Novel insights into biological functions and mechanisms, cell networks and evolutionary relationships are gained through development of sequencing technologies and sequencing based applications. Massively parallel sequencing has enabled analysis of big data at gene and protein expression levels, but has also characterized bacterial communities. Additionally, different technological advancements enabled us to track those expression changes in single cells, to reveal insights into rare cell populations, or with added spatial resolution, to explore highly complex environments such as tissues. This thesis gives an overview of different technical, biological and computational methods used in genomics today with a specific focus on spatial techniques for detailed tissue characterization. This is followed by a chapter summarizing recent scientific contributions made by the author that have been included as part of this thesis. In Paper I, 16S sequencing was used to study the diversity and composition of bacterial communities with specific focus on the aerodigestive microbiome in children who had undergone a lung transplant. Potential connections between the microbiome and irregular gastric muscle movements were also examined. Patients with a lung transplant had significantly lower microbial diversity in the gastric and oropharyngeal sites as compared to controls, however, lung transplant recipients showed similar bacterial compositions, independent of motility status. Samples in the lung transplant patient group were in general dominated by Staphylococcaceae but Streptococcus, Prevotella and Veillonella were common in the gastric and oropharyngeal samples. Next, an automated method for simultaneous spatial analysis of both gene and antibodybased protein expression in tissue sections, named SM-Omics, was developed in Paper II. SM-Omics enabled simultaneous detection of proteins, by using either immunofluorescence or DNAbarcoded antibodies, and analysis of the spatial transcriptome in the same tissue section. SM-Omics was applied to the mouse brain and spleen and obtained correlated spatial patterns between respective gene and antibody measurements. The method allowed processing of up to 64 in situ spatial reactions or up to 96 sequencing-ready libraries, of high complexity, in a ~2 days process. The spatial host-microbiome sequencing method, presented in Paper III, was used to concurrently study the spatial environment created between bacteria and host cells within a tissue section. Using spatial host-microbiome sequencing, colonic sections from three different mouse models were examined by simultaneous in situ capture of both mRNA and 16S sequences, followed by sequencing and taxonomic assignment of bacterial 16S sequences using a deep learning model. ~17,000 genes and 39 bacteria genera across 16 different morphological regions were quantitatively assessed in the mouse colon. We reported specific genera in the interfold and lumen regions of the colon, as well as spatially variable genes across 100 tissue sections. To better understand genotype-relevant changes impacted by bacterial presence, we defined cell-type specific interactions described with sets of activated pathways. Finally, consecutive tissue sections of multiple synovial biopsies from patients suffering from rheumatoid arthritis were processed using the Spatial Transcriptomics method and sequenced in Paper IV. The alignment and transformation of the consecutive tissue sections enabled spatial profiling in 3D of genes and cell types within the biopsies. Spatially variable gene expression patterns revealed clusters radially distributed around organized structures of infiltrating leukocytes (TLOs). In patients with developed TLOs, these structures contained proinflammatory B cells, while the surrounding areas were high in fibroblasts.

Utvecklingen av sekvensering-teknologier och applikationer som baseras på sekvensering, har lett till ny förståelse av biologiska funktioner och mekanismer, cell-nätverk och evolutionära samband. Massively parallel sequencing har möjliggjort analys av big data som behandlar gen och proteinuttryck, men också för karakterisering av bakteriella samhällen. Olika tekniska framsteg har dessutom tillåtit oss att studera dessa uttryck i individuella celler, få en ökad förståelse av sällsynta cellpopulationer och adderat den rumslig upplösningen, för att undersöka mycket komplexa miljöer såsom vävnader. Den här avhandlingen börjar med en överblick av olika tekniska, biologiska och datorbaserade metoder som används inom genomik idag, med ett speciellt fokus på tekniker som genererar en rumslig upplösning för detaljerad beskrivning av vävnader. Efter detta följer ett kapitel som summerar författarens senaste vetenskapliga bidrag som är en del av denna avhandling. I Artikel I användes 16S-sekvensering för att studera diversitet och sammansättning av bakteriella samhällen. Fokus var på mikrobiomet i luft- och matspjälkningskanalen hos barn med lungtransplantation. Potentiella samband mellan mikrobiomet och störningar i mag-tarmkanalens rörelser studerades också. Patienter med lungtransplantation hade signifikant lägre mikrobiell diversitet i magen och halsen. Dock visade sig denna grupp även ha liknande bakteriell sammansättning, oberoende av mag-tarmkanalens rörelser. Patienterna dominerades av Staphylococcaceae men Streptococcus, Prevotella och Veillonella var vanligt förekommande i magen och halsen. Vidare presenteras utvecklingen av SM-Omics i Artikel II, en automatiserad metod för simultan rumslig analys av både gener och antikroppsbaserat proteinuttryck i vävnadssnitt. SM-Omics möjliggjorde simultan detektion av proteiner, genom att använda antingen immunofluorescens eller DNA-märkta antikroppar, och analys av den rumsliga upplösningen av transkriptomet i samma vävnadssnitt. SM-Omics applicerades på mushjärna och musmjälte och uppnådde korrelerade rumsliga mönster mellan respektive gen- och protein-uttryck och DNAmärkta antikroppsmätningar. Metoden möjliggör framställning av upp till 64 in situ-reaktioner med rumslig upplösning eller upp till 96 sekvenseringsbara bibliotek, av hög komplexitet, på ~2 dagar. Spatial host-microbiome sequencing, som presenteras i Artikel III, är en metod som används för att studera den rumsliga miljön som skapats mellan bakterier och värdceller inuti ett vävnadssnitt. Genom användning av Spatial host-microbiome sequencing kunde simultan in situinfångning av både mRNA och 16S-sekvenser från vävnadssnitt av tjocktarmen från tre olika musmodeller erhållas och sekvenseras. En deep learning-modell användes för att taxonomiskt identifiera 16S-sekvenserna. ~17000 gener och 39 bakteriella släkten var kvantitativt analyserade i 16 olika morfologiska regioner i mustarmen. Vi identifierade specifika släkten i tarmens hålrum och rumsliga variationer i genuttrycket i 100 vävnadssnitt. För att bättre förstå eventuell bakteriell påverkan på genotypiska skillnader, definierade vi celltyps-specifika interaktioner genom att beskriva aktiverade nätverk. Slutligen, konsekutiva vävnadssnitt från multipla biopsier av synovialled från patienter med ledgångsreumatism var preparerade med Spatial Transcriptomics-metoden och sekvenserade i Artikel IV. Justering och transformation av de konsekutiva vävnadssnitten möjliggjorde rumslig profilering i 3D av gener och celltyper inom biopsierna. Rumsliga variationer i genuttrycket påvisade radiellt distribuerade kluster runt organiserade strukturer med infiltrerande vita blodkroppar (TLOs). Hos patienter med utvecklade TLOs, innehöll dessa strukturer proinflammatoriska B-celler, medan omgivande områden innehöll många fibroblaster.