Abstract The disease caused by SARS-CoV-2 is a global pandemic that threatens to bring long-term changes worldwide. Approximately 80% of infected patients are asymptomatic or have mild symptoms such as fever or cough, while rest of the patients have varying degrees of severity of symptoms, with 3-4% mortality rate. Severe symptoms such as pneumonia and Acute Respiratory Distress Syndrome can be caused by tissue damage mostly due to aggravated and unresolved innate and adaptive immune response, often resulting from a cytokine storm. However, the mechanistic underpinnings of such responses remain elusive, with an incomplete understanding of how an intricate interplay among infected cells and cells of innate and adaptive immune system can lead to such diverse clinicopathological outcomes. Here, we use a dynamical systems approach to dissect the emergent nonlinear intra-host dynamics among virally infected cells, the immune response to it and the consequent immunopathology. By mechanistic analysis of cell-cell interactions, we have identified key parameters affecting the diverse clinical phenotypes associated with COVID-19. This minimalistic yet rigorous model can explain the various phenotypes observed across the clinical spectrum of COVID-19, various co-morbidity risk factors such as age and obesity, and the effect of antiviral drugs on different phenotypes. It also reveals how a fine-tuned balance of infected cell killing and resolution of inflammation can lead to infection clearance, while disruptions can drive different severe phenotypes. These results will help further the case of rational selection of drug combinations that can effectively balance viral clearance and minimize tissue damage simultaneously. Significance Statement The SARS-CoV-2 pandemic has already infected millions of people, and thousands of lives have been lost to it. The pandemic has already tested the limits of our public healthcare systems with a wide spectrum of clinicopathological symptoms and outcomes. The mechanistic underpinnings of the resultant immunopathology caused by the viral infection still remains to be elucidated. Here we propose a minimalistic but rigorous description of the interactions of the virus infected cells and the core components of the immune system that can potentially explain such diversity in the observed clinical outcomes. Our proposed framework could enable a platform to determine the efficacy of various treatment combinations and can contributes a conceptual understanding of dynamics of disease pathogenesis in SARS-CoV-2 infections.

Abstract Epithelial-mesenchymal plasticity comprises of reversible transitions among epithelial, hybrid epithelial/mesenchymal (E/M) and mesenchymal phenotypes, and underlies various aspects of aggressive tumor progression such as metastasis, therapy resistance and immune evasion. The process of cells attaining one or more hybrid E/M phenotypes is termed as partial EMT. Cells in hybrid E/M phenotype(s) can be more aggressive than those in either fully epithelial or mesenchymal state. Thus, identifying regulators of hybrid E/M phenotypes is essential to decipher the rheostats of phenotypic plasticity and consequent accelerators of metastasis. Here, using a computational systems biology approach, we demonstrate that SLUG (SNAIL2) – an EMT-inducing transcription factor – can inhibit cells from undergoing a complete EMT and thus stabilizing them in hybrid E/M phenotype(s). It expands the parametric range enabling the existence of a hybrid E/M phenotype, thereby behaving as a phenotypic stability factor (PSF). Our simulations suggest that this specific property of SLUG emerges from the topology of the regulatory network it forms with other key regulators of epithelial-mesenchymal plasticity. Clinical data suggests that SLUG associates with worse patient prognosis across multiple carcinomas. Together, our results indicate that SLUG can stabilize hybrid E/M phenotype(s).

Abstract Recent preclinical and clinical data suggests enhanced metastatic fitness of hybrid epithelial/ mesenchymal (E/M) phenotypes, but mechanistic details regarding their survival strategies during metastasis remain unclear. Here, we investigate immune-evasive strategies of hybrid E/M states. We construct and simulate the dynamics of a minimalistic regulatory network encompassing the known associations among regulators of EMT (epithelial-mesenchymal transition) and PD-L1, an established immune-suppressor. Our model simulations, integrated with single-cell and bulk RNA-seq data analysis, elucidate that hybrid E/M cells can have high levels of PD-L1, similar to those seen in cells with a full EMT phenotype, thus obviating the need for cancer cells to undergo a full EMT to be immune-evasive. Specifically, in breast cancer, we show the co-existence of hybrid E/M phenotypes, enhanced resistance to anti-estrogen therapy and increased PD-L1 levels. Our results underscore how the emergent dynamics of interconnected regulatory networks can coordinate different axes of cellular fitness during metastasis.

Abstract Resistance to anti-estrogen therapy is an unsolved clinical challenge in successfully treating ER+ breast cancer patients. Acquisition of mutations can confer heritable resistance to cancer cells, enabling their clonal selection to establish a drug-resistant population. Recent studies have demonstrated that cells can tolerate drug treatment without any genetic alterations too; however, the mechanisms and dynamics of such non-genetic adaptation remain elusive. Here, we investigate coupled dynamics of epithelial-mesenchymal transition (EMT) in breast cancer cells and emergence of reversible drug resistance. Our mechanism-based model for the underlying regulatory network reveals that these two axes can drive one another, thus conferring bidirectional plasticity. This network can also enable non-genetic heterogeneity in a population of cells by allowing for six co-existing phenotypes: epithelial-sensitive, mesenchymal-resistant, hybrid E/M-sensitive, hybrid E/M-resistant, mesenchymal-sensitive and epithelial-resistant, with the first two ones being most dominant. Next, in a population dynamics framework, we exemplify the implications of phenotypic plasticity (both drug-induced and intrinsic stochastic switching) and/or non-genetic heterogeneity in promoting population survival in a mixture of sensitive and resistant cells, even in the absence of any cell-cell cooperation. Finally, we propose the potential therapeutic use of MET (mesenchymal-epithelial transition) inducers besides canonical anti-estrogen therapy to limit the emergence of reversible drug resistance. Our results offer mechanistic insights into empirical observations on EMT and drug resistance and illustrate how such dynamical insights can be exploited for better therapeutic designs.

Abstract Identifying the design principles of complex regulatory networks driving cellular decision-making remains essential to decode embryonic development as well as enhance cellular reprogramming. A well-studied network motif involved in cellular decision-making is a toggle switch – a set of two opposing transcription factors A and B, each of which is a master regulator of a specific cell-fate and can inhibit the activity of the other. A toggle switch can lead to two possible states – (high A, low B) and (low A, high B), and drives the ‘either-or’ choice between these two cell-fates for a common progenitor cell. However, the principles of coupled toggle switches remains unclear. Here, we investigate the dynamics of three master regulators A, B and C inhibiting each other, thus forming three coupled toggle switches to form a toggle triad. Our simulations show that this toggle triad can lead to co-existence of cells into three differentiated ‘single positive’ phenotypes – (high A, low B, low C), (low A, high B, low C), and (low A, low B, high C). Moreover, the hybrid or ‘double positive’ phenotypes – (high A, high B, low C), (low A, high B, high C) and (high A, low B, high C) – can co-exist together with ‘single positive’ phenotypes. Including self-activation loops on A, B and C can increase the frequency of ‘double positive’ states. Finally, we apply our results to understand the cellular decision-making in terms of differentiation of naïve CD4+ T cells into Th1, Th2 and Th17 states, where hybrid Th1/Th2 and hybrid Th1/Th17 cells have been reported in addition to the Th1, Th2 and Th17 ones. Our results offer novel insights into the design principles of a multistable network topology and provides a framework for synthetic biology to design tristable systems.

Abstract Epithelial-mesenchymal plasticity (EMP) involves bidirectional transitions between epithelial, mesenchymal and multiple intermediary hybrid epithelial/mesenchymal phenotypes. While the process of epithelial-mesenchymal transition (EMT) and its associated transcription factors are well-characterised, the transcription factors that promote mesenchymal-epithelial transition (MET) and stabilise hybrid E/M phenotypes are less well understood. Here, we analyse multiple publicly-available transcriptomic datasets at bulk and single-cell level and pinpoint ELF3 as a factor that is strongly associated with an epithelial phenotype and is inhibited during EMT. Using mechanism-based mathematical modelling, we also show that ELF3 inhibits the progression of EMT, suggesting ELF3 may be able to counteract EMT induction, including in the presence of EMT-inducing factors, such as WT1. Our model predicts that the MET induction capacity of ELF3 is stronger than that of KLF4, but weaker than that of GRHL2. Finally, we show that ELF3 levels correlates with worse patient survival in a subset of solid tumor types, suggesting cell-of-origin or lineage specificity in the prognostic capacity of ELF3.

Abstract Epithelial-Mesenchymal Plasticity (EMP) refers to reversible dynamic processes where cells can transition from epithelial to mesenchymal (EMT) or from mesenchymal to epithelial (MET) phenotypes. Both these processes are modulated by multiple transcription factors acting in concert. While EMT-inducing transcription factors (TFs) – TWIST1/2, ZEB1/2, SNAIL1/2/3, GSC, FOXC2 – are well-characterized, the MET-inducing TFs are relatively poorly understood (OVOL1/2, GRHL1/2). Here, using mechanism-based mathematical modeling, we show that the transcription factor KLF4 can delay the onset of EMT by suppressing multiple EMT-TFs. Our simulations suggest that KLF4 overexpression can promote phenotypic shift toward a more epithelial state, an observation suggested by negative correlation of KLF4 with EMT-TFs and with transcriptomic based EMT scoring metrics in cancer cell lines. We also show that the influence of KLF4 in modulating EMT dynamics can be strengthened by its ability to inhibit cell-state transitions at an epigenetic level. Thus, KLF4 can inhibit EMT through multiple parallel paths and can act as a putative MET-TF. KLF4 associates with patient survival metrics across multiple cancers in a context-specific manner, highlighting the complex association of EMP with patient survival.

Abstract Epithelial-mesenchymal plasticity (EMP) underlies embryonic development, wound healing, and cancer metastasis and fibrosis. Cancer cells exhibiting EMP often have more aggressive behavior, characterized by drug resistance, and tumor-initiating and immuno-evasive traits. Thus, the EMP status of cancer cells can be a critical indicator of patient prognosis. Here, we compare three distinct transcriptomic-based metrics – each derived using a different gene list and algorithm – that quantify the EMP spectrum. Our results for 96 cancer-related RNA-seq datasets reveal a high degree of concordance among these metrics in quantifying the extent of EMP. Moreover, each metric, despite being trained on cancer expression profiles, recapitulates the expected changes in EMP scores for non-cancer contexts such as lung fibrosis and cellular reprogramming into induced pluripotent stem cells. Thus, we offer a scoring platform to quantify the extent of EMP in vitro and in vivo for diverse biological applications including cancer.

Abstract Liver is one of the few organs with immense regenerative potential even at adulthood in mammals. It is composed of primarily two cell types: hepatocytes and cholangiocytes, that can trans-differentiate to one another either directly or through intermediate progenitor states, contributing to remarkable regenerative potential of the liver. However, the dynamical features of decision-making between these cell-fates during liver development and regeneration remains elusive. Here, we identify a core gene regulatory network comprising c/EBPα, TGFBR2 and SOX9 that underlies liver development and injury-induced reprogramming. Dynamic simulations for this network reveal its multistable nature, enabling three distinct cell states – hepatocytes, cholangiocytes and liver progenitor cells (hepatoblasts/oval cells) – and stochastic switching among them. Predicted expression signature for these three states are validated through multiple bulk and single-cell transcriptomic datasets collected across developmental stages and injury-induced liver repair. This network can also explain the experimentally observed spatial organisation of phenotypes in liver parenchyma and predict strategies for efficient cellular reprogramming among these cell-fates. Our analysis elucidates how the emergent multistable dynamics of underlying gene regulatory networks drive diverse cell-state decisions in liver development and regeneration.

ABSTRACT A stop codon ensures termination of translation at a specific position on an mRNA. Sometimes, termination fails as translation machinery recognizes a stop codon as a sense codon. This leads to stop codon readthrough (SCR) resulting in the continuation of translation beyond the stop codon, generating protein isoforms with C-terminal extension. SCR has been observed in viruses, fungi, and multicellular organisms including mammals. However, SCR is largely unexplored in plants. In this study, we have analyzed ribosome profiling datasets to identify mRNAs that undergo SCR in Arabidopsis thaliana . Analyses of the ribosome density, ribosome coverage and three-nucleotide periodicity of the ribosome profiling reads, in the mRNA region downstream of the stop codon, provided strong evidence for SCR in mRNAs of 144 genes. This process generates putative peroxisomal targeting signal, nuclear localization signal, prenylation signal, transmembrane helix and intrinsically disordered regions in the C-terminal extension of several of these proteins. Gene ontology (GO) functional enrichment analysis revealed that these 144 genes belong to three major functional groups - translation, photosynthesis and abiotic stress tolerance. Finally, using a luminescence-based assay, we experimentally demonstrate SCR in representative mRNAs belonging to these functional classes. Based on these observations, we propose that SCR plays an important role in plant physiology by regulating the protein localization and function. AUTHOR SUMMARY Protein synthesis executed by macromolecular complexes, termed ribosomes, starts and stops at specific locations on a messenger RNA (mRNA). This fidelity is critical for the normal functioning of cells. However, sometimes ribosomes don’t stop translation at the stop signal (termed stop codon) on an mRNA resulting in longer proteins with properties different from those of the canonical shorter protein. This process called stop codon readthrough (SCR) has been observed in viruses, fungi, and multicellular organisms including mammals. However, it remains largely unexplored in plants. In this study, we report evidence of SCR in 144 genes of Arabidopsis thaliana , a small flowering weed widely used as a model system to study plant biology. These genes are involved in protein synthesis, photosynthesis and stress tolerance in plants. We have also experimentally demonstrated SCR in a few genes that represent these functional classes. Our analysis shows that SCR can change the localization and functional properties of these proteins. We propose that SCR plays an important role in plant physiology.