A complex network makes simple pores Stomata, the pores found on the surface of plant leaves, form at intervals from stem cells. Development of stomata is controlled by the SPEECHLESS transcription factor. Lau et al. surveyed the genes that SPEECHLESS itself controls. Targets include genes involved in hormone signaling, control of cell proliferation, and the specification of asymmetric cell fates. Despite the apparent simplicity of a single pore, the genetic network that generates that pore is anything but simple. Science , this issue p. 1605

Gene expression is controlled by networks of transcription factors that bind specific sequence motifs in regulatory DNA elements such as promoters and enhancers. GeneClass is a boosting-based algorithm that learns gene regulatory networks from complementary paired feature sets such as transcription factor expression levels and binding motifs across conditions. This algorithm can be used to predict functional genomics measures of cell state, such as gene expression and chromatin accessibility, in different cellular conditions. We present a parallelized, Python-based implementation of GeneClass, called PyBoost, along with a novel hierarchical implementation of the algorithm, called HiBoost. HiBoost allows regulatory logic to be constrained to a hierarchical group of conditions or cell types. The software can be used to dissect differentiation cascades, time courses or other perturbation data that naturally form a hierarchy or trajectory. We demonstrate the application of PyBoost and HiBoost to learn regulators of tadpole tail regeneration and hematopoeitic stem cell differentiation and validate learned regulators through an inducible CRISPR system.

Changes in nuclear morphology or the makeup of the nuclear lamina contribute to the regulation of complex cell properties, including cell differentiation and tissue elasticity. Perturbations of nuclear morphology are associated with pathologies, including progeria, cancer, and muscular dystrophy. The mechanisms that govern nuclear shape changes in healthy cells remain poorly understood, in part because there are few healthy models of nuclear shape variation. Here, we introduce nuclear branching in epidermal fin cells of the diploid frog Xenopus tropicalis as a model for extreme variation of nuclear morphology in a healthy cell type. We find that nuclear branching is a property of multiple healthy epidermal cell types in the fin, and arises and elaborates during embryonic development. These nuclei have bilayered envelopes and have active cell cycles. They contain broadly distributed marks of transcriptionally active chromatin and heterochromatin. We find that these nuclear branches are disrupted by loss of filamentous actin, and depend on epidermal expression of the nuclear lamina protein Lamin B1. Inhibition of nuclear branching disrupts fin morphology, suggesting that nuclear branching may be critical to the formation and function of this thin and flexible structure. This study introduces the nuclei of the fin epithelium as a powerful new model for extreme nuclear morphology in healthy cells to complement studies of nuclear shape variation in pathological contexts.

Despite the clinical success of dozens of genetically targeted cancer therapies, the vast majority of patients with tumors caused by loss-of-function (LoF) mutations do not have access to these treatments. This is primarily due to the challenge of developing a drug that treats a disease caused by the absence of a protein target. The success of PARP inhibitors has solidified synthetic lethality (SL) as a means to overcome this obstacle. Recent mapping of SL networks using pooled CRISPR-Cas9 screens is a promising approach for expanding this concept to treating cancers driven by additional LoF drivers. In practice, however, translating signals from cell lines, where these screens are typically conducted, to patient outcomes remains a challenge. We developed a pharmacogemic (PGx) approach called Clinically Optimized Driver Associated PGx (CODA-PGx) that accurately predicts genetically targeted therapies with clinical-stage efficacy in specific LoF driver contexts. Using approved targeted therapies and cancer drugs with available real-world evidence and molecular data from hundreds of patients, we discovered and optimized the key screening principles predictive of efficacy and overall patient survival. In addition to establishing basic technical conventions, such as drug concentration and screening kinetics, we found that replicating the driver perturbation in the right context, as well as selecting patients where those drivers are genuine founder mutations, were key to accurate translation. We used CODA-PGX to screen a diverse collection of clinical stage drugs and report dozens of novel LoF genetically targeted opportunities; many validated in xenografts and by real-world evidence. Notable examples include treating STAG2-mutant tumors with Carboplatin, SMARCB1-mutant tumors with Oxaliplatin, and TP53BP1-mutant tumors with Etoposide or Bleomycin.

Increased tissue stiffness is a driver of breast cancer progression. The transcriptional regulator YAP is considered a universal mechanotransducer, based largely on 2D culture studies. However, the role of YAP during in vivo breast cancer remains unclear. Here, we find that mechanotransduction occurs independently of YAP in breast cancer patient samples and mechanically tunable 3D cultures. Mechanistically, the lack of YAP activity in 3D culture and in vivo is associated with the absence of stress fibers and an order of magnitude decrease in nuclear cross-sectional area relative to 2D culture. This work highlights the context-dependent role of YAP in mechanotransduction, and establishes that YAP does not mediate mechanotransduction in breast cancer.