Abstract Identifying the transcription factors (TFs) and associated networks involved in stem cell regulation is key for understanding the initiation and growth of plant tissues and organs. Although many TFs have been shown to have a role in the Arabidopsis root stem cells, a comprehensive view of the transcriptional signature of the stem cells is lacking. In this work, we used spatial and temporal transcriptomic data to predict interactions among the genes involved in stem cell regulation. For this, we transcriptionally profiled several stem cell populations and developed a gene regulatory network (GRN) inference algorithm that combines clustering with Dynamic Bayesian Network (DBN) inference. We leveraged the topology of our networks to infer potential key regulators. The results presented in this work show that our combination of molecular biology approaches, computational biology and mathematical modeling was key to identify candidate factors that function in the stem cells. Specifically, through experimental validation and mathematical modeling, we identified PERIANTHIA (PAN) as an important molecular regulator of quiescent center (QC) function.

Abstract Stem cells divide and differentiate to form all the specialized cell types in a multicellular organism. In the Arabidopsis root, stem cells are maintained in an undifferentiated state by a less mitotically active population of cells called the Quiescent Center (QC). Determining how the QC regulates the surrounding stem cell initials, or what makes the QC fundamentally different from the actively dividing initials, is important for understanding how stem cell divisions are maintained. Here, we gained insight into the differences between the QC and the Cortex Endodermis Initials (CEI) by studying the mobile transcription factor SHORTROOT (SHR) and its binding partner SCARECROW (SCR). We constructed an Ordinary Differential Equation (ODE) model of SHR and SCR in the QC and CEI which incorporated the stoichiometry of the SHR-SCR complex as well as upstream transcriptional regulation of SHR and SCR. Our model prediction coupled with experimental validation showed that high levels of the SHR-SCR complex is associated with more CEI division but less QC division. Further, our model prediction allowed us to establish the timing of QC and CEI division and propose that SHR repression of QC division depends on the formation of SHR homodimer. Thus, our results support that SHR-SCR protein complex stoichiometry and regulation of SHR transcription modulate the division timing of two different specialized cell types in the root stem cell niche.

Predicting gene regulatory networks (GRNs) from gene expression profiles has become a common approach for identifying important biological regulators. Despite the increase in the use of inference methods, existing computational approaches do not integrate RNA-sequencing data analysis, are often not automated, and are restricted to users with bioinformatics and programming backgrounds. To address these limitations, we have developed TuxNet, an integrated user-friendly platform, which, with just a few selections, allows to process raw RNA29 sequencing data (using the Tuxedo pipeline) and infer GRNs from these processed data. TuxNet is implemented as a graphical user interface and, using expression data from any organism with an existing reference genome, can mine the regulations among genes either by applying a dynamic Bayesian network inference algorithm, GENIST, or a regression tree-based pipeline that uses spatiotemporal data, RTP-STAR. To illustrate the use of TuxNet while getting insight into the regulatory cascade downstream of the Arabidopsis root stem cell regulator PERIANTHIA (PAN), we obtained time course gene expression data of a PAN inducible line and inferred a GRN using GENIST. Using RTP-STAR, we then inferred the network of a PAN secondary downstream gene, ATHB13, for which we obtained wildtype and mutant expression profiles. Our case studies feature the versatility of TuxNet to infer networks using different types of gene expression data (i.e time course and steady-state data) as well as how inference networks are used to identify important regulators.

The Arabidopsis root meristem consists of populations of stem cells that surround the mitotically less active cells known as the Quiescent Center (QC). The QC maintains the stem cells in a noncell-autonomous manner through the function of the transcription factor (TF) WUSCHEL-RELATED HOMEOBOX5 (WOX5), which is required for columella stem cell (CSC) maintenance. However, whether WOX5 has a regulatory role in any other adjacent stem cells is less understood. To this end, we identified a set of TFs downstream of WOX5 in both QC and Cortex Endodermis Initial (CEI) cells. We then utilized Gene Regulatory Network (GRN) inference to identify GRF-INTERACTING FACTOR 1 (GIF1) as a key gene involved in positive feedback and feedforward loops with WOX5 as well as another stem cell regulator, PERIANTHIA (PAN). Finally, we constructed an ordinary differential equation model based on this inferred GRN to simulate GIF1, PAN, and WOX5 expression over time, which suggests the precise temporal expression of WOX5 and GIF1 is important to sustain QC function.

Abstract Stem cells give rise to the entirety of cells within an organ. Maintaining stem cell identity and coordinately regulating stem cell divisions is crucial for proper development. In plants, mobile proteins, such as WOX5 and SHR, regulate divisions in the root stem cell niche (SCN). However, how these proteins coordinately function to establish systemic behavior is not well understood. We propose a non-cell autonomous role for WOX5 in the CEI and identify a regulator, AN3/GIF1, that coordinates CEI divisions. Here we show with a multiscale hybrid model integrating ODEs and agent-based modeling that QC and CEI divisions have different dynamics. Specifically, by combining continuous models to describe regulatory networks and agent-based rules, we model systemic behavior, which led us to predict cell-type-specific expression dynamics of SHR, SCR, WOX5, AN3, and CYCD6;1, and experimentally validate CEI cell divisions. Conclusively, our results show an interdependency between CEI and QC divisions. Thumbnail image

Stem cells are responsible for generating all of the differentiated cells, tissues, and organs in a multicellular organism and, thus, play a crucial role in cell renewal, regeneration, and organization. A number of stem cell type-specific genes have a known role in stem cell maintenance, identity, and/or division. Yet, how genes expressed across different stem cell types, referred here as stem-cell-ubiquitous genes, contribute to stem cell regulation is less understood. Here, we find that, in the Arabidopsis root, a stem-cell-ubiquitous gene, TESMIN-LIKE CXC2 (TCX2), controls stem cell division by regulating stem cell-type specific networks. Development of a mathematical model of TCX2 expression allowed us to show that TCX2 orchestrates the coordinated division of different stem cell types. Our results highlight that genes expressed across different stem cell types ensure cross-communication among cells, allowing them to divide and develop harmonically together.