Stochastic mechanisms are ubiquitous in biological systems. Biochemical reactions that involve small numbers of molecules are intrinsically noisy, being dominated by large concentration fluctuations1,2,3. This intrinsic noise has been implicated in the random lysis/lysogeny decision of bacteriophage-λ4, in the loss of synchrony of circadian clocks5,6 and in the decrease of precision of cell signals7. We sought to quantitatively investigate the extent to which the occurrence of molecular fluctuations within single cells (biochemical noise) could explain the variation of gene expression levels between cells in a genetically identical population (phenotypic noise). We have isolated the biochemical contribution to phenotypic noise from that of other noise sources by carrying out a series of differential measurements. We varied independently the rates of transcription and translation of a single fluorescent reporter gene in the chromosome of Bacillus subtilis, and we quantitatively measured the resulting changes in the phenotypic noise characteristics. We report that of these two parameters, increased translational efficiency is the predominant source of increased phenotypic noise. This effect is consistent with a stochastic model of gene expression in which proteins are produced in random and sharp bursts. Our results thus provide the first direct experimental evidence of the biochemical origin of phenotypic noise, demonstrating that the level of phenotypic variation in an isogenic population can be regulated by genetic parameters.

Cells are intrinsically noisy biochemical reactors: low reactant numbers can lead to significant statistical fluctuations in molecule numbers and reaction rates. Here we use an analytic model to investigate the emergent noise properties of genetic systems. We find for a single gene that noise is essentially determined at the translational level, and that the mean and variance of protein concentration can be independently controlled. The noise strength immediately following single gene induction is almost twice the final steady-state value. We find that fluctuations in the concentrations of a regulatory protein can propagate through a genetic cascade; translational noise control could explain the inefficient translation rates observed for genes encoding such regulatory proteins. For an autoregulatory protein, we demonstrate that negative feedback efficiently decreases system noise. The model can be used to predict the noise characteristics of networks of arbitrary connectivity. The general procedure is further illustrated for an autocatalytic protein and a bistable genetic switch. The analysis of intrinsic noise reveals biological roles of gene network structures and can lead to a deeper understanding of their evolutionary origin.

Abstract Stochastic mechanisms can cause a group of isogenic bacteria, each subject to identical environmental conditions, to nevertheless exhibit diverse patterns of gene expression. The resulting phenotypic subpopulations will typically have distinct growth rates. This behavior has been observed in several contexts, including sugar metabolism and pili phase variation. Under fixed environmental conditions, the net growth rate of the population is maximized when all cells are of the fastest growing phenotype, so it is unclear what fitness advantage is conferred by population heterogeneity. However, unlike ideal laboratory conditions, natural environments tend to fluctuate, either periodically or randomly. Here we use a stochastic population model to show that, during growth in such fluctuating environments, a dynamically heterogenous bacterial population can sometimes achieve a higher net growth rate than a homogenous one. By using stochastic mechanisms to sample several distinct phenotypes, the bacteria are able to anticipate and take advantage of sudden changes in their environment. However, this heterogeneity is beneficial only if the bacterial response rate is sufficiently low. Our results could be useful in the design of artificial evolution experiments and in the optimization of fermentation processes.

Abstract Glycans are important regulators of cell and organismal physiology. This requires that the glycan biosynthesis be controlled to achieve specific cellular glycan profiles. Glycans are assembled in the Golgi apparatus on secretory cargoes that traverse it. The mechanisms by which the Golgi apparatus ensures cell- and cargo-specific glycosylation remain obscure. We investigated how the Golgi apparatus regulates glycosylation by studying biosynthesis of glycosphingolipids, glycosylated lipids with critical roles in signalling and differentiation. We identified the Golgi matrix protein GRASP55 as a controller of sphingolipid glycosylation by regulating the compartmentalized localization of key sphingolipid biosynthetic enzymes in the Golgi. GRASP55 controls the localization of the enzymes by binding to them and regulating their entry into peri-Golgi vesicles. Impairing GRASP55-enzyme interaction decompartmentalizes these enzymes, changes the substrate flux across competing glycosylation pathways that results in alteration of the cellular glycosphingolipid profile. This GRASP55 regulated pathway of enzyme compartmentalization allows cells to make cell density-dependent adaptations in glycosphingolipid biosynthesis to suit cell growth needs. Thus, the Golgi apparatus controls the cellular glycan (glycosphingolipid) profile by governing competition between biosynthetic reactions through regulated changes in enzyme compartmentalization.

Abstract Modules of interacting proteins regulate vesicle budding and fusion in eukaryotes. Distinct paralogous copies of these modules act at distinct sub-cellular locations. The processes by which such large gene modules are duplicated and retained remain unclear. Here we show that interspecies hybridization is a potent source of paralogous gene modules. We study the dynamics of paralog doublets derived from the 100-million-year-old hybridization event that gave rise to the whole genome duplication clade of budding yeast. We show that paralog doublets encoding vesicle traffic proteins are convergently retained across species. Vesicle coats and adaptors involved in secretory and early-endocytic pathways are retained as doublets, while tethers and other machinery involved in intra-Golgi traffic and later endocytic steps are reduced to singletons. These patterns reveal common selective pressures that have sculpted traffic pathways in diverse yeast species. They suggest that hybridization may have played a pivotal role in the expansion of the endomembrane system.

It is well known that microbial cell populations can exhibit sustained exponential growth. More surprising is the fact that at high antibiotic levels, cell populations exhibit sustained exponential decay over several orders of magnitude. The boundary between growth and decay occurs at the Minimal Inhibitory Concentration (MIC) of the antibiotic, where the density of living cells remains constant over time. These observations suggest that positive (growth) or negative (decay) exponents arise as a difference of cell division and death rates obeying first-order kinetics. Thus for antibiotic concentrations below MIC, division dominates; for concentrations above MIC, death dominates; while MIC itself is a dynamic steady state of balanced division and death, rather than cell stasis. To measure these rates we separately tracked living and dead cells in Escherichia coli populations treated with the ribosome-targeting antibiotic kanamycin. We found that cells divide rapidly even at MIC: inferred division and death rates at MIC are 0.6 times the antibiotic-free division rate. A stochastic model of cells as collections of self-replicating units we term “widgets” reproduces both steady-state and transient features of our experiments, and explains first-order exponential kinetics. In this model cell division and death rates at MIC can be tuned from low to high values by amplifying molecular noise in the synthesis, degradation and partitioning of the widgets. At extremely low noise, cells approach the classic bacteriostatic limit at MIC: neither dividing nor dying. Noise-induced division and death of cells following antibiotic treatment could increase the likelihood of sepsis and antibiotic resistance.

The genome of the influenza virus consists of eight distinct single-stranded RNA segments, each encoding proteins essential for the viral life cycle. When the virus infects a host cell these segments must be replicated and packaged into new budding virions. The viral genome is assembled with remarkably high fidelity: experiments reveal that most virions contain precisely one copy of each of the eight RNA segments. Cell-biological studies suggest that genome assembly is mediated by specific reversible and irreversible interactions between the RNA segments and their associated proteins. However, the precise inter-segment interaction network remains unresolved. Here we computationally predict that tree-like irreversible interaction networks guarantee high-fidelity genome assembly, while cyclic interaction networks lead to futile or frustrated off-pathway products. We test our prediction against multiple experimental datasets. We find that tree-like networks capture the nearest-neighbor statistics of RNA segments in packaged virions, as observed by EM tomography. Just eight tree-like networks (of a possible 262,144) optimally capture both the nearest-neighbor data as well as independently measured RNA-RNA contact propensities. These eight do not include the previously-proposed hub-and-spoke and linear networks. Rather, each predicted network combines hub-like and linear features, consistent with evolutionary models of interaction gain and loss.

Numerous endocytic pathways operate simultaneously at the cell surface. Here we focus on the molecular machinery involved in the generation of endocytic vesicles of the clathrin and dynamin-independent CLIC/GEEC (CG) pathway. This pathway internalises many GPI-anchored proteins and a large fraction of the fluid-phase in different cell types. We developed a real-time TIRF assay using pH-sensitive GFP-GPI to identify nascent CG endocytic sites. The temporal profile of known CG pathway modulators showed that ARF1/GBF1 (GTPase/GEF pair) and CDC42 (RhoGTPase) are recruited sequentially to CG endocytic sites, ~60s and ~9s prior to scission. Using a limited RNAi screen, we found several BAR domain proteins affecting CG endocytosis and focused on IRSp53 and PICK1 that have interactions with CDC42 and ARF1 respectively. IRSp53, an I-BAR domain containing protein, was recruited to the plasma membrane at the site of forming CG endocytic vesicles and in its absence, nascent endocytic CLICs, did not form. The requirement for actin polymerization in the CG pathway suggested a role for nucleators of actin polymerization, and ARP2/3 was found enriched at the site of the forming endocytic vesicle. PICK1, a BAR domain containing protein and the ARP2/3 inhibitor is recruited at an early stage along with ARP2/3, but is removed from the endocytic site coincident with CDC42 recruitment and a burst of F-actin polymerization. This study provides a spatio-temporal understanding of the molecular machinery necessary to build a CG endocytic vesicle.

Complex sugar polymers known as glycans contribute to the high molecular diversity of the eukaryotic cell surface. The types and levels of glycans on one cell can be sensed by other cells using carbohydrate-specific binding proteins such as lectins, enabling glycans to regulate cell-cell interactions. Glycans are covalently assembled onto proteins and lipids as they traverse the secretory pathway, a tightly regulated process known as glycosylation and carried out by Golgi-resident enzymes. Errors in glycosylation due to the dysfunctional trafficking of enzymes and substrates in the Golgi are implicated in human diseases. Here, we ask how much information about Golgi dysfunction is encoded by surface glycans in single cells. This task is challenging due to high cell-to-cell variability in glycan levels. We exploited the loss-of-adhesion driven disorganization of the Golgi in mouse fibroblasts to generate a highly reproducible gradient of Golgi morphology phenotypes, by titrating the Arf1 inhibitor Brefeldin A (BFA). We measured the resulting distribution of cell-surface glycans in single cells using two fluorescently tagged lectin probes (ConA and WGA). A mathematical model of intracellular traffic, parameterized against measurements of Golgi fragmentation and endocytosis, quantitatively explains cell-surface lectin levels across time and BFA concentrations. We used this model to construct an optimal Bayesian decoder and showed that single-cell lectin measurements predict Golgi phenotypes with accuracy far greater than chance. By combining signals from two lectins, we further improved prediction accuracy and speed. Such multi-lectin information may be exploited during natural cell-cell communication and in the development of single-cell diagnostics.