Oscillation Stabilizes the Progenitor State Transcription factors regulate fate choice between different neural lineages, but the same transcription factors are also expressed in neural progenitor cells. Imayoshi et al. (p. 1203 , published online 31 October) analyzed the details of expression of several transcription factors in mouse neural cells. In neural progenitor cells, several different transcription factors were expressed in an oscillatory manner, whereas differentiated neurons stably expressed a single lineage-specific factor.

The cell flow and defects within the alignment pattern of cultured mouse neural progenitor cells are described. Kyogo Kawaguchi et al. show that particular sorts of defect structures in cultures of neural progenitor cells can act as 'sources' and 'sinks' of cell flow, depending on the direction of movement of cells around the defects. The alignment of cells around these defect structures (which correspond to topological defects) is similar to that seen in artificial extensile active nematic liquid-crystal systems. The authors observed that the cells either piled up into mounds or decreased in density around the defects, affecting the flow of the cells. The authors suggest that it is the interplay between the active forces from cell motility and frictional forces that lead to the changes in cell flow and density. Cultured stem cells have become a standard platform not only for regenerative medicine and developmental biology but also for biophysical studies. Yet, the characterization of cultured stem cells at the level of morphology and of the macroscopic patterns resulting from cell-to-cell interactions remains largely qualitative. Here we report on the collective dynamics of cultured murine neural progenitor cells (NPCs), which are multipotent stem cells that give rise to cells in the central nervous system1. At low densities, NPCs moved randomly in an amoeba-like fashion. However, NPCs at high density elongated and aligned their shapes with one another, gliding at relatively high velocities. Although the direction of motion of individual cells reversed stochastically along the axes of alignment, the cells were capable of forming an aligned pattern up to length scales similar to that of the migratory stream observed in the adult brain2. The two-dimensional order of alignment within the culture showed a liquid-crystalline pattern containing interspersed topological defects with winding numbers of +1/2 and −1/2 (half-integer due to the nematic feature that arises from the head–tail symmetry of cell-to-cell interaction). We identified rapid cell accumulation at +1/2 defects and the formation of three-dimensional mounds. Imaging at the single-cell level around the defects allowed us to quantify the velocity field and the evolving cell density; cells not only concentrate at +1/2 defects, but also escape from −1/2 defects. We propose a generic mechanism for the instability in cell density around the defects that arises from the interplay between the anisotropic friction and the active force field.

Tracking stem cell fate in time and space After injury and during homeostasis, tissues rely on the balance of cell loss and renewal. Rompolas et al. visualized individual stem cells over their lifetime in the epidermis of live mice. Tracking stem cells over multiple generations revealed that tissue homeostasis in the mouse epidermis is not maintained by asymmetric cell division as previously thought, but through the coordination of sibling cell fate and lifetimes. Furthermore, differentiating stem cells reused the existing spatial organization of the epidermis. Science , this issue p. 1471

Abstract High turnover tissues continually lose specialized cells that are replaced by stem cell activity. In the adult mammalian epidermis, it is unclear how molecularly heterogenous stem/progenitor cell populations fit into the complete trajectory of epidermal differentiation. We show that differentiation, from commitment to exit from the stem cell layer, is a multi-day process wherein cells transit through a continuum of transcriptional changes. Differentiation-committed cells remain capable of dividing to produce daughter cells fated to further differentiate, demonstrating that differentiation is uncoupled from cell cycle exit. These cell divisions are not required as part of an obligate transit amplifying program but instead protect density in the stem cell layer. Thus, instead of distinct contributions from multiple progenitors, a continuous gradual differentiation process fuels homeostatic epidermal turnover. One sentence summary Heterogeneity in the epidermal stem cell layer reflects a gradual differentiation program that is uncoupled from the loss of proliferative capacity.

Motivation Particle tracking is an important step of analysis in a variety of scientific fields, and is particularly indispensable for the construction of cellular lineages from live images. Although various supervised machine learning methods have been developed for cell tracking, the diversity of the data still necessitates heuristic methods that require parameter estimations from small amounts of data. For this, solving tracking as a linear assignment problem (LAP) has been widely applied and demonstrated to be efficient. However, there has been no implementation that allows custom connection costs, parallel parameter tuning with ground truth annotations, and the functionality to preserve ground truth connections, limiting the application to datasets with partial annotations. Results We developed LapTrack, a LAP-based tracker which allows including arbitrary cost functions and inputs, parallel parameter tuning, and ground-truth track preservation. Analysis of real and artificial datasets demonstrates the advantage of custom metric functions for tracking score improvement. The tracker can be easily combined with other Python-based tools for particle detection, segmentation, and visualization. Availability and implementation LapTrack is available as a Python package on PyPi, and the notebook examples are shared at https://github.com/yfukai/laptrack . The data and code for this publication are hosted at https://github.com/NoneqPhysLivingMatterLab/laptrack-optimization . Contact ysk@yfukai.net

Cells contain multiple condensates which spontaneously form due to the heterotypic interactions between their components. Although the proteins and disordered region sequences that are responsible for condensate formation have been extensively studied, the rule of interactions between the components that allow demixing, i.e., the coexistence of multiple condensates, is yet to be elucidated. Here, we construct an effective theory of the interaction between heteropolymers by fitting it to the molecular dynamics simulation results obtained for more than 200 sequences sampled from the disordered regions of human proteins. We find that the sum of amino acid pair interactions across two heteropolymers predicts the Boyle temperature qualitatively well, which can be quantitatively improved by the dimer pair approximation, where we incorporate the effect of neighboring amino acids in the sequences. The improved theory, combined with the finding of a metric that captures the effective interaction strength between distinct sequences, allowed the selection of up to three disordered region sequences that demix with each other in multicomponent simulations, as well as the generation of artificial sequences that demix with a given sequence. The theory points to a generic sequence design strategy to demix or hypermix thanks to the low-dimensional nature of the space of the interactions that we identify. As a consequence of the geometric arguments in the space of interactions, we find that the number of distinct sequences that can demix with each other is strongly constrained, irrespective of the choice of the coarse-grained model. Altogether, we construct a theoretical basis for methods to estimate the effective interaction between heteropolymers, which can be utilized in predicting phase separation properties as well as rules of assignment in the localization and functions of disordered proteins. Published by the American Physical Society 2024

Robustness in developing and homeostatic tissues is supported by various types of spatiotemporal cell-to-cell interactions. Although live imaging and cell tracking are powerful in providing direct evidence of cell coordination rules, extracting and comparing these rules across many tissues with potentially different length and timescales of coordination requires a versatile framework of analysis. Here we demonstrate that graph neural network (GNN) models are suited for this purpose, by showing how they can be applied to predict cell fate in tissues and utilized to infer the cell interactions governing the multicellular dynamics. Analyzing the live mammalian epidermis data, where spatiotemporal graphs constructed from cell tracks and cell contacts are given as inputs, GNN discovers distinct neighbor cell fate coordination rules that depend on the region of the body. This approach demonstrates how the GNN framework is powerful in inferring general cell interaction rules from live data without prior knowledge of the signaling involved.

Many adult tissues are dynamically sustained by the rapid turnover of stem cells. Yet, how cell fates such as self-renewal and differentiation are orchestrated to achieve long-term homeostasis remains elusive. Studies utilizing clonal tracing experiments in multiple tissues have argued that while stem cell fate is balanced at the population level, individual cell fate - to divide or differentiate - is determined intrinsically by each cell seemingly at random. These studies leave open the question of how cell fates are regulated to achieve fate balance across the tissue. Stem cell fate choices could be made autonomously by each cell throughout the tissue or be the result of cell coordination. Here we developed a novel live tracking strategy that allowed recording of every division and differentiation event within a region of epidermis for a week. These measurements reveal that stem cell fates are not autonomous. Rather, direct neighbors undergo coupled opposite fate decisions. We further found a clear ordering of events, with self-renewal triggered by neighbor differentiation, but not vice-versa. Typically, around 1-2 days after cell delamination, a neighboring cell entered S/G2 phase and divided. Functional blocking of this local feedback showed that differentiation continues to occur in the absence of cell division, resulting in a rapid depletion of the epidermal stem cell pool. We thus demonstrate that the epidermis is maintained by nearest neighbor coordination of cell fates, rather than by asymmetric divisions or fine-tuned cell-autonomous stochastic fate choices. These findings establish differentiation-dependent division as a core feature of homeostatic control, and define the relevant time and length scales over which homeostasis is enforced in epithelial tissues.

Sheets of confluent cells are often considered as active nematics, with accumulation at +1/2 topological defects and escape from −1/2 defects being widely recognized. However, collective dynamics surrounding integer-charge defects remain poorly understood, despite its biological importance. By using microfabricated patterns, we induce diverse +1 topological defects (aster, spirals, and target) within monolayers of neural progenitor cells. Remarkably, cells are consistently attracted to the core of +1 defects regardless of their type, challenging existing theories and the conventional extensile/contractile dichotomy. We trace back the origin of this accumulation behavior to previously overlooked nonlinear active forces using a combination of experiments and a continuous theory derived from a cell level model. Our findings demonstrate that +1 topological defects can reveal key features of active nematic systems and offer a new way to characterize and classify cell layers.