The ability to slow or reverse biological ageing would have major implications for mitigating disease risk and maintaining vitality1. Although an increasing number of interventions show promise for rejuvenation2, their effectiveness on disparate cell types across the body and the molecular pathways susceptible to rejuvenation remain largely unexplored. Here we performed single-cell RNA sequencing on 20 organs to reveal cell-type-specific responses to young and aged blood in heterochronic parabiosis. Adipose mesenchymal stromal cells, haematopoietic stem cells and hepatocytes are among those cell types that are especially responsive. On the pathway level, young blood invokes new gene sets in addition to reversing established ageing patterns, with the global rescue of genes encoding electron transport chain subunits pinpointing a prominent role of mitochondrial function in parabiosis-mediated rejuvenation. We observed an almost universal loss of gene expression with age that is largely mimicked by parabiosis: aged blood reduces global gene expression, and young blood restores it in select cell types. Together, these data lay the groundwork for a systemic understanding of the interplay between blood-borne factors and cellular integrity.

Abstract Biology has become a data-intensive science. Recent technological advances in single-cell genomics have enabled the measurement of multiple facets of cellular state, producing datasets with millions of single-cell observations. While these data hold great promise for understanding molecular mechanisms in health and disease, analysis challenges arising from sparsity, technical and biological variability, and high dimensionality of the data hinder the derivation of such mechanistic insights. To promote the innovation of algorithms for analysis of multimodal single-cell data, we organized a competition at NeurIPS 2021 applying the Common Task Framework to multimodal single-cell data integration. For this competition we generated the first multimodal benchmarking dataset for single-cell biology and defined three tasks in this domain: prediction of missing modalities, aligning modalities, and learning a joint representation across modalities. We further specified evaluation metrics and developed a cloud-based algorithm evaluation pipeline. Using this setup, 280 competitors submitted over 2600 proposed solutions within a 3 month period, showcasing substantial innovation especially in the modality alignment task. Here, we present the results, describe trends of well performing approaches, and discuss challenges associated with running the competition.

Abstract Bats are a major “viral reservoir” in nature and there is a great interest in not only the cell biology of their innate and adaptive immune systems, but also in the expression patterns of receptors used for cellular entry by viruses with potential cross-species transmission. To address this and other questions, we created a single-cell transcriptomic atlas of the Chinese horseshoe bat ( Rhinolophus sinicus ) which comprises 82,924 cells from 19 organs and tissues. This atlas provides a molecular characterization of numerous cell types from a variety of anatomical sites, and we used it to identify clusters of transcription features that define cell types across all of the surveyed organs. Analysis of viral entry receptor genes for known zoonotic viruses showed cell distribution patterns similar to that of humans, with higher expression levels in bat intestine epithelial cells. In terms of the immune system, CD8+ T cells are in high proportion with tissue-resident memory T cells, and long-lived effector memory nature killer (NK) T-like cells ( KLRG1 , GZMA and ITGA4 genes) are broadly distributed across the organs. Isolated lung primary bat pulmonary fibroblast (BPF) cells were used to evaluate innate immunity, and they showed a weak response to interferon β and tumor necrosis factor-α compared to their human counterparts, consistent with our transcriptional analysis. This compendium of transcriptome data provides a molecular foundation for understanding the cell identities, functions and cellular receptor characteristics for viral reservoirs and zoonotic transmission.

Abstract Single cell technologies have rapidly generated an unprecedented amount of data that enables us to understand biological systems at single-cell resolution. However, joint analysis of datasets generated by independent labs remains challenging due to a lack of consistent terminology to describe cell types. Here, we present OnClass, an algorithm and accompanying software for automatically classifying cells into cell types part of the controlled vocabulary that forms the Cell Ontology. A key advantage of OnClass is its capability to classify cells into cell types not present in the training data because it uses the Cell Ontology graph to infer cell type relationships. Furthermore, OnClass can be used to identify marker genes for all the cell ontology categories, independently of whether the cells types are present or absent in the training data, suggesting that OnClass can be used not only as an annotation tool for single cell datasets but also as an algorithm to identify marker genes specific to each term of the Cell Ontology, offering the possibility of refining the Cell Ontology using a data-centric approach.

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.

Abstract Dysregulation of intercellular communication is a well-established hallmark of aging. To better understand how this process contributes to the aging phenotype, we built scAgeCom, a comprehensive atlas presenting how cell-type to cell-type interactions vary with age in 23 mouse tissues. We first created an R package, scDiffCom, designed to perform differential intercellular communication analysis between two conditions of interest in any mouse or human single-cell RNA-seq dataset. The package relies on its own list of curated ligand-receptor interactions compiled from seven established studies. We applied this tool to single-cell transcriptomics data from the Tabula Muris Senis consortium and the Calico murine aging cell atlas. All the results can be accessed online, using a user-friendly, interactive web application ( https://scagecom.org ). The most widespread changes we observed include upregulation of immune system processes, inflammation and lipid metabolism, and downregulation of extracellular matrix organization, growth, development and angiogenesis. More specific interpretations are also provided.

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 Single-cell RNA sequencing (scRNA-seq) enables the detailed examination of a cell’s underlying regulatory networks and the molecular factors contributing to its identity. We developed scRFE with the goal of generating interpretable gene lists that can accurately distinguish observations (single-cells) by their features (genes) given a metadata category of the dataset. scRFE is an algorithm that combines the classical random forest classifier with recursive feature elimination and cross validation to find the features necessary and sufficient to classify cells in a single-cell RNA-seq dataset by ranking feature importance. It is implemented as a Python package compatible with Scanpy, enabling its seamless integration into any single-cell data analysis workflow that aims at identifying minimal transcriptional programs relevant to describing metadata features of the dataset. We applied scRFE to the Tabula Muris Senis and reproduced established aging patterns and transcription factor reprogramming protocols, highlighting the biological value of scRFE’s learned features. Author summary scRFE is a Python package that combines a random forest classifier with recursive feature elimination and cross validation to find the features necessary and sufficient to classify cells in a single-cell RNA-seq dataset by ranking feature importance. scRFE was designed to enable straightforward integration as part of any single-cell data analysis workflow that aims at identifying minimal transcriptional programs relevant to describing metadata features of the dataset.

ABSTRACT Ulcerative colitis (UC) is driven by immune and stromal subsets, culminating in epithelial injury. Vedolizumab (VDZ) is an anti-integrin antibody that is effective for treating UC. VDZ is known to inhibit lymphocyte trafficking to the intestine, but its broader effects on other cell subsets are less defined. To identify the inflammatory cells that contribute to colitis and are affected by VDZ, we performed single-cell transcriptomic and proteomic analyses of peripheral blood and colonic biopsies in healthy controls and patients with UC on VDZ or other therapies. Here we show that VDZ treatment is associated with alterations in circulating and tissue mononuclear phagocyte (MNP) subsets, along with modest shifts in lymphocytes. Spatial multi-omics of formalin-fixed biopsies demonstrates trends towards increased abundance and proximity of MNP and fibroblast subsets in active colitis. Spatial transcriptomics of archived specimens pre-treatment identifies epithelial-, MNP-, and fibroblast-enriched genes related to VDZ responsiveness, highlighting important roles for these subsets in UC.

Slowing or reversing biological ageing would have major implications for mitigating disease risk and maintaining vitality. While an increasing number of interventions show promise for rejuvenation, the effectiveness on disparate cell types across the body and the molecular pathways susceptible to rejuvenation remain largely unexplored. We performed single-cell RNA-sequencing on 13 organs to reveal cell type specific responses to young or aged blood in heterochronic parabiosis. Adipose mesenchymal stromal cells, hematopoietic stem cells, hepatocytes, and endothelial cells from multiple tissues appear especially responsive. On the pathway level, young blood invokes novel gene sets in addition to reversing established ageing patterns, with the global rescue of genes encoding electron transport chain subunits pinpointing a prominent role of mitochondrial function in parabiosis-mediated rejuvenation. Intriguingly, we observed an almost universal loss of gene expression with age that is largely mimicked by parabiosis: aged blood reduces global gene expression, and young blood restores it. Altogether, these data lay the groundwork for a systemic understanding of the interplay between blood-borne factors and cellular integrity.