Reproductive aging is a major cause of fertility decline, attributed to decreased oocyte quantity and competence. Follicular somatic cells play crucial roles in the growth and development of the oocyte by providing nutrients and regulatory factors. Here we investigated how oocyte quality is affected by its somatic cell environment by creating chimeric follicles, whereby an oocyte from one follicle was transplanted into and cultured within another follicle whose native oocyte was removed. Somatic cells within the chimeric follicle re-establish connections with the oocyte and support oocyte growth and maturation in a three-dimensional (3D) culture system. We show that young oocytes transplanted into aged follicles exhibited reduced meiotic maturation and developmental potential, whereas the young follicular environment significantly improved the rates of maturation, blastocyst formation and live birth of aged oocytes. Aged oocytes cultured within young follicles exhibited enhanced interaction with somatic cells, more youth-like transcriptome, remodelled metabolome, improved mitochondrial function, and enhanced fidelity of meiotic chromosome segregation. These findings provide the basis for a future follicular somatic cell-based therapy to treat age-associated female infertility.

Single-cell RNA-seq technologies are rapidly evolving but while very informative, in standard scRNAseq experiments the spatial organization of the cells in the tissue of origin is lost. Conversely, spatial RNA-seq technologies designed to keep the localization of the cells have limited throughput and gene coverage. Mapping scRNAseq to genes with spatial information increases coverage while providing spatial location. However, methods to perform such mapping have not yet been benchmarked. To bridge the gap, we organized the DREAM Single-Cell Transcriptomics challenge focused on the spatial reconstruction of cells from the Drosophila embryo from scRNAseq data, leveraging as gold standard genes with in situ hybridization data from the Berkeley Drosophila Transcription Network Project reference atlas. The 34 participating teams used diverse algorithms for gene selection and location prediction, while being able to correctly localize rare subpopulations of cells. Selection of predictor genes was essential for this task and such genes showed a relatively high expression entropy, high spatial clustering and the presence of prominent developmental genes such as gap and pair-ruled genes and tissue defining markers.