Der TGFβ-Signalweg ist ein multifunktionales System, das zelluläre Prozesse reguliert, die von Proliferation und Migration bis zu Differenzierung und Zelltod reichen. Nach Ligandenbindung und Rezeptoraktivierung translozieren SMAD-Proteine zum Zellkern und induzieren die Expression zahlreicher Zielgene. Während viele Komponenten des TGFβ-Signalweges identifiziert wurden, verstehen wir noch nicht genau, wie die Aktivierung des Signalwegs in verschiedene zelluläre Antworten übersetzt wird. Da die zelluläre Antwort auf einen gegebenen Stimulus oft sogar in genetisch identischen Zellen variiert, konzentrierte ich mich auf die Messung der Signalwegaktivität auf der Einzelzellebene. Durch die Kombination fluoreszierender Reporterzelllinien mit Zeitraffer-Lebendzellmikroskopie und automatisierter Bildanalyse beobachtete ich die zytoplasmatische und nukleäre Translokation von SMADs mit hoher zeitlicher und räumlicher Auflösung in Hunderten einzelner Zellen. Unsere Experimente zeigten, dass die Signalwegaktivität in eine erste synchrone Phase der SMAD-Translokation, gefolgt von einer Adaption und einer zweiten Signalphase mit hoher Variabilität in Stärke und Dauer der nuklearen Akkumulation unterteilt werden kann. Darüber hinaus beobachtete ich, dass Zellen, die aufgrund ihrer dynamischen Eigenschaften in Subpopulationen gruppiert sind, unterschiedliche phänotypische Reaktionen zeigen. Ich war nun daran interessiert, die Netzwerkinteraktionen zu identifizieren, die diese Dynamiken formen und fokussierte mich auf den Crosstalk mit nicht-kanonischen Komponenten des TGFβ-Signalweges. Ich konnte zeigen, dass die Hemmung der MAP Kinasen p38 und ERK die zweite Signalphase spezifisch aufhebt. Diese dynamische Remodellierung führt zu Veränderungen in der Zielgenexpression und den Zellschicksalen. Dies wird zu einem tieferen Verständnis der molekularen Netzwerke führen, die die TGFβ-Signaltransduktion regulieren und Möglichkeiten eröffnen, es in erkrankten Zellen zu modulieren. / The TGFβ pathway is a multi-functional signaling system regulating cellular processes ranging from proliferation and migration to differentiation and cell death. Upon ligand binding and receptor activation, SMAD proteins translocate to the nucleus and induce expression of numerous target genes. While many components of the TGFβ pathway have been identified, we are still challenged to understand how pathway activation is translated into distinct cellular responses. As the cellular response to a given stimulus often varies even in genetically identical cells, I focused on measuring pathway activity on the single cell level. By combining fluorescent reporter cell lines with time-lapse live-cell microscopy and automated image analysis, I monitored the cytoplasmic to nuclear translocation of SMADs with high temporal and spatial resolution in hundreds of individual cells. Our experiments demonstrated that pathway activity can be divided into a first synchronous phase of SMAD translocation, followed by adaptation and a second signaling phase with high variability in the extent and duration of nuclear accumulation. Furthermore, I observed that cells clustered into subpopulations according to their dynamic features show different phenotypic responses. I was interested in identifying the network interactions that shape these dynamics and focus on crosstalk with non-canonical components of the TGFβ pathway. I could show that inhibition of the MAP kinases p38 and ERK specifically abrogates the second signaling phase. This dynamic remodeling led to changes in target gene expression and cell fate decisions. I explored the molecular mechanisms underlying this interaction of the canonical and non-canonical pathways. This will provide a deeper understanding of the molecular networks regulating TGFβ signaling and open opportunities to modulate it in diseased cells.

No description available.

Angeborene lymphatische Zellen (ILC) sind wichtige Effektorzellen der angeborenen Immunantwort, deren Entwicklung und Aktivierungswege attraktive therapeutische Ziele darstellen. Sie bestehen aus ILC der Gruppe 1 (Natürliche Killerzellen (NK) und ILC1), ILC2 und ILC3. Neben T-Zellen leisten ILCs einen entscheidenen Beitrag zu den Typ-1-, Typ-2- und Typ-3-Immunantworten. Die Entwicklung von ILCs beim Menschen wurde jedoch noch nicht systematisch untersucht, und frühere in vitro Untersuchungen stützten sich auf die Analyse einiger weniger Marker oder Zytokine, die für die Bestimmung der Identität der verschiedenen ILC-Linien suboptimal sind. Um diese Mängel zu beheben, stellen wir hier eine Plattform vor, die zuverlässig alle menschlichen ILC-Linien aus CD34+ CD45RA+ hämatopoetischen Vorläuferzellen, gewonnen aus Nabelschnurblut und Knochenmark, erzeugt. Mit einem systematischen Ansatz zeigt diese Arbeit, dass eine einzige Kulturbedingung nicht ausreicht, um alle ILC-Untergruppen zu generieren, sondern stattdessen bestimmte Kombinationen von Zytokinen und Notch-Signalen für die Entscheidung über das Schicksal der Linien wesentlich ist. Eine umfangreiche Analyse des Transkriptoms ergab, dass der Erwerb von CD161 robust eine globale ILC-Signatur identifiziert und in vitro ILCs von T-Zell-Signaturen trennt. Die Identität spezifischer in vitro generierter ILC-Linien (NK-Zellen und ILC1, ILC2 und ILC3) wurde durch Proteinexpression, funktionelle Assays und Transkriptomanalysen auf globaler sowie auf Einzelzellebene umfassend validiert. Diese in vitro erzeugten ILC-Linien rekapitulieren die Signaturen und Funktionen ihrer ex vivo isolierten ILC-Pendants. Des Weiteren, behandeln diese Daten die Einschränkungen der Unterscheidung von menschlichen NK Zellen und ILC1 sowohl in vitro als auch ex vivo an. Darüber hinaus löst diese Plattform gängige Probleme bei der Untersuchung menschlicher ILCs, wie z. B. unzureichende Zellzahlen oder die mangelnde Verfügbarkeit von Gewebeproben. Insgesamt stellt diese Arbeit eine Ressource dar, die nicht nur zur Klärung der Biologie und Differenzierung menschlicher ILCs beiträgt, sondern auch als wichtiges Instrument zur Untersuchung der Dysregulation von ILC-Funktionen dient, die bei verschiedenen entzündlichen Erkrankungen des Menschen eine Rolle spielen. / Innate lymphoid cells (ILCs) are critical effectors of innate immunity and inflammation that consist of Group 1 ILCs (natural killer (NK) cells and ILC1), ILC2, and ILC3. As tissue resident lymphocytes, they play a crucial role type 1, type 2 and type 3 immune responses, respectively. Importantly, dysregulated ILC populations have been linked to the pathogenesis of a variety of chronic inflammatory diseases and thus represent attractive therapeutic targets with a potential for autologous cell therapies. However, human ILC generation has not been systematically explored, and previous in vitro investigations have relied on the analysis of few markers or cytokines, which are suboptimal to assign lineage identity and full functional capacity. To address these faults, we present here an effective in vitro platform, which reliably generates the core human ILC lineages from CD34+ CD45RA+ hematopoietic progenitors derived from cord blood and bone marrow. With a systematic approach, this work shows that a single culture condition is insufficient to generate all ILC subsets, and instead, distinct combinations of cytokines and Notch signaling are essential for lineage fate making decisions. In depth transcriptomic analysis revealed that acquisition of CD161 robustly identifies a global ILC signature and separates them from T cell signatures in vitro. The identity of specific ILC subsets, (NK cells and ILC1, ILC2, and ILC3) generated in vitro was validated extensively by protein expression, functional assays, and both global and single-cell transcriptome analysis. These in vitro generated ILC subsets recapitulate the signatures and functions of their ex vivo ILC counterparts. Finally, these data shed light on the limitations in untying the identity of human NK cells and ILC1 in vitro, similarly correlating to lineage identification difficulties ex vivo. Additionally, this platform tackles common problems in human ILC studies such as insufficient cell numbers and scarce availability of tissue samples. Altogether, this work presents a resource not only to aid in clarifying human ILC biology and differentiation, but also to serve as an important tool to study dysregulation of ILC functions, which have been implied in various inflammatory diseases in humans.

Das normale Kolonepithel weist eine strenge Zellhierarchie auf, die aus bekannten Zelltypen besteht. Bei Darmkrebs (CRC) ist die Struktur weniger konserviert und nicht gut verstanden. Krebsauslösende Mutationen können die Prävalenz von Zelltypen verändern, und Zellen können sich auch dedifferenzieren, um einer gezielten Krebstherapie zu entgehen. Mein Ziel ist es, die Existenz heterogener Zelltypen in Organoiden zu bestätigen und Signalnetzwerke in CRC zu untersuchen, indem ich mit pharmakologischen Eingriffen spezifische Signalwege inhibiere, die Zellhierarchien im normalen Darm kontrollieren. Strategisch ausgewählte Medikamente wurden eingesetzt, um Knotenpunkte in verschiedenen Signalwegen zu hemmen, die für das Fortschreiten von Darmkrebs relevant sind. Ich untersuchte, ob die Inhibition von Signalwegen die Zusammensetzung der Zelltypen und den Differenzierungszustand verändert oder welche Kombinationen von Inhibitoren Plastizität oder Apoptose auslösen könnten. Von Patienten stammende Organoide mit verschiedenen onkogenen Treibermutationen wurden kultiviert und 48 Stunden lang mit einer Reihe von Inhibitoren und Inhibitorkombinationen behandelt. Diese Organoide wurden hauptsächlich auf zwei Ebenen untersucht: durch scRNA seq zur Ermittlung ihres Transkriptoms und durch CyTOF, das die Proteinhäufigkeit pro Zelle misst, um die Aktivität von Signaltransduktionskaskaden zu beurteilen. Beide Methoden wurden eingesetzt, um die Heterogenität des CRC zu quantifizieren. Ich konnte feststellen, dass sich Organoide mit denselben Treibermutationen ähnlicher verhalten und dass die molekularen Grundlagen der verschiedenen Linien Unterschiede im Therapieerfolg bedingen. Heterogene Transkriptome und Proteinexpression wurden durch einen Differenzierungsgradienten beeinflusst und konnten durch die Zugabe von Inhibitoren verändert werden. Die MAPK-Aktivität folgt diesem Differenzierungsgradienten und eine MAPK-Inhibition verringerte die Zellheterogenität und führte zu Plastizität. Darüber hinaus stellte ich fest, dass ein Teil der Zellen in Apoptose geht und die verbleibenden Zellen einen nicht-proliferativen Stammzellzustand annehmen, der es den Zellen ermöglicht, sich nach Aussetzung der Behandlung zu erholen. Es wurden in silico und in vitro Analysen durchgeführt, um neuartige Inhibitorkombinationen zur Maximierung der Apoptose in CRC-Organoiden zu finden, um die Entstehung therapieresistenter Subpopulationen weiter zu reduzieren. Wirksame Behandlungskombinationen bleiben jedoch zelllinienabhängig. Durch die getrennte Analyse des Zelldifferenzierungszustands und des Zellsignalisierungszustands habe ich dazu beigetragen zu verstehen, wie Tumorzellen einer gezielten Therapie durch nicht-genetische Resistenzmechanismen entgehen können. Die MAPK-Inhibition zur Verringerung der Zellheterogenität in Kombination mit anderen Inhibitoren könnte in Zukunft zur Optimierung des Therapieerfolgs eingesetzt werden. / Normal colon epithelium has a strict cell hierarchy consisting of well-known cell types. In colorectal cancer (CRC) the structure is less conserved and poorly understood. Cancer driver mutations may modulate the prevalence of cell types, and cells may also dedifferentiate to overcome targeted cancer therapy. My aim is to confirm the existence of heterogeneous cell types in organoids and investigate signaling networks in CRC by targeting specific signaling pathways with pharmacological intervention, which control cell hierarchies in the normal intestine. Strategically selected drugs were used to inhibit nodes in different signaling pathways relevant to the progression of CRC. I explored whether signaling inhibition changes cell type composition and differentiation state, or which inhibitor combinations might induce plasticity or apoptosis. Patient-derived organoids with different oncogenic diver mutations were cultured and treated with a panel of inhibitors and inhibitor combinations for 48 hours. These organoids were mainly examined on two levels: by scRNA seq to assess their transcriptome and by CyTOF, which measures protein abundance to assess the activity of pathways. Both methods were used to quantify CRC heterogeneity. I was able to see that organoids with the same driver mutations behave more similarly and that the molecular underpinnings of the different lines drive differences in therapy response. Heterogeneous transcriptomes and protein expression were affected by a differentiation gradient and could be altered by inhibitor addition. MAPK activity was graded along this differentiation gradient, and MAPK inhibition reduced cell heterogeneity and induced plasticity. Additionally, I found that a fraction of cells undergo apoptosis, and the remaining cells adopt a non-proliferative stem cell state, which allows cells to recover after suspension of treatment. \textit{In silico} and \textit{in vitro} analyses were performed to find novel inhibitor combinations to maximize apoptosis in CRC organoids to further reduce the emergence of therapy-resistant subpopulations. However, effective treatment combinations remain cell-line dependent. By separately analyzing cell differentiation state and cell signaling state I contributed to our understanding of how tumor cells can evade targeted therapy by non-genetic resistance mechanisms. Using MAPK inhibition to reduce cell heterogeneity in combination with other inhibitors may be used in the future to optimize therapy success.

Single-cell genomics (SCG) are methods for investigating heterogeneity between biological cells, among these is Smart-seq which sequences from RNA molecules. A more recent version of this method is Smart-seq3xpress which is currently in the process of being automated by the Sandberg lab at Karolinska Institutet. As part of this automated lab system, microwell plates are moved by a robot arm between molecular biology instuments. The purpose of this project was to create and integrate an image-based classification solution to validate the placement of these plates. This was done by building upon the VGG-16 convolutional neural network (CNN) model and specialising it through transfer learning to train models which classify microwell plate placement as correct or incorrect. These models were then integrated into the automated lab pipeline so that the system could self-correct or warn lab personnel of misplacement, removing the need for constant human supervision. / Enskild cellgenomik (eng. single-cell genomics) är metoder för att undersöka heterogenitet mellan biologiska celler, bland dessa metoder är Smart-seq vilken sekvenserar från RNA molekyler. En nyare version av denna metod är Smart-seq3xpress vilken nu håller på att automatiseras av Sandberglabbet vid Karolinska Institutet. Som del av detta automatiserade labbsystem förflyttas mikrobrunnplattor av en robotarm mellan molekylärbiologiska mätinstrument. Syftet med detta projekt var att skapa samt integrera en bildbaserad klassificeringslösning för att säkerställa placeringen av dessa plattor. Detta gjordes genom att bygga på djupinlärningsmodellen VGG-16 och specialisera den med överförd inlärning för att kunna träna modeller vilka klassificerar om mikrobrunnplattornas placeringar är korrekta eller inkorrekta. Sedan integrerades dessa modeller som en del av det automatiserade labbsystemet sådan att systemet kunde självkorrigera eller varna labbpersonal vid felplaceringar, och därmed ta bort behovet av konstant mänsklig tillsyn.

Auf die Entwicklung der Hochdurchsatz-Sequenzierung (HTS) folgte eine Reihe von speziellen Erweiterungen, die erlauben verschiedene zellbiologischer Aspekte wie Genexpression, DNA-Methylierung, etc. zu messen. Die Analyse dieser Daten erfordert die Entwicklung von Algorithmen, die einzelne Experimenteberücksichtigen oder mehrere Datenquellen gleichzeitig in betracht nehmen. Der letztere Ansatz bietet besondere Vorteile bei Analyse von einzelligen RNA-Sequenzierung (scRNA-seq) Experimenten welche von besonders hohem technischen Rauschen, etwa durch den Verlust an Molekülen durch die Behandlung geringer Ausgangsmengen, gekennzeichnet sind. Um diese experimentellen Defizite auszugleichen, habe ich eine Methode namens netSmooth entwickelt, welche die scRNA-seq-Daten entrascht und fehlende Werte mittels Netzwerkdiffusion über ein Gennetzwerk imputiert. Das Gennetzwerk reflektiert dabei erwartete Koexpressionsmuster von Genen. Unter Verwendung eines Gennetzwerks, das aus Protein-Protein-Interaktionen aufgebaut ist, zeige ich, dass netSmooth anderen hochmodernen scRNA-Seq-Imputationsmethoden bei der Identifizierung von Blutzelltypen in der Hämatopoese, zur Aufklärung von Zeitreihendaten unter Verwendung eines embryonalen Entwicklungsdatensatzes und für die Identifizierung von Tumoren der Herkunft für scRNA-Seq von Glioblastomen überlegen ist. netSmooth hat einen freien Parameter, die Diffusionsdistanz, welche durch datengesteuerte Metriken optimiert werden kann. So kann netSmooth auch dann eingesetzt werden, wenn der optimale Diffusionsabstand nicht explizit mit Hilfe von externen Referenzdaten optimiert werden kann. Eine integrierte Analyse ist auch relevant wenn multi-omics Daten von mehrerer Omics-Protokolle auf den gleichen biologischen Proben erhoben wurden. Hierbei erklärt jeder einzelne dieser Datensätze nur einen Teil des zellulären Systems, während die gemeinsame Analyse ein vollständigeres Bild ergibt. Ich entwickelte eine Methode namens maui, um eine latente Faktordarstellungen von multiomics Daten zu finden. / The development of high throughput sequencing (HTS) was followed by a swarm of protocols utilizing HTS to measure different molecular aspects such as gene expression (transcriptome), DNA methylation (methylome) and more. This opened opportunities for developments of data analysis algorithms and procedures that consider data produced by different experiments. Considering data from seemingly unrelated experiments is particularly beneficial for Single cell RNA sequencing (scRNA-seq). scRNA-seq produces particularly noisy data, due to loss of nucleic acids when handling the small amounts in single cells, and various technical biases. To address these challenges, I developed a method called netSmooth, which de-noises and imputes scRNA-seq data by applying network diffusion over a gene network which encodes expectations of co-expression patterns. The gene network is constructed from other experimental data. Using a gene network constructed from protein-protein interactions, I show that netSmooth outperforms other state-of-the-art scRNA-seq imputation methods at the identification of blood cell types in hematopoiesis, as well as elucidation of time series data in an embryonic development dataset, and identification of tumor of origin for scRNA-seq of glioblastomas. netSmooth has a free parameter, the diffusion distance, which I show can be selected using data-driven metrics. Thus, netSmooth may be used even in cases when the diffusion distance cannot be optimized explicitly using ground-truth labels. Another task which requires in-tandem analysis of data from different experiments arises when different omics protocols are applied to the same biological samples. Analyzing such multiomics data in an integrated fashion, rather than each data type (RNA-seq, DNA-seq, etc.) on its own, is benefitial, as each omics experiment only elucidates part of an integrated cellular system. The simultaneous analysis may reveal a comprehensive view.

No description available.

Die embryonale Gonade ist bei Säugetieren das einzige bipotente Organ, das sich während der Geschlechtsbestimmung in Hoden oder Eierstock differenziert. Nach der Spezifikation produziert sie geschlechtsspezifische Hormone, die wichtige morphologische, physiologische und Verhaltensänderungen auslösen und schließlich zu reifen Fortpflanzungsorganen führen, die für die Fortpflanzung der Art unerlässlich sind. Trotz der evolutionären Bedeutung der Gonadenfunktion gibt es erhebliche Entwicklungsunterschiede zwischen den Arten, deren molekulare Mechanismen weitgehend unerforscht sind. Zur Untersuchung dieser Mechanismen wurden Einzelzell-Omics-Techniken (scRNA- und scATAC-seq) an sich entwickelnden Gonaden eingesetzt, um molekulare Faktoren für interspezifische Unterschiede während der Geschlechtsdifferenzierung zu analysieren. Bekannte Zelltypen wurden in Hoden und Eierstöcken von Schweinen (mit medullären Strängen), Mäusen (ohne medulläre Stränge), Kaninchen (mit verzögerter Meiose der Keimzellen) und Maulwürfen (mit Ovotestes) zu geschlechtsdimorphen Zeitpunkten charakterisiert. Interartspezifische Vergleiche zeigten sowohl konservierte als auch artspezifische Ereignisse auf den Ebenen der dynamischen Genexpression, Co-Expressionsnetzwerke und zellulären Kommunikation. Expressionsdaten wurden mit epigenomischen Daten integriert, um genregulatorische Netzwerke (GRNs) abzuleiten und die regulatorischen Mechanismen zu klären. Analysen zeigten die Einbeziehung artenspezifischer Transkriptionsfaktoren in konservierte GRNs und identifizierten mutmaßliche cis-regulatorische Elemente, die mit artspezifisch exprimierten Genen verknüpft sind. Die Studie legt nahe, dass unterschiedliche Kontrollmechanismen die Meiose in ovariellen Keimzellen über Arten hinweg initiieren und dass der Metabolismus steroidogener Enzyme zu einzigartigen Entwicklungsmerkmalen bei Kaninchen beitragen könnte. / In mammals, the embryonic gonad is the only bipotential organ, differentiating into either testis or ovary during sex determination. Once specified, it produces sex-specific hormones that induce key morphological, physiological, and behavioral changes, leading to mature reproductive organs essential for species perpetuation. Despite the evolutionary importance of gonadal function, significant developmental plasticity exists across species, with underlying molecular mechanisms largely unexplored. To address this, single-cell omics techniques (scRNA- and scATAC-seq) were employed on developing gonads to investigate molecular contributors to interspecies differences during sex differentiation. Known cell types were characterized in testes and ovaries of pigs (exhibiting medullary cords), mice (lacking medullary cords), rabbits (displaying delayed meiosis of germ cells), and moles (forming ovotestes) at sexually dimorphic time points. Interspecies comparative analyses revealed both conserved and species-specific events at the levels of dynamic gene expression, co-expression networks, and cellular communication. Expression data were integrated with epigenomic data to infer gene regulatory networks (GRNs), clarifying regulatory mechanisms governing these events. Analyses revealed species-specific transcription factors in conserved GRNs and identified putative cis-regulatory elements linked with species-specific expressed genes. The study suggests diverse controls initiate meiosis in ovarian germ cells across species and that steroidogenic enzyme metabolism may contribute to unique developmental features in rabbits. Overall, this study advances the understanding of mammalian gonad differentiation and highlights how gene expression program evolution has contributed to mammalian phenotype diversity.

Einzelzell-Omics-Daten stehen derzeit im Fokus der Entwicklung computergestützter Methoden in der Molekularbiologie und Genetik. Einzelzellexperimenten lieferen dünnbesetzte, hochdimensionale Daten über zehntausende Gene oder hunderttausende regulatorische Regionen in zehntausenden Zellen. Diese Daten bieten den Forschenden die Möglichkeit, Gene und regulatorische Regionen zu identifizieren, welche die Bestimmung und Aufrechterhaltung der Zellidentität koordinieren. Die gängigste Strategie zur Identifizierung von Zellidentitätsmarkern besteht darin, die Zellen zu clustern und dann Merkmale zu finden, welche die Cluster unterscheiden, wobei davon ausgegangen wird, dass die Zellen innerhalb eines Clusters die gleiche Identität haben. Diese Annahme ist jedoch nicht immer zutreffend, insbesondere nicht für Entwicklungsdaten bei denen sich die Zellen in einem Kontinuum befinden und die Definition von Clustergrenzen biologisch gesehen potenziell willkürlich ist. Daher befasst sich diese Dissertation mit Clustering-unabhängigen Strategien zur Identifizierung von Markern aus Einzelzell-Omics-Daten. Der wichtigste Beitrag dieser Dissertation ist SEMITONES, eine auf linearer Regression basierende Methode zur Identifizierung von Markern. SEMITONES identifiziert (Gruppen von) Markern aus verschiedenen Arten von Einzelzell-Omics-Daten, identifiziert neue Marker und übertrifft bestehende Marker-Identifizierungsansätze. Außerdem ermöglicht die Identifizierung von regulatorischen Markerregionen durch SEMITONES neue Hypothesen über die Regulierung der Genexpression während dem Erwerb der Zellidentität. Schließlich beschreibt die Dissertation einen Ansatz zur Identifizierung neuer Markergene für sehr ähnliche, dennoch underschiedliche neurale Vorlauferzellen im zentralen Nervensystem von Drosphila melanogaster. Ingesamt zeigt die Dissertation, wie Cluster-unabhängige Ansätze zur Aufklärung bisher uncharakterisierter biologischer Phänome aus Einzelzell-Omics-Daten beitragen. / Single-cell omics approaches are the current frontier of computational method development in molecular biology and genetics. A single single-cell experiment provides sparse, high-dimensional data on tens of thousands of genes or hundreds of thousands of regulatory regions (i.e. features) in tens of thousands of cells (i.e. samples). This data provides researchers with an unprecedented opportunity to identify those genes and regulatory regions that determine and coordinate cell identity acquisition and maintenance. The most common strategy for identifying cell identity markers consists of clustering the cells and then identifying differential features between these clusters, assuming that cells within a cluster share the same identity. This assumption is, however, not guaranteed to hold, particularly for developmental data where cells lie along a continuum and inferring cluster boundaries becomes non-trivial and potentially biologically arbitrary. In response, this thesis presents clustering-independent strategies for marker feature identification from single-cell omics data. The primary contribution of this thesis is a linear regression-based method for marker feature identification from single-cell omics data called SEMITONES. SEMITONES can identify markers or marker sets from diverse single-cell omics data types, identifies novel markers, outperforms existing marker identification approaches. The thesis also describes how the identification of marker regulatory regions by SEMITONES enables the generation of novel hypotheses regarding gene regulation during cell identity acquisition. Lastly, the thesis describes the clustering-independent identification of novel marker genes for highly similar yet distinct neural progenitor cells in the Drosophila melanogaster central nervous system. Altogether, the thesis demonstrates how clustering-independent approaches aid the elucidation of yet uncharacterised biological patterns from single cell-omics data.

<p dir="ltr">Multi-omic studies ranging from genomics, transcriptomics (e.g., gene expression) to proteomics data exploration have been widely applied to interpret findings from genome wide association studies (GWAS) of Alzheimer's disease (AD). However, previous studies examine each -omics data type individually and the functional interactions between genetic variations, genes and proteins are only used after discovery to interpret the findings, but not beforehand. In this case, multi-omic findings are likely not functionally related and therefore it is challenging for result interpretation. To handle this challenge, we present new modularity constrained least absolute shrinkage and selection operator (M-LASSO), new modularity constrained logistic regression (M-Logistic), new interpretable multi-omic graph fusion neural network model (MoFNet) and new transfer learning framework integrated graph fusion neural network model (TransFuse) to integrate prior biological knowledge to model the functional interactions of multi-omic data. These approaches aim to identify functional connected sub-networks predictive of AD. In this thesis, the intrepretable model MoFNet and TransFuse incorporate prior biological connected multi-omics network, and for the first time model the dynamic information flow from deoxyribonucleic acid (DNA) to ribonucleic acid (RNA) and proteins. While applying the proposed models on multi-omic data from the religious orders study/memory and aging project (ROS/MAP) cohort, MoFNet and TransFuse outperformed all other state-of-art classifiers. Instead of targeting individual markers, the proposed methods identified multi-omic sub-networks associated with AD. MoFNet and TransFuse, produced sub-network and pathway findings that were robustly validated in another independent cohort. These identified gene/protein networks highlight potential pathways involved in AD pathogenesis and could offer systematic overview for understanding the molecular mechanisms of the disease. Investigating these identified pathways in more detail could help uncover the mechanisms causing synaptic dysfunction in AD and guide future research into potential therapeutic targets.</p>