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 Computational trajectory inference enables the reconstruction of cell-state dynamics from single-cell RNA sequencing experiments. However, trajectory inference requires that the direction of a biological process is known, largely limiting its application to differentiating systems in normal development. Here, we present CellRank ( https://cellrank.org ) for mapping the fate of single cells in diverse scenarios, including perturbations such as regeneration or disease, for which direction is unknown. Our approach combines the robustness of trajectory inference with directional information from RNA velocity, derived from ratios of spliced to unspliced reads. CellRank takes into account both the gradual and stochastic nature of cellular fate decisions, as well as uncertainty in RNA velocity vectors. On data from pancreas development, we show that it automatically detects initial, intermediate and terminal populations, predicts fate potentials and visualizes continuous gene expression trends along individual lineages. CellRank also predicts a novel dedifferentiation trajectory during regeneration after lung injury, which we follow up experimentally by confirming the existence of previously unknown intermediate cell states.

Abstract Single-cell proteomics by mass spectrometry (MS) is emerging as a powerful and unbiased method for the characterization of biological heterogeneity. So far, it has been limited to cultured cells, whereas an expansion of the method to complex tissues would greatly enhance biological insights. Here we describe single-cell Deep Visual Proteomics (scDVP), a technology that integrates high-content imaging, laser microdissection and multiplexed MS. scDVP resolves the context-dependent, spatial proteome of murine hepatocytes at a current depth of 1,700 proteins from a slice of a cell. Half of the proteome was differentially regulated in a spatial manner, with protein levels changing dramatically in proximity to the central vein. We applied machine learning to proteome classes and images, which subsequently inferred the spatial proteome from imaging data alone. scDVP is applicable to healthy and diseased tissues and complements other spatial proteomics or spatial omics technologies.

Optimal tissue recovery and organismal survival are achieved by spatiotemporal tuning of tissue inflammation, contraction and scar formation1. Here we identify a multipotent fibroblast progenitor marked by CD201 expression in the fascia, the deepest connective tissue layer of the skin. Using skin injury models in mice, single-cell transcriptomics and genetic lineage tracing, ablation and gene deletion models, we demonstrate that CD201+ progenitors control the pace of wound healing by generating multiple specialized cell types, from proinflammatory fibroblasts to myofibroblasts, in a spatiotemporally tuned sequence. We identified retinoic acid and hypoxia signalling as the entry checkpoints into proinflammatory and myofibroblast states. Modulating CD201+ progenitor differentiation impaired the spatiotemporal appearances of fibroblasts and chronically delayed wound healing. The discovery of proinflammatory and myofibroblast progenitors and their differentiation pathways provide a new roadmap to understand and clinically treat impaired wound healing.

ABSTRACT Pulmonary fibrosis develops as a consequence of failed regeneration after injury. Analyzing mechanisms of regeneration and fibrogenesis directly in human tissue has been hampered by the lack of organotypic models and analytical techniques. In this work, we coupled ex vivo cytokine and drug perturbations of human precision-cut lung slices (hPCLS) with scRNAseq and induced a multi-lineage circuit of fibrogenic cell states in hPCLS, which we show to be highly similar to the in vivo cell circuit in a multi-cohort lung cell atlas from pulmonary fibrosis patients. Using micro-CT staged patient tissues, we characterized the appearance and interaction of myofibroblasts, an ectopic endothelial cell state and basaloid epithelial cells in the thickened alveolar septum of early-stage lung fibrosis. Induction of these states in the ex vivo hPCLS model provides evidence that the basaloid cell state was derived from alveolar type-2 cells, whereas the ectopic endothelial cell state emerged from capillary cell plasticity. Cell-cell communication routes in patients were largely conserved in the hPCLS model and anti-fibrotic drug treatments showed highly cell type specific effects. Our work provides an experimental framework for perturbational single cell genomics directly in human lung tissue that enables analysis of tissue homeostasis, regeneration and pathology. We further demonstrate that hPCLS offers novel avenues for scalable, high-resolution drug testing to accelerate anti-fibrotic drug development and translation.

Single cell multiplexing techniques (cell hashing and genetic multiplexing) allow to combine multiple samples, thereby optimizing sample processing and reducing batch effects. Cell hashing conjugates antibody-tags or chemical-oligonucleotides to cell membranes, while genetic multiplexing allows to mix genetically diverse samples and relies on aggregation of RNA reads at known genomic coordinates. We developed hadge ( ha shing d econvolution combined with ge notype information), a Nextflow pipeline that combines 12 methods to perform both hashing- and genotype-based deconvolution. We propose a joint deconvolution strategy combining the best performing methods and we demonstrate how this approach leads to recovery of previously discarded cells in a nuclei hashing of fresh-frozen brain tissue.

Lung injury activates quiescent stem and progenitor cells to regenerate alveolar structures. The sequence and coordination of transcriptional programs during this process has largely remained elusive. Using single cell RNA-seq, we first generated a whole-organ bird’s-eye view on cellular dynamics and cell-cell communication networks during mouse lung regeneration from ~30,000 cells at six timepoints. We discovered an injury-specific progenitor cell state characterized by Krt8 in flat epithelial cells covering alveolar surfaces. The number of these cells peaked during fibrogenesis in independent mouse models, as well as in human acute lung injury and fibrosis. Krt8+ alveolar progenitors featured a highly distinct connectome of receptor-ligand pairs with endothelial cells, fibroblasts, and macrophages. To ‘sky dive’ into epithelial differentiation dynamics, we sequenced >30,000 sorted epithelial cells at 18 timepoints and computationally derived cell state trajectories that were validated by lineage tracing genetic reporter mice. Airway stem cells within the club cell lineage and alveolar type-2 cells underwent transcriptional convergence onto the same Krt8+ progenitor cell state, which later resolved by terminal differentiation into alveolar type-1 cells. We derived distinct transcriptional regulators as key switch points in this process and show that induction of NFkB, p53, and hypoxia driven gene expression programs precede a Sox4, Ctnnb1, and Wwtr1 driven commitment towards alveolar type-1 cell fate. We show that epithelial cell plasticity can induce non-gradual transdifferentiation, involving intermediate progenitor cell states that may persist and promote disease if checkpoint signals for terminal differentiation are perturbed.

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.

ABSTRACT Accumulation of extracellular matrix (ECM) in liver fibrosis is associated with changes in protein abundance and composition depending upon etiology of the underlying liver disease. Current efforts to unravel etiology- specific mechanisms and pharmacological targets rely on several models of experimental fibrosis. Here, we characterize and compare dynamics of hepatic proteome remodeling during fibrosis development and spontaneous healing in experimental models of hepatotoxic (CCl 4 intoxication) and cholestatic (3,5- diethoxycarbonyl-1,4-dihydrocollidine (DDC) feeding) injury. Using detergent-based tissue extraction and mass spectrometry, we identified compartment-specific changes in the liver proteome with detailed attention to ECM composition and changes in protein solubility. Our analysis yielded unique time-resolved CCl 4 and DDC signatures underscoring restricted healing with higher carcinogenic potential upon cholestasis. Correlation of protein abundance profiles with fibrous deposits revealed extracellular chaperone clusterin with implicated role in fibrosis resolution. Dynamics of clusterin expression was validated in the context of human liver fibrosis. Atomic force microscopy of fibrotic livers complemented proteomics with profiles of disease-associated changes in local liver tissue mechanics. This study determined compartment-specific proteomic landscapes of liver fibrosis and delineated etiology-specific ECM components, providing thus a foundation for future antifibrotic therapies.

Abstract Idiopathic Pulmonary Fibrosis (IPF) is a progressive and fatal lung disease with limited therapeutic options. Epithelial reprogramming and honeycomb cysts are key pathological features of IPF, however, the IPF distal bronchiole cell subtypes and their potential contribution to IPF development and progression still remain poorly characterized. Here, we utilized single-cell RNA sequencing on enriched EpCAM + cells of the distal IPF and Donor lung. Using the 10x Genomics platform, we generated a dataset of 47,881 cells and found distinct cell clusters, including rare cell types, such as suprabasal cells recently reported in the healthy lung. We identified G-protein coupled receptor (GPR) 87 as a novel surface marker of distal Keratin (KRT)5 + basal cells. GPR87 expression was localized to distal bronchioles and honeycomb cysts in IPF in situ by RNA Scope and immunolabeling. Modulation of GPR87 in primary human bronchial epithelial cells cultures resulted in impaired airway differentiation and ciliogenesis. Thus, GPR87 is a novel marker and potentially druggable target of KRT5 + basal progenitor cells likely contributing to bronchiole remodeling and honeycomb cyst development in IPF.