Background It is unclear whether alternating placements during clinical clerkship, without an explicit emphasis on clinical competencies, would bring about optimal educational outcomes.

The developmental cell lineage tree, which records every cell division event and the terminal developmental state of each single cell, is one of the most important traits of multicellular organisms, as well as key to many significant unresolved questions in biology. Recent technological breakthroughs are paving the way for direct determination of cell lineage trees, yet a general framework for the computational analysis of lineage trees, in particular an algorithm to compare two lineage trees, is still lacking. Based on previous findings that the same developmental program can be invoked by different cells on the lineage tree to produce highly similar subtrees, we designed Developmental Cell Lineage Tree Alignment (DELTA), an algorithm that exhaustively searches for lineage trees with phenotypic resemblance in lineal organization of terminal cells, meanwhile resolving detailed correspondence between individual cells. Using simulated and nematode lineage trees, we demonstrated DELTA's capability of revealing similarities of developmental programs by lineal resemblances. Moreover, DELTA successfully identifies gene deletion-triggered homeotic cell fate transformations, reveals functional relationship between mutants by quantifying their lineal similarities, and finds the evolutionary correspondence between cell types defined non-uniformly for different species. DELTA establishes novel foundation for comparative study of lineage trees, much like sequence alignment algorithm for biological sequences, and along with the increase of lineage tree data, will likely bring unique insights for the myriads of important questions surrounding cell lineage trees.

Abstract Multicellular organisms must have robust development to ensure physiological stability in the face of environmental changes or perturbations. While various mechanisms contributing to developmental robustness have been identified at the subcellular level, those at the intercellular and tissue level remain largely unknown. Our study explores this question using an in vitro directed differentiation model of human embryonic stem cells (hESCs) into lung progenitor cells. Integrated analysis of single-cell transcriptomes and high-density cell lineage trees (CLTs) of the same colonies allowed a fine-resolution recapitulation of known cell types, as well as their differentiation hierarchies and developmental trajectories. Most importantly, we observed stable cell type compositions among many sub-CLTs across biological replicates. Systematic comparison among CLTs by a novel computational framework for CLT alignment suggests that stereotypical development extends beyond stable cell type composition to a degree of significant resemblance in sub-CLT topology. The existence of such sub-CLTs resembling each other not only deepens our understanding of developmental robustness by demonstrating the existence of a stereotyped program, but also suggests a novel perspective for the function of specific cell types in the context of stereotyped sub-CLTs.

In plants, CG DNA methylation is prevalent in the transcribed regions of many constitutively expressed genes (gene body methylation; gbM), but the origin and function of gbM remain unknown. Here we report the discovery that Eutrema salsugineum has lost gbM from its genome, the first known instance for an angiosperm. Of all known DNA methyltransferases, only CHROMOMETHYLTRANSFERASE 3 (CMT3) is missing from E. salsugineum. Identification of an additional angiosperm, Conringia planisiliqua, which independently lost CMT3 and gbM supports that CMT3 is required for the establishment of gbM. Detailed analyses of gene expression, the histone variant H2A.Z and various histone modifications in E. salsugineum and in Arabidopsis thaliana epiRILs found no evidence in support of any role for gbM in regulating transcription or affecting the composition and modifications of chromatin over evolutionary time scales.

Abstract The molecular machinery of ovarian aging and female age-related pathway remain unclear. Here, we utilized single-cell RNA-seq to profile over 9815 cells from both young and old female mouse and identified age-related alterations in the female somatic microenvironment. Interestingly, by aging-related signature calculation, we examined HIF1A in mouse ovarian cell aging regulated roles which effect pathways included glycolysis, TCA, OXPHOS and fatty acid metabolism. Additionally, inactivated HIF1A, decreased glycolysis was observed. Comparison analysis reveals the aging related regulon; metabolic and nutrient absorption changes provides a comprehensive understanding of the cell-type-specific mechanisms underlying mouse ovarian aging at single-cell resolution. This study, revealing new potential candidate biomarkers for the diagnosis of aging-associated ovary pathology.

Abstract Recent discoveries of extreme cellular diversity in the brain warrant rapid development of technologies to access specific cell populations, enabling characterization of their roles in behavior and in disease states. Available approaches for engineering targeted technologies for new neuron subtypes are low-yield, involving intensive transgenic strain or virus screening. Here, we introduce SNAIL (Specific Nuclear-Anchored Independent Labeling), a new virus-based strategy for cell labeling and nuclear isolation from heterogeneous tissue. SNAIL works by leveraging machine learning and other computational approaches to identify DNA sequence features that confer cell type-specific gene activation and using them to make a probe that drives an affinity purification-compatible reporter gene. As a proof of concept, we designed and validated two novel SNAIL probes that target parvalbumin-expressing (PV) neurons. Furthermore, we show that nuclear isolation using SNAIL in wild type mice is sufficient to capture characteristic open chromatin features of PV neurons in the cortex, striatum, and external globus pallidus. Expansion of this technology has broad applications in cell type-specific observation, manipulation, and therapeutics across species and disease models.

Summary Differences in gene expression levels among genetically identical cells naturally accumulate during cellular proliferation, forming the basis of expression noise or differentiation. Nevertheless, how transcriptome-wide noise accumulation is constrained to maintain homeostasis during continuous cell divisions has remained largely unresolved. We developed a novel method named “single-cell transcriptome and dense tree” (STADT) to simultaneously determines the transcriptomes and lineage tree of >50% single cells in a single-cell-seeded colony. This lineage tree revealed gradual accumulation of transcriptome differences that became saturated upon four cell divisions, reduced expression noise for sub-tree/sub-colonies closer to inferred expression boundaries, and transcriptionally modulated co-fluctuations among genes. These results collectively showed, for the first time, constrained dynamics of expression noise in the context of cell division.