating large amounts of single-cell omics and imaging data presents a major challenge for most researchers. There is a critical need for ready-to-use computational tools for data/knowledge integration and visualization. Here we present “Lung-at-a-glance”, an easy-to-use web toolset for visualizing and interoperating complex omics and imaging data, providing an interactive web interface to bridge lung anatomic ontology classifications to lung histology and immunofluorescence confocal images, and cell-type-specific gene expression. “Lung-at-a-glance” contains three interactive components: 1) “Region at a glance”, 2) “Cell at a glance” and 3) “Gene at a glance”. “Lung-at-a-glance” and other newly developed web tools for lung-related data query, integration and visualization are publicly available on LGEA web portal v3 https://research.cchmc.org/pbge/lunggens/mainportal.html .