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.

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 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.

Summary Monocytes and monocyte-derived macrophages (MDM) from blood circulation infiltrate and promote glioblastoma growth. Here we discover that glioma cells induce the expression of potent pro-inflammatory cytokine IL-1β in MDM, which engages IL-1R1 in glioma cells, activates NF-κB pathway, and subsequently leads to the induction of monocyte chemoattractant proteins (MCPs). Thus, a feedforward paracrine circuit of IL-1β/IL-1R1 between the tumors and MDM creates an interdependence driving glioblastoma progression. Locally antagonizing IL-1β/IL-1R1 leads to reduced MDM infiltration, diminished tumor growth, reduced exhausted CD8 + T cells, and thereby extends the survival of tumor-bearing mice. In contrast to IL-1β, IL-1a exhibits anti-tumor effects. Genetic deletion of Il1a is associated with decreased recruitment of lymphoid cells and loss of interferon (IFN) signaling in various immune populations and subsets of malignant cells. IL-1β antagonism of IL-1β should be considered as an effective anti-glioblastoma therapy. Graphical Abstract

Abstract TP53 is the most frequently mutated gene across many cancers and is associated with shorter survival in non-small cell lung cancer (NSCLC). To understand how TP53 -mutant ( TP53 mut ) malignant cells interact with the tumor microenvironment (TME) at a molecular, cellular, and tissue level, we built a multi-omic cellular and spatial tumor atlas of 23 treatment-naïve NSCLC human tumors. We identified significant differences in malignant expression programs and spatial cell-cell interactions between TP53 mut and TP53 WT tumors and found that highly-entropic TP53 mut malignant cells lose alveolar identity and coincide with an increased abundance of exhausted T cells and immune checkpoint interactions with implications for response to checkpoint blockade. We also identified a multicellular, pro-metastatic, hypoxic tumor niche, where highly-plastic, TP53 mut malignant cells expressing epithelial to mesenchymal transition (EMT) programs associate with SPP1 + myeloid cells and collagen-expressing cancer-associated fibroblasts. Our approach can be further applied to investigate mutation-specific TME changes in other solid tumors.

Single cell genomics is essential to chart the complex tumor ecosystem. While single cell RNA-Seq (scRNA-Seq) profiles RNA from cells dissociated from fresh tumor tissues, single nucleus RNA-Seq (snRNA-Seq) is needed to profile frozen or hard-to-dissociate tumors. Each strategy requires modifications to fit the unique characteristics of different tissue and tumor types, posing a barrier to adoption. Here, we developed a systematic toolbox for profiling fresh and frozen clinical tumor samples using scRNA-Seq and snRNA-Seq, respectively. We tested eight tumor types of varying tissue and sample characteristics (resection, biopsy, ascites, and orthotopic patient-derived xenograft): lung cancer, metastatic breast cancer, ovarian cancer, melanoma, neuroblastoma, pediatric sarcoma, glioblastoma, pediatric high-grade glioma, and chronic lymphocytic leukemia. Analyzing 212,498 cells and nuclei from 39 clinical samples, we evaluated protocols by cell quality, recovery rate, and cellular composition. We optimized protocols for fresh tissue dissociation for different tumor types using a decision tree to account for the technical and biological variation between clinical samples. We established methods for nucleus isolation from OCT embedded and fresh-frozen tissues, with an optimization matrix varying mechanical force, buffer, and detergent. scRNA-Seq and snRNA-Seq from matched samples recovered the same cell types and intrinsic expression profiles, but at different proportions. Our work provides direct guidance across a broad range of tumors, including criteria for testing and selecting methods from the toolbox for other tumors, thus paving the way for charting tumor atlases.

ABSTRACT Organ- and body-scale cell atlases have the potential to transform our understanding of human biology. To capture the variability present in the population, these atlases must include diverse demographics such as age and ethnicity from both healthy and diseased individuals. The growth in both size and number of single-cell datasets, combined with recent advances in computational techniques, for the first time makes it possible to generate such comprehensive large-scale atlases through integration of multiple datasets. Here, we present the integrated Human Lung Cell Atlas (HLCA) combining 46 datasets of the human respiratory system into a single atlas spanning over 2.2 million cells from 444 individuals across health and disease. The HLCA contains a consensus re-annotation of published and newly generated datasets, resolving under- or misannotation of 59% of cells in the original datasets. The HLCA enables recovery of rare cell types, provides consensus marker genes for each cell type, and uncovers gene modules associated with demographic covariates and anatomical location within the respiratory system. To facilitate the use of the HLCA as a reference for single-cell lung research and allow rapid analysis of new data, we provide an interactive web portal to project datasets onto the HLCA. Finally, we demonstrate the value of the HLCA reference for interpreting disease-associated changes. Thus, the HLCA outlines a roadmap for the development and use of organ-scale cell atlases within the Human Cell Atlas.

The human airway contains specialized rare epithelial cells whose roles in respiratory disease are not well understood. Ionocytes express the Cystic Fibrosis Transmembrane Conductance Regulator (CFTR), while chemosensory tuft cells express asthma-associated alarmins. However, surprisingly, exceedingly few mature tuft cells have been identified in human lung cell atlases despite the ready identification of rare ionocytes and neuroendocrine cells. To identify human rare cell progenitors and define their lineage relationship to mature tuft cells, we generated a deep lung cell atlas containing 311,748 single cell RNA-Seq (scRNA-seq) profiles from discrete anatomic sites along the large and small airways and lung lobes of explanted donor lungs that could not be used for organ transplantation. Of 154,222 airway epithelial cells, we identified 687 ionocytes (0.45%) that are present in similar proportions in both large and small airways, suggesting that they may contribute to both large and small airways pathologies in CF. In stark contrast, we recovered only 3 mature tuft cells (0.002%). Instead, we identified rare bipotent progenitor cells that can give rise to both ionocytes and tuft cells, which we termed tuft-ionocyte progenitor cells (TIP cells). Remarkably, the cycling fraction of these TIP cells was comparable to that of basal stem cells. We used scRNA-seq and scATAC-seq to predict transcription factors that mark this novel rare cell progenitor population and define intermediate states during TIP cell lineage transitions en route to the differentiation of mature ionocytes and tuft cells. The default lineage of TIP cell descendants is skewed towards ionocytes, explaining the paucity of mature tuft cells in the human airway. However, Type 2 and Type 17 cytokines, associated with asthma and CF, diverted the lineage of TIP cell descendants in vitro , resulting in the differentiation of mature tuft cells at the expense of ionocytes. Consistent with this model of mature tuft cell differentiation, we identify mature tuft cells in a patient who died from an asthma flare. Overall, our findings suggest that the immune signaling pathways active in asthma and CF may skew the composition of disease-relevant rare cells and illustrate how deep atlases are required for identifying physiologically-relevant scarce cell populations.

SUMMARY Myeloid cells comprise the majority of immune cells in tumors, contributing to tumor growth and therapeutic resistance. Incomplete understanding of myeloid cells response to tumor driver mutation and therapeutic intervention impedes effective therapeutic design. Here, by leveraging CRISPR/Cas9-based genomic editing, we generated a mouse model that is deficient of all monocyte chemoattractant proteins (MCP). Using this strain, we effectively abolished monocyte infiltration in glioblastoma (GBM) and hepatocellular carcinoma (HCC) murine models, which were enriched for monocytes or neutrophils, respectively. Remarkably, eliminating monocyte chemoattraction invokes a significant compensatory neutrophil influx in GBM, but not in HCC. Single-cell RNA sequencing revealed that intratumoral neutrophils promoted proneural-to-mesenchymal transition in GBM, and supported tumor aggression by facilitating hypoxia response via TNF production. Importantly, genetic or pharmacological inhibiting neutrophil in HCC or qMCP-KO GBM extended the survival of tumor-bearing mice. Our findings emphasize the importance of targeting both monocytes and neutrophils simultaneously for cancer immunotherapy. In Brief Eliminating monocyte chemoattraction invokes compensatory neutrophil influx in tumor, and vice versa, rendering current myeloid-targeted therapies ineffective. Using genetic and pharmacological approaches combined with novel mouse models of GBM and HCC, we provide credence advocating for combinational therapies aiming at inhibiting both monocytes and neutrophils simultaneously. Highlights • Blocking monocyte chemoattraction results in increased neutrophil infiltration. • Increased neutrophil recruitment induces GBM PN to MES transition. • Inhibiting neutrophil infiltration in monocyte-deficient tumors improves mouse GBM survival. • Blocking neutrophil, but not monocyte, infiltration in HCC prolongs mouse survival.

ABSTRACT Immunotherapies have shown great promise in pleural mesothelioma (PM), yet most patients still do not achieve significant clinical response, highlighting the importance of improving understanding of the tumor microenvironment (TME). Here, we utilized high-throughput, single-cell RNA-sequencing to de novo identify 54 expression programs and construct a comprehensive cellular catalogue of the PM TME. We found four cancer-intrinsic programs associated with poor disease outcome and a novel fetal-like, endothelial cell population that likely responds to VEGF signaling and promotes angiogenesis. Throughout cellular compartments, we observe substantial difference in the TME associated with a cancer-intrinsic sarcomatoid signature, including enrichment in fetal-like endothelial cells, CXCL9+ macrophages, cytotoxic, exhausted, and regulatory T cells, which we validated using imaging and bulk deconvolution analyses on two independent cohorts. Finally, we show, both computationally and experimentally, that NKG2A-HLA-E interaction between NK and tumor cells represents an important new therapeutic axis in PM, especially for epithelioid cases. Statement of Significance This manuscript presents the first single-cell RNA-sequencing atlas of pleural mesothelioma (PM) tumor microenvironment. Findings of translational relevance, validated experimentally and using independent bulk cohorts, include identification of gene programs predictive of survival, a fetal-like endothelial cell population, and NKG2A blockade as a promising new immunotherapeutic intervention in PM.