In the human disorder multiple sclerosis (MS) and in the model experimental autoimmune encephalomyelitis (EAE), macrophages predominate in demyelinated areas and their numbers correlate to tissue damage. Macrophages may be derived from infiltrating monocytes or resident microglia, yet are indistinguishable by light microscopy and surface phenotype. It is axiomatic that T cell–mediated macrophage activation is critical for inflammatory demyelination in EAE, yet the precise details by which tissue injury takes place remain poorly understood. In the present study, we addressed the cellular basis of autoimmune demyelination by discriminating microglial versus monocyte origins of effector macrophages. Using serial block-face scanning electron microscopy (SBF-SEM), we show that monocyte-derived macrophages associate with nodes of Ranvier and initiate demyelination, whereas microglia appear to clear debris. Gene expression profiles confirm that monocyte-derived macrophages are highly phagocytic and inflammatory, whereas those arising from microglia demonstrate an unexpected signature of globally suppressed cellular metabolism at disease onset. Distinguishing tissue-resident macrophages from infiltrating monocytes will point toward new strategies to treat disease and promote repair in diverse inflammatory pathologies in varied organs.

Recent spatial gene expression technologies enable comprehensive measurement of transcriptomic profiles while retaining spatial context. However, existing analysis methods do not address the limited resolution of the technology or use the spatial information efficiently. Here, we introduce BayesSpace, a fully Bayesian statistical method that uses the information from spatial neighborhoods for resolution enhancement of spatial transcriptomic data and for clustering analysis. We benchmark BayesSpace against current methods for spatial and non-spatial clustering and show that it improves identification of distinct intra-tissue transcriptional profiles from samples of the brain, melanoma, invasive ductal carcinoma and ovarian adenocarcinoma. Using immunohistochemistry and an in silico dataset constructed from scRNA-seq data, we show that BayesSpace resolves tissue structure that is not detectable at the original resolution and identifies transcriptional heterogeneity inaccessible to histological analysis. Our results illustrate BayesSpace’s utility in facilitating the discovery of biological insights from spatial transcriptomic datasets. BayesSpace increases the resolution of spatial transcriptomics by using neighborhood information.

Abstract Barcoding strategies are fundamental to droplet-based single-cell sequencing, and understanding the biases and caveats between approaches is essential. Here, we comprehensively evaluated both short and long reads of the cDNA obtained through the two marketed approaches from 10x Genomics, the “3’ assay” and the “5’ assay”, which attach barcodes at different ends of the mRNA molecule. Although the barcode detection, cell-type identification, and gene expression profile are similar in both assays, the 5’ assay captured more exonic molecules and fewer intronic molecules compared to the 3’ assay. We found that 13.7% of genes sequenced have longer average read lengths and are more complete (spanning both polyA-site and TSS) in the long reads from the 5’ assay compared to the 3’ assay. These genes are characterized by long average transcript length, high intron number, and low expression overall. Despite these differences, cell-type-specific isoform profiles observed from the two assays remain highly correlated. This study provides a benchmark for choosing the single-cell assay for the intended research question, and insights regarding platform-specific biases to be mindful of when analyzing data, particularly across samples and technologies.

Schizophrenia is a complex psychiatric disorder with genetic and phenotypic heterogeneity. Accumulating rare and genome-wide association study (GWAS) common risk variant information has yet to yield robust mechanistic insight. Leveraging large-scale gene deletion mouse phenomic data thus has potential to functionally interrogate and prioritize human disease genes. To this end, we applied a cross-species network-based approach to parse an extensive mouse gene set (188 genes) associated with disrupted prepulse inhibition (PPI), a Schizophrenia endophenotype. Integrating PPI genes with high-resolution mouse and human brain transcriptomic data, we identified functional and disease coherent co-expression modules through hierarchical clustering and weighted gene co-expression network analysis (WGCNA). In two modules, Schizophrenia risk and mouse PPI genes converged based on telencephalic patterning. The associated neuronal genes were highly expressed in cingulate cortex- and hippocampus; implicated in synaptic function and neurotransmission and overlapped with the greatest proportion of rare variants. Concordant neuroanatomical patterning revealed novel core Schizophrenia-relevant genes consistent with the Omnigenic hypothesis of complex traits. Among other genes discussed, the developmental and post-synaptic scaffold TANC2 (Tetratricopeptide repeat, ankyrin repeat and coiled-coil containing 2) emerged from both networks as a novel core genetic driver of Schizophrenia altering PPI. Aspects of psychiatric disease comorbidity and phenotypic heterogeneity are also explored. Overall, this study provides a framework and galvanizes the value of mouse preclinical genetics and PPI to prioritize both existing and novel human Schizophrenia candidate genes as druggable targets.

Uterine serous carcinoma (USC) is a rare diagnosis but associated with high mortality. There is limited data to guide adjuvant treatment decisions in early stage disease. The purpose of this study is to evaluate the impact of adjuvant therapy on recurrence-free survival (RFS) and overall survival (OS) in early stage USC. Patients with stage I and II USC treated at a single institution from 1/2006-12/2019 were identified. Demographic, clinicopathologic, treatment and outcome data were collected. Data were compared using descriptive statistics. Survival analyses were performed using Kaplan-Meier and Cox proportional hazard methods. Ninety-four patients were identified. Median follow-up time was 33.5 months. The median age was 68 years (range 49-87), the majority of patients were white (n=78, 83.0%), and the median BMI was 30.7 (range 14.2-57.3). Minimally-invasive surgical staging was performed in 59.6% of cases (n=56). Most patients had stage IA disease (n=70, 74.5%). Most patients (n=79, 84.0%) received adjuvant therapy, and a majority of patients received a combination of systemic chemotherapy and radiation therapy (n=55, 58.5%), with the most common combination being chemotherapy plus vaginal brachytherapy (n=42, 44.7%). Most patients (n=77, 81.9%) remain without evidence of disease, while 17 patients (18.1%) have recurred. Patients receiving 6 cycles of adjuvant chemotherapy experienced improved OS (p=0.004) and improved RFS (p=0.02) compared to those receiving no adjuvant chemotherapy. Patients with early stage USC who received six cycles of adjuvant chemotherapy had significantly improved OS and RFS when compared to those patients who did not receive adjuvant chemotherapy.

Abstract Single cell and spatial technologies that profile gene expression across a whole tissue are revolutionizing the resolution of molecular states in clinical tissue samples. Commercially available methods that characterize either single cell or spatial gene expression are currently limited by low sample throughput and/or gene plexy, lack of on-instrument analysis, and the destruction of histological features and epitopes during the workflow. Here, we analyzed large, serial formalin-fixed, paraffin-embedded (FFPE) human breast cancer sections using a novel FFPE-compatible single cell gene expression workflow (Chromium Fixed RNA Profiling; scFFPE-seq), spatial transcriptomics (Visium CytAssist), and automated microscopy-based in situ technology using a 313-plex gene panel (Xenium In Situ). Whole transcriptome profiling of the FFPE tissue using scFFPE-seq and Visium facilitated the identification of 17 different cell types. Xenium allowed us to spatially resolve these cell types and their gene expression profiles with single cell resolution. Due to the non-destructive nature of the Xenium workflow, we were able to perform H&E staining and immunofluorescence on the same section post-processing which allowed us to spatially register protein, histological, and RNA data together into a single image. Integration of data from Chromium scFFPE-seq, Visium, and Xenium across serial sections allowed us to do extensive benchmarking of sensitivity and specificity between the technologies. Furthermore, data integration inspired the interrogation of three molecularly distinct tumor subtypes (low-grade and high-grade ductal carcinoma in situ (DCIS), and invasive carcinoma). We used Xenium to characterize cellular composition and differentially expressed genes within these subtypes. This analysis allowed us to draw biological insights about DCIS progression to infiltrating carcinoma, as the myoepithelial layer degrades and tumor cells invade the surrounding stroma. Xenium also allowed us to further predict the hormone receptor status of tumor subtypes, including a small 0.1 mm 2 DCIS region that was triple positive for ESR1 (estrogen receptor), PGR (progesterone receptor), and ERBB2 (human epidermal growth factor receptor 2, a.k.a. HER2) RNA. In order to derive whole transcriptome information from these cells, we used Xenium data to interpolate the cell composition of Visium spots, and used Visium whole transcriptome information to discover new biomarkers of breast tumor subtypes. We demonstrate that scFFPE-seq, Visium, and Xenium independently provide information about molecular signatures relevant to understanding cancer heterogeneity. However, it is the integration of these technologies that leads to even deeper insights, ushering in discoveries that will progress oncology research and the development of diagnostics and therapeutics.

ABSTRACT Background Recent advances in xenotransplantation in living and decedent humans using pig xenografts have laid promising groundwork towards future emergency use and first in human trials. Major obstacles remain though, including a lack of knowledge of the genetic incompatibilities between pig donors and human recipients which may led to harmful immune responses against the xenograft or dysregulation of normal physiology. In 2022 two pig heart xenografts were transplanted into two brain-dead human decedents with a minimized immunosuppression regime, primarily to evaluate onset of hyper-acute antibody mediated rejection and sustained xenograft function over 3 days. Methods We performed multi-omic profiling to assess the dynamic interactions between the pig and human genomes in the first two pig heart-xenografts transplants into human decedents. To assess global and specific biological changes that may correlate with immune-related outcomes and xenograft function, we generated transcriptomic, lipidomic, proteomic and metabolomics datasets, across blood and tissue samples collected every 6 hours over the 3-day procedures. Results Single-cell datasets in the 3-day pig xenograft-decedent models show dynamic immune activation processes. We observe specific scRNA-seq, snRNA-seq and geospatial transcriptomic changes of early immune-activation leading to pronounced downstream T-cell activity and hallmarks of early antibody mediated rejection (AbMR) and/or ischemia reperfusion injury (IRI) in the first xenograft recipient. Using longitudinal multiomic integrative analyses from blood in addition to antigen presentation pathway enrichment, we also observe in the first xeno-heart recipient significant cellular metabolism and liver damage pathway changes that correlate with profound physiological dysfunction whereas, these signals are not present in the other xenograft recipient. Conclusions Single-cell and multiomics approaches reveal fundamental insights into early molecular immune responses indicative of IRI and/or early AbMR in the first human decedent, which was not evident in the conventional histological evaluations.