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.

ABSTRACT Mouse lemurs are the smallest, fastest reproducing, and among the most abundant primates, and an emerging model organism for primate biology, behavior, health and conservation. Although much has been learned about their physiology and their Madagascar ecology and phylogeny, little is known about their cellular and molecular biology. Here we used droplet- and plate-based single cell RNA-sequencing to profile 226,000 cells from 27 mouse lemur organs and tissues opportunistically procured from four donors clinically and histologically characterized. Using computational cell clustering, integration, and expert cell annotation, we defined and biologically organized over 750 mouse lemur molecular cell types and their full gene expression profiles. These include cognates of most classical human cell types, including stem and progenitor cells, and the developmental programs for spermatogenesis, hematopoiesis, and other adult tissues. We also described dozens of previously unidentified or sparsely characterized cell types and subtypes. We globally compared cell type expression profiles to define the molecular relationships of cell types across the body, and explored primate cell type evolution by comparing mouse lemur cell profiles to those of the homologous cells in human and mouse. This revealed cell type specific patterns of primate cell specialization even within a single tissue compartment, as well as many cell types for which lemur provides a better human model than mouse. The atlas provides a cellular and molecular foundation for studying this primate model organism, and establishes a general approach for other emerging model organisms.

The Tabula Muris Consortium We have created a compendium of single cell transcriptome data from the model organism Mus musculus comprising more than 100,000 cells from 20 organs and tissues. These data represent a new resource for cell biology, revealing gene expression in poorly characterized cell populations and allowing for direct and controlled comparison of gene expression in cell types shared between tissues, such as T-lymphocytes and endothelial cells from distinct anatomical locations. Two distinct technical approaches were used for most tissues: one approach, microfluidic droplet-based 3’-end counting, enabled the survey of thousands of cells at relatively low coverage, while the other, FACS-based full length transcript analysis, enabled characterization of cell types with high sensitivity and coverage. The cumulative data provide the foundation for an atlas of transcriptomic cell biology.

Abstract Humans have unique cognitive abilities among primates, including language, but their molecular, cellular, and circuit substrates are poorly understood. We used comparative single nucleus transcriptomics in adult humans, chimpanzees, gorillas, rhesus macaques, and common marmosets from the middle temporal gyrus (MTG) to understand human-specific features of cellular and molecular organization. Human, chimpanzee, and gorilla MTG showed highly similar cell type composition and laminar organization, and a large shift in proportions of deep layer intratelencephalic-projecting neurons compared to macaque and marmoset. Species differences in gene expression generally mirrored evolutionary distance and were seen in all cell types, although chimpanzees were more similar to gorillas than humans, consistent with faster divergence along the human lineage. Microglia, astrocytes, and oligodendrocytes showed accelerated gene expression changes compared to neurons or oligodendrocyte precursor cells, indicating either relaxed evolutionary constraints or positive selection in these cell types. Only a few hundred genes showed human-specific patterning in all or specific cell types, and were significantly enriched near human accelerated regions (HARs) and conserved deletions (hCONDELS) and in cell adhesion and intercellular signaling pathways. These results suggest that relatively few cellular and molecular changes uniquely define adult human cortical structure, particularly by affecting circuit connectivity and glial cell function.

ABSTRACT Early stages of deadly respiratory diseases such as COVID-19 have been challenging to elucidate due to lack of an experimental system that recapitulates the cellular and structural complexity of the human lung while allowing precise control over disease initiation and systematic interrogation of molecular events at cellular resolution. Here we show healthy human lung slices cultured ex vivo can be productively infected with SARS-CoV-2, and the cellular tropism of the virus and its distinct and dynamic effects on host cell gene expression can be determined by single cell RNA sequencing and reconstruction of “infection pseudotime” for individual lung cell types. This revealed that the prominent SARS-CoV-2 target is a population of activated interstitial macrophages (IMs), which as infection proceeds accumulate thousands of viral RNA molecules per cell, comprising up to 60% of the cellular transcriptome and including canonical and novel subgenomic RNAs. During viral takeover of IMs, there is cell-autonomous induction of a pro-fibrotic program ( TGFB1 , SPP1 ), and an inflammatory program characterized by the early interferon response, chemokines ( CCL2 , 7, 8 , 13, CXCL10 ) and cytokines ( IL6, IL10) , along with destruction of cellular architecture and formation of dense viral genomic RNA bodies revealed by super-resolution microscopy. In contrast, alveolar macrophages (AMs) showed neither viral takeover nor induction of a substantial inflammatory response, although both purified AMs and IMs supported production of infectious virions. Spike-dependent viral entry into AMs was neutralized by blockade of ACE2 or Sialoadhesin/CD169, whereas IM entry was neutralized only by DC-SIGN/CD209 blockade. These results provide a molecular characterization of the initiation of COVID-19 in human lung tissue, identify activated IMs as a prominent site of viral takeover and focus of inflammation and fibrosis, and suggest therapeutic targeting of the DC-SIGN/CD209 entry mechanism to prevent IM infection, destruction and early pathology in COVID-19 pneumonia. Our approach can be generalized to define the initiation program and evaluate therapeutics for any human lung infection at cellular resolution.

Abstract Variation in cortical cytoarchitecture is the basis for histology-based definition of cortical areas, such as Brodmann areas. Single cell transcriptomics enables higher-resolution characterization of cell types in human cortex, which we used to revisit the idea of the canonical cortical microcircuit and to understand functional areal specialization. Deeply sampled single nucleus RNA-sequencing of eight cortical areas spanning cortical structural variation showed highly consistent cellular makeup for 24 coarse cell subclasses. However, proportions of excitatory neuron subclasses varied strikingly, reflecting differences in intra- and extracortical connectivity across primary sensorimotor and association cortices. Astrocytes and oligodendrocytes also showed differences in laminar organization across areas. Primary visual cortex showed dramatically different organization, including major differences in the ratios of excitatory to inhibitory neurons, expansion of layer 4 excitatory neuron types and specialized inhibitory neurons. Finally, gene expression variation in conserved neuron subclasses predicts differences in synaptic function across areas. Together these results provide a refined cellular and molecular characterization of human cortical cytoarchitecture that reflects functional connectivity and predicts areal specialization.

Abstract Single-cell RNA-seq (scRNA-seq) is a powerful tool for cell type identification but is not readily applicable to organisms without well-annotated reference genomes. Of the approximately 10 million animal species predicted to exist on Earth, >99.9% do not have any submitted genome assembly. To enable scRNA-seq for the vast majority of animals on the planet, here we introduce the concept of “ k -mer homology,” combining biochemical synonyms in degenerate protein alphabets with uniform data subsampling via MinHash into a pipeline called Kmermaid . Implementing this pipeline enables direct detection of similar cell types across species from transcriptomic data without the need for a reference genome. Underpinning Kmermaid is the tool Orpheum , a memory-efficient method for extracting high-confidence protein-coding sequences from RNA-seq data. After validating Kmermaid using datasets from human and mouse lung, we applied Kmermaid to the Chinese horseshoe bat ( Rhinolophus sinicus ), where we propagated cellular compartment labels at high fidelity. Our pipeline provides a high-throughput tool that enables analyses of transcriptomic data across divergent species’ transcriptomes in a genome- and gene annotation-agnostic manner. Thus, the combination of Kmermaid and Orpheum identifies cell type-specific sequences that may be missing from genome annotations and empowers molecular cellular phenotyping for novel model organisms and species.

Abstract Single cell transcriptomic studies have identified a conserved set of neocortical cell types from small post-mortem cohorts. We extend these efforts by assessing cell type variation across 75 adult individuals undergoing epilepsy and tumor surgeries. Nearly all nuclei map to one of 125 robust cell types identified in middle temporal gyrus, but with varied abundances and gene expression signatures across donors, particularly in deep layer glutamatergic neurons. A minority of variance is explainable by known factors including donor identity and small contributions from age, sex, ancestry, and disease state. Genomic variation was significantly associated with variable expression of 150-250 genes for most cell types. Thus, human individuals display a highly consistent cellular makeup, but with significant variation reflecting donor characteristics, disease condition, and genetic regulation. One-Sentence Summary Inter-individual variation in human cortex is greatest for deep layer excitatory neurons and largely unexplainable by known factors.

Abstract Oxygen passes along the ramifying branches of the lung’s bronchial tree and enters the blood through millions of tiny, thin-walled gas exchange sacs called alveoli. Classical histological studies have suggested that alveoli arise late in development by a septation process that subdivides large air sacs into smaller compartments. Although a critical role has been proposed for contractile myofibroblasts, the mechanism of alveolar patterning and morphogenesis is not well understood. Here we present the three-dimensional cellular structure of alveoli, and show using single-cell labeling and deep imaging that an alveolus in the mouse lung is composed of just 2 epithelial cells and a total of a dozen cells of 7 different types, each with a remarkable, distinctive structure. By mapping alveolar development at cellular resolution at a specific position in the branch lineage, we find that alveoli form surprisingly early by direct budding of epithelial cells out from the airway stalk between enwrapping smooth muscle cells that rearrange into a ring of 3-5 myofibroblasts at the alveolar base. These alveolar entrance myofibroblasts are anatomically and developmentally distinct from myofibroblasts that form the thin fiber partitions of alveolar complexes (‘partitioning’ myofibroblasts). The nascent alveolar bud is led by a single alveolar type 2 (AT2) cell following selection from epithelial progenitors; a lateral inhibitory signal transduced by Notch ensures selection of only one cell so its trailing neighbor acquires AT1 fate and flattens into the cup-shaped wall of the alveolus. Our analysis suggests an elegant new model of alveolar patterning and formation that provides the foundation for understanding the cellular and molecular basis of alveolar diseases and regeneration. One Sentence Summary We report a direct budding mechanism of alveolar development distinct from the classical model of subdivision (‘septation’) of large air sacs.

Single-cell genomics is a powerful tool for studying heterogeneous tissues such as the brain. Yet, little is understood about how genetic variants influence cell-level gene expression. Addressing this, we uniformly processed single-nuclei, multi-omics datasets into a resource comprising >2.8M nuclei from the prefrontal cortex across 388 individuals. For 28 cell types, we assessed population-level variation in expression and chromatin across gene families and drug targets. We identified >550K cell-type-specific regulatory elements and >1.4M single-cell expression-quantitative-trait loci, which we used to build cell-type regulatory and cell-to-cell communication networks. These networks manifest cellular changes in aging and neuropsychiatric disorders. We further constructed an integrative model accurately imputing single-cell expression and simulating perturbations; the model prioritized ~250 disease-risk genes and drug targets with associated cell types.