Distinct cell populations with regenerative capacity have been reported to contribute to myofibres after skeletal muscle injury, including non-satellite cells as well as myogenic satellite cells. However, the relative contribution of these distinct cell types to skeletal muscle repair and homeostasis and the identity of adult muscle stem cells remain unknown. We generated a model for the conditional depletion of satellite cells by expressing a human diphtheria toxin receptor under control of the murine Pax7 locus. Intramuscular injection of diphtheria toxin during muscle homeostasis, or combined with muscle injury caused by myotoxins or exercise, led to a marked loss of muscle tissue and failure to regenerate skeletal muscle. Moreover, the muscle tissue became infiltrated by inflammatory cells and adipocytes. This localised loss of satellite cells was not compensated for endogenously by other cell types, but muscle regeneration was rescued after transplantation of adult Pax7(+) satellite cells alone. These findings indicate that other cell types with regenerative potential depend on the presence of the satellite cell population, and these observations have important implications for myopathic conditions and stem cell-based therapeutic approaches.

DNA methylation patterns were evaluated during preimplantation mouse development by analyzing the binding of monoclonal antibody to 5-methylcytosine (5-MeC) on metaphase chromosomes. Specific chromosome patterns were observed in each cell stage. A banding pattern predominated in chromosomes at the one-cell stage. Banding was replaced at the two-cell stage by an asymmetrical labeling of the sister chromatids. Then, the proportion of asymmetrical chromosomes decreased by one-half at each cell division until the blastocyst stage, and chromosomes became progressively symmetrical and weakly labeled. Our results indicate that chromosome demethylation is associated with each DNA replication and suggest that a passive mechanism predominates during early development.

ABSTRACT We employed our previously-described single-cell gene expression analysis CALISTA (Clustering And Lineage Inference in Single-Cell Transcriptional Analysis) to evaluate transcriptional uncertainty at the single-cell level using a stochastic mechanistic model of gene expression. We reconstructed a transcriptional uncertainty landscape during cell differentiation by visualizing single-cell transcriptional uncertainty surface over a two dimensional representation of the single-cell gene expression data. The reconstruction of transcriptional uncertainty landscapes for ten publicly available single-cell gene expression datasets from cell differentiation processes with linear, single or multi-branching cell lineage, reveals universal features in the cell differentiation trajectory that include: (i) a peak in single-cell uncertainty during transition states, and in systems with bifurcating differentiation trajectories, each branching point represents a state of high transcriptional uncertainty; (ii) a positive correlation of transcriptional uncertainty with transcriptional burst size and frequency; (iii) an increase in RNA velocity preceeding the increase in the cell transcriptional uncertainty. Finally, we provided biological interpretations of the universal rise-then-fall profile of the transcriptional uncertainty landscape, including a link with the Waddington’s epigenetic landscape, that is generalizable to every cell differentiation system.

Abstract Cell differentiation requires the integration of two opposite processes, a stabilizing cellular memory, especially at the transcriptional scale, and a burst of gene expression variability which follows the differentiation induction. Therefore, the actual capacity of a cell to undergo phenotypic change during a differentiation process relies upon a modification in this balance which favors change-inducing gene expression variability. However, there are no experimental data providing insight on how fast the transcriptomes of identical cells would diverge on the scale of the very first two cell divisions during the differentiation process. In order to quantitatively address this question, we developed different experimental methods to recover the transcriptomes of related cells, after one and two divisions, while preserving the information about their lineage at the scale of a single cell division. We analyzed the transcriptomes of related cells from two differentiation biological systems (human CD34+ cells and T2EC chicken primary erythrocytic progenitors) using two different single-cell transcriptomics technologies (sc-RT-qPCR and scRNA-seq). We identified that the gene transcription profiles of differentiating sister-cells are more similar to each-other than to those of non related cells of the same type, sharing the same environment and undergoing similar biological processes. More importantly, we observed greater discrepancies between differentiating sister-cells than between self-renewing sister-cells. Furthermore, a continuous increase in this divergence from first generation to second generation was observed when comparing differentiating cousin-cells to self renewing cousin-cells. Our results are in favor of a continuous and gradual erasure of transcriptional memory during the differentiation process.

Abstract Identifying associations between phenotype and genotype is the fundamental basis of genetic analyses. Inspired by frequentist probability and the work of R.A. Fisher, genome-wide association studies (GWAS) extract information using averages and variances from genotype-phenotype datasets. Averages and variances are legitimated upon creating distribution density functions obtained through the grouping of data into categories. However, as data from within a given category cannot be differentiated, the investigative power of such methodologies is limited. Genomic Informational Field Theory (GIFT) is a method specifically designed to circumvent this issue. The way GIFT proceeds is opposite to that of GWAS. Whilst GWAS determines the extent to which genes are involved in phenotype formation (bottom-up approach), GIFT determines the degree to which the phenotype can select microstates (genes) for its subsistence (top-down approach). Doing so requires dealing with new genetic concepts, a.k.a. genetic paths, upon which significance levels for genotype-phenotype associations can be determined. By using different datasets obtained in ovis aries related to bone growth (Dataset-1) and to a series of linked metabolic and epigenetic pathways (Dataset-2), we demonstrate that removing the informational barrier linked to categories enhances the investigative and discriminative powers of GIFT, namely that GIFT extracts more information than GWAS. We conclude by suggesting that GIFT is an adequate tool to study how phenotypic plasticity and genetic assimilation are linked.

Individual cells take lineage commitment decisions in a way that is not necessarily uniform. We address this issue by characterizing transcriptional changes in cord blood derived CD34+ cells at the single-cell level and integrating data with cell division history and morphological changes determined by time-lapse microscopy. We show, that major transcriptional changes leading to a multilineage-primed gene expression state occur very rapidly during the first cell cycle. One of the two stable lineage-primed patterns emerges gradually in each cell with variable timing. Some cells reach a stable morphology and molecular phenotype by the end of the first cell cycle and transmit it clonally. Others fluctuate between the two phenotypes over several cell cycles. Our analysis highlights the dynamic nature and variable timing of cell fate commitment in hematopoietic cells, links the gene expression pattern to cell morphology and identifies a new category of cells with fluctuating phenotypic characteristics, demonstrating the complexity of the fate decision process, away from a simple binary switch between two options as it is usually envisioned.

Cell lineage tracking is a long-standing and unresolved problem in biology. Microfluidic technologies have the potential to address this problem, by virtue of their ability to manipulate and process single-cells in a rapid, controllable and efficient manner. Indeed, when coupled with traditional imaging approaches, microfluidic systems allow the experimentalist to follow single-cell divisions over time. Herein, we present a valve-based microfluidic system able to probe the decision-making processes of single-cells, by tracking their lineage over multiple generations. The system operates by trapping single-cells within growth chambers, allowing the trapped cells to grow and divide, isolating sister cells after a user-defined number of divisions and finally extracting them for downstream transcriptome analysis. The platform incorporates multiple cell manipulation operations, image processing-based automation for cell loading and growth monitoring, reagent addition and device washing. To demonstrate the efficacy of the microfluidic workflow, 6C2 (chicken erythroleukemia) and T2EC (primary chicken erythrocytic progenitors) cells are tracked inside the microfluidic device over two generations, with a cell viability rate in excess of 90%. Sister cells are successfully isolated after division and extracted within a 500 nL volume, which is compatible with downstream single-cell RNA sequencing analysis.

Summary When human cord blood derived CD34+ cells are induced to differentiate in vitro , they undergo rapid and dynamic morphological and molecular transformations that are critical for fate commitment. Using ATAC-seq and single-cell RNA sequencing, we detected two phases in this process. In the first phase, we observed a rapid and global chromatin opening that makes most of the gene promoters in the genome accessible, followed by widespread upregulation of gene transcription and a concomitant increase in the cell-to-cell variability of gene expression. The second phase is marked by a slow chromatin closure and a subsequent overall downregulation of gene transcription and emergence of coherent expression profiles corresponding to distinct cell subpopulations. These observations are consistent with a model based on the spontaneous probabilistic organization of the cellular process of fate commitment.

Abstract A continuous supply of energy is an essential prerequisite for survival and represents the highest priority for the cell. We hypothesize that cell differentiation is a process of optimization of energy flow in a changing environment through phenotypic adaptation. The mechanistic basis of this hypothesis is provided by the established link between core energy metabolism and epigenetic covalent modifications of chromatin. This theory predicts that early metabolic perturbations impact subsequent differentiation. To test this, we induced transient metabolic perturbations in undifferentiated human hematopoietic cells using pharmacological inhibitors targeting key metabolic reactions. We recorded changes in chromatin structure and gene expression, as well as phenotypic alterations by single-cell ATAC and RNA sequencing, time-lapse microscopy and flow cytometry. Our observations suggest that these metabolic perturbations are shortly followed by alterations in chromatin structure, leading to changes in gene expression. We also show that these transient fluctuations alter the differentiation potential of the cells.

A continuous supply of energy is an essential prerequisite for survival and represents the highest priority for the cell. We hypothesize that cell differentiation is a process of optimization of energy flow in a changing environment through phenotypic adaptation. The mechanistic basis of this hypothesis is provided by the established link between core energy metabolism and epigenetic covalent modifications of chromatin. This theory predicts that early metabolic perturbations impact subsequent differentiation. To test this, we induced transient metabolic perturbations in undifferentiated human hematopoietic cells using pharmacological inhibitors targeting key metabolic reactions. We recorded changes in chromatin structure and gene expression, as well as phenotypic alterations by single-cell ATAC and RNA sequencing, time-lapse microscopy, and flow cytometry. Our observations suggest that these metabolic perturbations are shortly followed by alterations in chromatin structure, leading to changes in gene expression. We also show that these transient fluctuations alter the differentiation potential of the cells.