Immune responses to cancer are highly variable, with mismatch repair-deficient (MMRd) tumors exhibiting more anti-tumor immunity than mismatch repair-proficient (MMRp) tumors. To understand the rules governing these varied responses, we transcriptionally profiled 371,223 cells from colorectal tumors and adjacent normal tissues of 28 MMRp and 34 MMRd individuals. Analysis of 88 cell subsets and their 204 associated gene expression programs revealed extensive transcriptional and spatial remodeling across tumors. To discover hubs of interacting malignant and immune cells, we identified expression programs in different cell types that co-varied across tumors from affected individuals and used spatial profiling to localize coordinated programs. We discovered a myeloid cell-attracting hub at the tumor-luminal interface associated with tissue damage and an MMRd-enriched immune hub within the tumor, with activated T cells together with malignant and myeloid cells expressing T cell-attracting chemokines. By identifying interacting cellular programs, we reveal the logic underlying spatially organized immune-malignant cell networks.

Pancreatic ductal adenocarcinoma (PDAC) is a highly lethal and treatment-refractory cancer. Molecular stratification in pancreatic cancer remains rudimentary and does not yet inform clinical management or therapeutic development. Here, we construct a high-resolution molecular landscape of the cellular subtypes and spatial communities that compose PDAC using single-nucleus RNA sequencing and whole-transcriptome digital spatial profiling (DSP) of 43 primary PDAC tumor specimens that either received neoadjuvant therapy or were treatment naive. We uncovered recurrent expression programs across malignant cells and fibroblasts, including a newly identified neural-like progenitor malignant cell program that was enriched after chemotherapy and radiotherapy and associated with poor prognosis in independent cohorts. Integrating spatial and cellular profiles revealed three multicellular communities with distinct contributions from malignant, fibroblast and immune subtypes: classical, squamoid-basaloid and treatment enriched. Our refined molecular and cellular taxonomy can provide a framework for stratification in clinical trials and serve as a roadmap for therapeutic targeting of specific cellular phenotypes and multicellular interactions.

Neoadjuvant immune checkpoint blockade has shown promising clinical activity. Here, we characterized early kinetics in tumor-infiltrating and circulating immune cells in oral cancer patients treated with neoadjuvant anti-PD-1 or anti-PD-1/CTLA-4 in a clinical trial (NCT02919683). Tumor-infiltrating CD8 T cells that clonally expanded during immunotherapy expressed elevated tissue-resident memory and cytotoxicity programs, which were already active prior to therapy, supporting the capacity for rapid response. Systematic target discovery revealed that treatment-expanded tumor T cell clones in responding patients recognized several self-antigens, including the cancer-specific antigen MAGEA1. Treatment also induced a systemic immune response characterized by expansion of activated T cells enriched for tumor-infiltrating T cell clonotypes, including both pre-existing and emergent clonotypes undetectable prior to therapy. The frequency of activated blood CD8 T cells, notably pre-treatment PD-1-positive KLRG1-negative T cells, was strongly associated with intra-tumoral pathological response. These results demonstrate how neoadjuvant checkpoint blockade induces local and systemic tumor immunity.

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.

Interleukin-27 (IL-27) is an immunoregulatory cytokine that suppresses inflammation through multiple mechanisms, including induction of IL-10, but the transcriptional network mediating its diverse functions remains unclear. Combining temporal RNA profiling with computational algorithms, we predict 79 transcription factors induced by IL-27 in T cells. We validate 11 known and discover 5 positive (Cebpb, Fosl2, Tbx21, Hlx, and Atf3) and 2 negative (Irf9 and Irf8) Il10 regulators, generating an experimentally refined regulatory network for Il10. We report two central regulators, Prdm1 and Maf, that cooperatively drive the expression of signature genes induced by IL-27 in type 1 regulatory T cells, mediate IL-10 expression in all T helper cells, and determine the regulatory phenotype of colonic Foxp3+ regulatory T cells. Prdm1/Maf double-knockout mice develop spontaneous colitis, phenocopying ll10-deficient mice. Our work provides insights into IL-27-driven transcriptional networks and identifies two shared Il10 regulators that orchestrate immunoregulatory programs across T helper cell subsets.

ABSTRACT Pancreatic ductal adenocarcinoma (PDAC) remains a treatment-refractory disease. Characterizing PDAC by mRNA profiling remains particularly challenging. Previously identified bulk expression subtypes were influenced by contaminating stroma and have not yet informed clinical management, whereas single cell RNA-seq (scRNA-seq) of fresh tumors under-represented key cell types. Here, we developed a robust single-nucleus RNA-seq (snRNA-seq) technique for frozen archival PDAC specimens and used it to study both untreated tumors and those that received neoadjuvant chemotherapy and radiotherapy (CRT). Gene expression programs learned across untreated malignant cell and fibroblast profiles uncovered a clinically relevant molecular taxonomy with improved prognostic stratification compared to prior classifications. Moreover, in the increasingly-adopted neoadjuvant treatment context, there was a depletion of classical-like phenotypes in malignant cells in favor of basal-like phenotypes associated with TNF-NFkB and interferon signaling as well as the presence of novel acinar and neuroendocrine classical-like states, which may be more resilient to cytotoxic treatment. Spatially-resolved transcriptomics revealed an association between malignant cells expressing these basal-like programs and higher immune infiltration with increased lymphocytic content, whereas those exhibiting classical-like programs were linked to sparser macrophage-predominant microniches, perhaps pointing to susceptibility to distinct therapeutic strategies. Our refined molecular taxonomy and spatial resolution can help advance precision oncology in PDAC through informative stratification in clinical trials and insights into differential therapeutic targeting leveraging the immune system.

Abstract Understanding the function of genes and their regulation in tissue homeostasis and disease requires knowing the cellular context in which genes are expressed in tissues across the body. Single cell genomics allows the generation of detailed cellular atlases in human tissues, but most efforts are focused on single tissue types. Here, we establish a framework for profiling multiple tissues across the human body at single-cell resolution using single nucleus RNA-Seq (snRNA-seq), and apply it to 8 diverse, archived, frozen tissue types (three donors per tissue). We apply four snRNA-seq methods to each of 25 samples from 16 donors, generating a cross-tissue atlas of 209,126 nuclei profiles, and benchmark them vs . scRNA-seq of comparable fresh tissues. We use a conditional variational autoencoder (cVAE) to integrate an atlas across tissues, donors, and laboratory methods. We highlight shared and tissue-specific features of tissue-resident immune cells, identifying tissue-restricted and non-restricted resident myeloid populations. These include a cross-tissue conserved dichotomy between LYVE1- and HLA class II-expressing macrophages, and the broad presence of LAM-like macrophages across healthy tissues that is also observed in disease. For rare, monogenic muscle diseases, we identify cell types that likely underlie the neuromuscular, metabolic, and immune components of these diseases, and biological processes involved in their pathology. For common complex diseases and traits analyzed by GWAS, we identify the cell types and gene modules that potentially underlie disease mechanisms. The experimental and analytical frameworks we describe will enable the generation of large-scale studies of how cellular and molecular processes vary across individuals and populations.

Abstract While advances in single cell genomics have helped to chart the cellular components of tumor ecosystems, it has been more challenging to characterize their specific spatial organization and functional interactions. Here, we combine single cell RNA-seq and spatial transcriptomics by Slide-seq, to create a detailed spatial map of healthy and dysplastic colon cellular ecosystems and their association with disease progression. We profiled an inducible genetic CRC mouse model that recapitulates key features of human CRC, assigned cell types and epithelial expression programs to spatial tissue locations in tumors, and computationally used them to identify the regional features spanning different cells in the same spatial niche. We find that tumors were organized in cellular neighborhoods, each with a distinct composition of cell subtypes, expression programs, and local cellular interactions. Three cellular neighborhood archetypes were associated with tumor progression, were active at the same time in different spatial parts of the same tumor, involved dysplasia-specific cellular layouts, and relied on distinct mechanisms: ( 1 ) inflammatory epithelial regions with endothelial cells and monocytes expressing angiogenesis, inflammation and invasion programs; ( 2 ) epithelial stem-like regions, associated with plasma and B cell activity; and ( 3 ) epithelial-to-mesenchymal transition (EMT) regions with dysplastic cells expressing a Wnt signaling program. Comparing to scRNA-seq and Slide-seq data from human CRC, we find that both cell composition and layout features were conserved in both species, with mouse archetypal neighborhoods correlated with malignancy and clinical outcome in human patient tumors, highlighting the relevance of our findings to human disease.

Abstract Genome sequencing studies have identified millions of somatic variants in cancer, but their phenotypic impact remains challenging to predict. Current experimental approaches to distinguish between functionally impactful and neutral variants require customized phenotypic assays that often report on average effects, and are not easily scaled. Here, we develop a generalizable, high-dimensional, and scalable approach to functionally assess variant impact in single cells by pooled Perturb-seq. Specifically, we assessed the impact of 200 TP53 and KRAS variants in >300,000 single lung cancer cells, and used the profiles to categorize variants into phenotypic subsets to distinguish gain-of-function, loss-of-function and dominant negative variants, which we validated by comparison to orthogonal assays. Surprisingly, KRAS variants did not merely fit into discrete functional categories, but rather spanned a continuum of gain-of-function phenotypes driven by quantitative shifts in cell composition at the single cell level. We further discovered novel gain-of-function KRAS variants whose impact could not have been predicted solely by their occurrence in patient samples. Our work provides a scalable, gene-agnostic method for coding variant impact phenotyping, which can be applied in cancer and other diseases driven by somatic or germline coding mutations.

Abstract Profiling cellular heterogeneity in formalin-fixed paraffin-embedded (FFPE) tissues is key to characterizing clinical specimens for biomarkers, therapeutic targets, and drug responses. Here, we optimize methods for isolating intact nuclei and single nucleus RNA-Seq from FFPE tissues in the mouse brain, and demonstrate a pilot application to a human clinical specimen of lung adenocarcinoma. Our method opens the way to broad applications of snRNA-Seq to archival tissues, including clinical samples.