Abstract The gastroesophageal junction (GEJ), where squamous and columnar epithelia meet, is a hotspot for Barrett’s metaplasia development, dysbiosis and carcinogenesis. However, the mechanisms regulating GEJ homeostasis remain unclear. Here, by employing organoids, bulk and single-cell transcriptomics, single-molecule RNA in situ hybridisations and lineage tracing, we identified the spatial organisation of the epithelial, stromal compartment and the regulators that maintain the normal GEJ homeostasis. During development, common KRT8 progenitors generate committed unilineage p63/KRT5-squamous and KRT8-columnar stem cells responsible for the regeneration of postnatal esophagus and gastric epithelium that meet at GEJ. A unique spatial distribution of Wnt regulators in the underlying stromal compartment of these stem cells creates diverging Wnt microenvironments at GEJ and supports their differential regeneration. Further, we show that these tissue-resident stem cells do not possess the plasticity to transdifferentiate to the other lineage with the altered Wnt signals. Our study provides invaluable insights into the fundamental process of GEJ homeostasis and is crucial for understanding disease development.

Abstract Gastroesophageal disorders and cancers impose a significant global burden. Particularly, the prevalence of esophageal adenocarcinoma (EAC) has increased dramatically in recent years. Barrett’s esophagus, a precursor of EAC, features a unique tissue adaptation at the gastroesophageal squamo-columnar junction (GE-SCJ), where the esophagus meets the stomach. Investigating the evolution of GE-SCJ and understanding dysregulation in its homeostasis are crucial for elucidating cancer pathogenesis. Here, we present the technical quality of the comprehensive single-cell RNA sequencing (scRNA-seq) dataset from mice that captures the transcriptional dynamics during the development of the esophagus, stomach and the GE-SCJ at embryonic, neonatal and adult stages. Through integration with external scRNA-seq datasets and validations using organoid and animal models, we demonstrate the dataset’s consistency in identified cell types and transcriptional profiles. This dataset will be a valuable resource for studying developmental patterns and associated signaling networks in the tissue microenvironment. By offering insights into cellular programs during homeostasis, it facilitates the identification of changes leading to conditions like metaplasia and cancer, crucial for developing effective intervention strategies.