Cell fate decisions occur through the switch-like, irreversible activation of fate-specifying genes. These activation events are often assumed to be tightly-coupled to changes in upstream transcription factors, but could also be constrained by cis-epigenetic mechanisms at individual gene loci. Here, we studied the activation of Bcl11b, which controls T-cell fate commitment. To disentangle cis and trans effects, we generated mice where two Bcl11b copies are tagged with distinguishable fluorescent proteins. Quantitative live microscopy of progenitors from these mice revealed that Bcl11b turned on after a stochastic delay averaging multiple days, which varied not only between cells but also between Bcl11b alleles within the same cell. Genetic perturbations, together with mathematical modeling, showed that a distal enhancer controls the rate of epigenetic activation, while a parallel Notch-dependent trans-acting step stimulates expression from activated loci. These results show that developmental fate transitions can be controlled by stochastic cis-acting events on individual loci.

Thymic development of committed pro-T-cells from multipotent hematopoietic precursors offers a unique opportunity to dissect the molecular circuitry establishing cell identity in response to environmental signals. This transition encompasses programmed shutoff of stem/progenitor genes, upregulation of T-cell specification genes, extensive proliferation, and commitment after a delay. We have incorporated these factors, as well as new single cell gene expression and developmental kinetics data, into a three-level dynamic model of commitment based upon regulation of the commitment gene Bcl11b. The first level is a core gene regulatory network architecture determined by transcription factor perturbation data, the second a stochastically controlled epigenetic gate, and the third a proliferation model validated by growth and commitment kinetics measured at single-cell levels. Using expression values consistent with single molecule RNA-FISH measurements of key transcription factors, this single-cell model exhibits state switching consistent with measured population and clonal proliferation and commitment times. The resulting multi-scale model provides a powerful mechanistic framework for dissecting commitment dynamics.