Abstract Recent advances have started to uncover the mechanisms involved in organ and cell shape regulation. However, organizational principles of epidermal cells in different tissues remain poorly understood. Here, we show that polygonal representations of cotyledon pavement cells (PCs) in Arabidopsis thaliana exhibit increasing irregularity in side lengths and internal vertex angles during early stages of development. While the shape of PCs in cotyledons is more complex than that of cells in the shoot apical meristem (SAM), the polygonal representations of these cells share similar irregularity of side length. Comparison of the surface cell area with the area of the regular polygons, having optimally spaced tri-cellular junctions, reveals suboptimal junction placement for coverage in cotyledons and SAM. We also found that cotyledons show increased packing density compared to the SAM, indicating that PCs forgo coverage of larger areas to potentially increase tissue stability. The identified shape irregularity and cell packing is associated with microtubule cytoskeleton. Our study provides a framework to analyze reasons and consequences of irregularity of polygonal shapes for biological as well as artificial shapes in larger organizational context. Summary We provide a polygonal cell representation in a tissue context and use it to draw conclusions about cell packing in epidermis of A. thaliana cotyledon.

Abstract Cell division and the resulting changes to the cell organization affect the shape and functionality of all tissues. Thus, understanding the determinants of the tissue-wide changes imposed by cell division is a key question in developmental biology. Here, we use a network representation of live cell imaging data from shoot apical meristems (SAMs) in Arabidopsis thaliana to predict cell division events and their consequences at a tissue level. We show that a classifier based on the SAM network properties is predictive of cell division events, with validation accuracy of 82%, on par with that based on cell size alone. Further, we demonstrate that the combination of topological and biological properties, including: cell size, perimeter, distance, and shared cell wall between cells, can further boost the prediction accuracy of resulting changes in topology triggered by cell division. Using our classifiers, we demonstrate the importance of microtubule mediated cell-to-cell growth coordination in influencing tissue-level topology. Altogether, the results from our network-based analysis demonstrates a feedback mechanism between tissue topology and cell division in A. thaliana ’s SAMs. Summary statement we use a network representation of live cell imaging data from SAMs in Arabidopsis thaliana to predict cell division events and their consequences at a tissue level.