Abstract Plasticity enables cells to change their gene expression state in the absence of a genetic change. At the single-cell level, these gene expression states can persist for different lengths of time which is a quantitative measurement referred to as gene expression memory. Because plasticity is not encoded by genetic changes, these cell states can be reversible, and therefore, are amenable to modulation by disrupting gene expression memory. However, we currently do not have robust methods to find the regulators of memory or to track state switching in plastic cell populations. Here, we developed a lineage tracing-based technique to quantify gene expression memory and to identify single cells as they undergo cell state transitions. Applied to human melanoma cells, we quantified long-lived fluctuations in gene expression that underlie resistance to targeted therapy. Further, we identified the PI3K and TGF-β pathways as modulators of these state dynamics. Applying the gene expression signatures derived from this technique, we find that these expression states are generalizable to in vivo models and present in scRNA-seq from patient tumors. Leveraging the PI3K and TGF-β pathways as dials on memory between plastic states, we propose a “ pretreatment” model in which we first use a PI3K inhibitor to modulate the expression states of the cell population and then apply targeted therapy. This plasticity informed dosing scheme ultimately yields fewer resistant colonies than targeted therapy alone. Taken together, we describe a technique to find modulators of gene expression memory and then apply this knowledge to alter plastic cell states and their connected cell fates.

Abstract Intracellular reaction rates depend on concentrations and hence their levels are often regulated. However classical models of stochastic gene expression lack a cell size description and cannot be used to predict noise in concentrations. Here, we construct a model of gene product dynamics that includes a description of cell growth, cell division, size-dependent gene expression, gene dosage compensation, and size control mechanisms that can vary with the cell cycle phase. We obtain expressions for the approximate distributions and power spectra of concentration fluctuations which lead to insight into the emergence of concentration homeostasis. Furthermore, we find that (i) the conditions necessary to suppress cell division-induced concentration oscillations are difficult to achieve; (ii) mRNA concentration and number distributions can have different number of modes; (iii) certain size control strategies are ideal because they maintain constant mean concentrations whilst minimising concentration noise. Predictions are confirmed using lineage data for E. coli , fission yeast and budding yeast.

ABSTRACT Resistance to targeted therapies is an important clinical problem in HER2-positive (HER2+) breast cancer. “Drug-tolerant persisters” (DTPs), a sub-population of cancer cells that survive via reversible, non-genetic mechanisms, are implicated in resistance to tyrosine kinase inhibitors (TKIs) in other malignancies, but DTPs following HER2 TKI exposure have not been well characterized. We found that HER2 TKIs evoke DTPs with a luminal-like or a mesenchymal-like transcriptome. Lentiviral barcoding/single cell RNA-sequencing reveal that HER2+ breast cancer cells cycle stochastically through a “pre-DTP” state, characterized by a G 0 -like expression signature and enriched for diapause and/or senescence genes. Trajectory analysis/cell sorting show that pre-DTPs preferentially yield DTPs upon HER2 TKI exposure. Cells with similar transcriptomes are present in HER2+ breast tumors and are associated with poor TKI response. Finally, biochemical experiments indicate that luminal-like DTPs survive via estrogen receptor-dependent induction of SGK3, leading to rewiring of the PI3K/AKT/mTORC1 pathway to enable AKT-independent mTORC1 activation. STATEMENT OF SIGNIFICANCE DTPs are implicated in resistance to TKIs, other targeted therapies, and chemotherapy, but their ontogeny and vulnerabilities remain unclear. We find that HER2 TKI-DTPs emerge from stochastically arising primed cells (“pre-DTPs”) that preferentially engage either of two distinct transcriptional programs upon TKI exposure. Our results provide new insights into DTP ontogeny and identify potential therapeutic vulnerabilities.

Abstract The overexpression of many proteins can often have a detrimental impact on cellular growth. This expression-growth coupling leads to positive feedback - any increase of intracellular protein concentration reduces the growth rate of cell size expansion that in turn enhances the concentration via reduced dilution. We investigate how such feedback amplifies intrinsic stochasticity in gene expression to drive a skewed distribution of the protein concentration. Our results provide an exact solution to this distribution by analytically solving the Chapman-Kolmogorov equation, and we use it to quantify the enhancement of noise/skewness as a function of expression-growth coupling. This analysis has important implications for the expression of stress factors, where high levels provide protection from stress, but come at the cost of reduced cellular proliferation. Finally, we connect these analytical results to the case of an actively degraded gene product, where the degradation machinery is working close to saturation.

Abstract Biochemical reactions typically depend on the concentrations of the molecules involved, and cell survival therefore critically depends on the concentration of proteins. To maintain constant protein concentrations during cell growth, global mRNA and protein synthesis rates are tightly linked to cell volume. While such regulation is appropriate for most proteins, certain cellular structures do not scale with cell volume. The most striking example of this is the genomic DNA, which doubles during the cell cycle and increases with ploidy, but is independent of cell volume. Here, we show that the amount of histone proteins is coupled to the DNA content, even though mRNA and protein synthesis globally increase with cell volume. As a consequence, and in contrast to the global trend, histone concentrations (i.e. amounts per volume) decrease with cell volume but increase with ploidy. We find that this distinct coordination of histone homeostasis and genome content is already achieved at the transcript level, and is an intrinsic property of histone promoters that does not require direct feedback mechanisms. Mathematical modelling and histone promoter truncations reveal a simple and generalizable mechanism to control the cell volume- and ploidy-dependence of a given gene through the balance of the initiation and elongation rates.

Abstract Triggering of cellular events often relies on the level of a key gene product crossing a critical threshold. Achieving precision in event timing in spite of noisy gene expression facilitates high-fidelity functioning of diverse processes from biomolecular clocks, apoptosis and cellular differentiation. Here we investigate the role of an incoherent feedforward circuit in regulating the time taken by a bacterial virus (bacteriophage lambda) to lyse an infected Escherichia coli cell. Lysis timing is the result of expression and accumulation of a single lambda protein (holin) in the E. coli cell membrane up to a critical threshold level, which triggers the formation of membrane lesions. This easily visualized process provides a simple model system for characterizing event-timing stochasticity in single cells. Intriguingly, lambda’s lytic pathway synthesizes two functionally opposite proteins: holin and antiholin from the same mRNA in a 2:1 ratio. Antiholin sequesters holin and inhibits the formation of lethal membrane lesions, thus creating an incoherent feedforward circuit. We develop and analyze a stochastic model for this feedforward circuit that considers correlated bursty expression of holin/antiholin, and their concentrations are diluted from cellular growth. Interestingly, our analysis shows the noise in timing is minimized when both proteins are expressed at an optimal ratio, hence revealing an important regulatory role for antiholin. These results are in agreement with single cell data, where removal of antiholin results in enhanced stochasticity in lysis timing.

Abstract Gene expression, the production of protein from DNA and mRNA in the biological cell, is inherently stochastic. Cells with identical DNA exhibit fluctuations or ‘noise’ in gene expression. This noise propagates over gene regulatory networks (GRNs), which encode gene-gene interactions. The propagated ‘extrinsic’ noise interacts and combines with ‘intrinsic’ noise to affect biological decisions. Consequently, it is essential to understand how GRN topology affects total noise. Recently, uncertainty principles were established for noise propagation over GRN. In particular, in ring GRNs, exactly one node can have noise reduction below the intrinsic limit. We establish necessary and sufficient conditions for noise reduction in ring GRN. Specifically, for two- and three-node rings, an odd number of negative regulations is necessary for noise reduction. Further, sufficiency is ensured if sensitivities to input for feedforward and feedback regulations are bounded from below and above, respectively. These constraints are valid even if the ring GRN are regulated by an upstream gene. Finally, we use graph theory to decompose noise propagation in a general directed network over its strongly connected components. The combination of graph theory and stochastic processes may be a general framework for studying noise propagation.

Abstract Motivated by the univoltine life histories of insects residing in the temperate-regions of the world, there is a rich tradition of modeling arthropod host-parasitoid interactions using a discrete-time formalism. We introduce a general class of discrete-time models for capturing the population dynamics of two competing parasitoid species that attack the same vulnerable stage of the host species. These models are characterized by two density-dependent functions: an escape response defined by the fraction of hosts escaping parasitism; and a competition response defined by the fraction of parasitized hosts that develop into adult parasitoids of either species. Model analysis reveals remarkably simple stability conditions for the coexistence of competing parasitoids. More specifically, coexistence occurs, if and only if, the adult host density increases with host reproduction rate, and the log sensitivity of the competition response is less than half. The latter condition implies that any increase in the adult parasitoid density will result in a sufficiently slow increase in the fraction of parasitized hosts that develop into parasitoids of that type. We next consider a model motivated by differences in parasitism risk among individual hosts with risk from the two parasitoid species assumed to be independently distributed as per a Gamma distribution. In such models, the heterogeneity in host risk to each parasitoid is quantified by the corresponding Coefficient of Variation (CV). Our results show that parasitoid coexistence occurs for sufficiently large reproduction rate, if and only if, the sum of the inverse of the two CV squares is less than one. This result generalizes the “CV greater than one” rule that defined the stability for a single parasitoid-host system to a multi parasitoid-host community.

Abstract Exponentially growing cells regulate their size by controlling their timing of division. Since two daughter cells are born as a result of this cell splitting, cell size regulation has a direct connection with cell proliferation dynamics. Recent models found more clues about this connection by suggesting that division occurs at a size-dependent rate. In this article, we propose a framework that couples the stochastic transient dynamics of both the cell size and the number of cells in the initial expansion of a single-cell-derived colony. We describe the population from the two most common perspectives. The first is known as Single Lineage : where only one cell is followed in each colony, and the second is Population Snapshots: where all cells in different colonies are followed. At a low number of cells, we propose a third perspective; Single Colony , where one tracks only cells with a common ancestor. We observe how the statistics of these three approaches are different at low numbers and how the Single Colony perspective tends to Population Snapshots at high numbers. Analyzing colony-to-colony fluctuations in the number of cells, we report an intriguing find: the extent of fluctuations first increases with time and then decreases to approach zero at large numbers of cells. In contrast, in classical size-independent proliferation models, where cell division occurs based on a pure timing mechanism, fluctuations in cell number increase monotonically over time to approach a nonzero value. We systematically study these differences and the convergence speed using different size control strategies.

Abstract Variables of bacterial division such as size at birth, growth rate, division time, and the position of the septal ring, all vary from cell to cell. Currently, it is unknown how these random fluctuations can combine to produce a robust mechanism of homeostasis. To address this question, we studied the dynamics of the cell division process from both experimental and theoretical perspectives. Our model predicts robustness in division times as sustained oscillations in metrics of the cell size distribution, such as the mean, variability, and the cell size autocorrelation function. These oscillations do not get damped, even considering stochasticity in division timing and the cell size at the beginning of the experiment. Damping appears just after inducing stochasticity in either the septum position or the growth rate. We compare the predictions of the full model with the size dynamics of E. coli bacteria growing in minimal media using either glucose or glycerol as carbon sources. We observe that growth in poorer media increases the noise in both partitioning position and growth rate. This additional noise results in oscillations with more damping. Although intracellular noise is known as a source of phenotypic variation, our results show that it can play a similar but subtler role in maintaining population-level homeostasis by causing rapid desynchronization of cell cycles..