Tissues comprise ordered arrangements of cells that can be surprisingly disordered in their details. How the properties of single cells and their microenvironment contribute to the balance between order and disorder at the tissue-scale remains poorly understood. Here, we address this question using the self-organization of human mammary organoids as a model. We find that organoids behave like a dynamic structural ensemble at the steady state. We apply a maximum entropy formalism to derive the ensemble distribution from three measurable parameters - the degeneracy of structural states, interfacial energy, and tissue activity (the energy associated with positional fluctuations). We link these parameters with the molecular and microenvironmental factors that control them to precisely engineer the ensemble across multiple conditions. Our analysis reveals that the entropy associated with structural degeneracy sets a theoretical limit to tissue order and provides new insight for tissue engineering, development, and our understanding of disease progression.

The sheet-like endoplasmic reticulum (ER) of eukaryotic cells has been found to be riddled with spiral dislocations, known as 'Terasaki ramps', in the vicinity of which the doubled bilayer membranes which make up ER sheets can be approximately modeled by helicoids. Here we analyze diffusion on a surface with locally helicoidal topological dislocations, and use the results to argue that the Terasaki ramps facilitate a highly efficient transport of water-soluble molecules within the lumen of the endoplasmic reticulum.

Narnaviruses have been described as positive-sense RNA viruses with a remarkably simple genome of ∼ 3 kb, encoding only a highly conserved RNA-dependent RNA polymerase (RdRp). Many narnaviruses, however, are ‘ambigrammatic’ and harbour an additional uninterrupted open reading frame (ORF) covering almost the entire length of the reverse complement strand. No function has been described for this ORF, yet the absence of stops is conserved across diverse narnaviruses, and in every case the codons in the reverse ORF and the RdRp are aligned. The > 3 kb ORF overlap on opposite strands, unprecedented among RNA viruses, motivates an exploration of the constraints imposed or alleviated by the codon alignment. Here, we show that only when the codon frames are aligned can all stop codons be eliminated from the reverse strand by synonymous single-nucleotide substitutions in the RdRp gene, suggesting a mechanism for de novo gene creation within a strongly conserved amino-acid sequence. It will be fascinating to explore what implications this coding strategy has for other aspects of narnavirus biology. Beyond narnaviruses, our rapidly expanding catalogue of viral diversity may yet reveal additional examples of this broadly-extensible principle for ambigrammatic-sequence development.

The peripheral endoplasmic reticulum (ER) forms a dense, interconnected, and constantly evolving network of membrane-bound tubules in eukaryotic cells. While individual structural elements and the morphogens that stabilize them have been described, a quantitative understanding of the dynamic large-scale network topology remains elusive. We develop a physical model of the ER as an active liquid network, governed by a balance of tension-driven shrinking and new tubule growth. This minimalist model gives rise to steady-state network structures with density and rearrangement timescales predicted from the junction mobility and tubule spawning rate. Several parameter-independent geometric features of the liquid network model are shown to be representative of ER architecture in live mammalian cells. The liquid network model connects the time-scales of distinct dynamic features such as ring closure and new tubule growth in the ER. Furthermore, it demonstrates how the steady-state network morphology on a cellular scale arises from the balance of microscopic dynamic rearrangements. SIGNIFICANCE The peripheral endoplasmic reticulum (ER) forms a continuous, dynamic network of tubules that plays an important role in protein sorting, export, and quality control, as well as cellular signaling and stress response. Elucidating how the unique morphology of the ER arises and supports its function is critical to developing a mechanistic understanding of the many neurological diseases associated with ER structural perturbations. We develop a physical model of the ER as an active liquid network to understand how its cellular-scale structure emerges from small-scale dynamic rearrangements. The model demon-strates how key features of ER architecture can arise from a balance of tubule growth and tension-driven sliding. This work provides insight into the fundamental physical mechanisms underlying the emergent morphology of the ER.

Influenza A viruses (IAVs) must navigate through a dense extracellular mucus to infect airway epithelial cells. The mucous layer, composed of glycosylated biopolymers (mucins), presents sialic acid that binds to ligands on the viral envelope and can be irreversibly cleaved by viral enzymes. It was recently discovered that filamentous IAVs exhibit directed persistent motion along their long axis on sialic acid-coated surfaces. This study demonstrates through stochastic simulations and mean-field theory, how IAVs harness a ‘burnt-bridge’ Brownian ratchet mechanism for directed persistent translational motion. Importantly, our analysis reveals that equilibrium features of the system primarily control the dynamics, even out-of-equilibrium, and that ligand asymmetry allows for more robust directed transport. We show viruses occupy the optimal parameter range (‘Goldilocks zone’) for efficient mucous transport, possibly due to the evolutionary adaptation of enzyme kinetics. Our findings suggest novel therapeutic targets and provide insight into possible mechanisms of zoonotic transmission.

Abstract Double synonyms in the genetic code can be used as a tool to test competing hypotheses regarding ambigrammatic narnavirus genomes. Applying the analysis to recent observations of Culex narnavirus 1 and Zhejiang mosquito virus 3 ambigrammatic viruses indicates that the open reading frame on the complementary strand of the segment coding for RNA-dependent RNA polymerase does not code for a functional protein. Culex narnavirus 1 has been shown to possess a second segment, also ambigrammatic, termed ‘Robin’. We find a comparable segment for Zhejiang mosquito virus 3 , a moderately diverged relative of Culex narnavirus 1 . Our analysis of Robin polymorphisms suggests that its reverse open reading frame also does not code for a functional protein. We make a hypothesis about its role.

ABSTRACT Elucidating the developmental processes of organisms requires a comprehensive understanding of cellular lineages in the spatial, temporal, and molecular domains. In this study, we introduce Zebrahub, a dynamic atlas of zebrafish embryonic development that integrates single-cell sequencing time course data with lineage reconstructions facilitated by light-sheet microscopy. This atlas offers high-resolution and in-depth molecular insights into zebrafish development, achieved through the sequencing of individual embryos across ten developmental stages, complemented by trajectory reconstructions. Zebrahub also incorporates an interactive tool to navigate the complex cellular flows and lineages derived from light-sheet microscopy data, enabling in silico fate mapping experiments. To demonstrate the versatility of our multi-modal resource, we utilize Zebrahub to provide fresh insights into the pluripotency of Neuro-Mesodermal Progenitors (NMPs). Our publicly accessible web-based platform, Zebrahub, is a foundational resource for studying developmental processes at both transcriptional and spatiotemporal levels, providing researchers with an integrated approach to exploring and analyzing the complexities of cellular lineages during zebrafish embryogenesis.

We present a method to sample Markov-chain trajectories constrained to both the initial and final conditions, which we term Markov bridges. The trajectories are conditioned to end in a specific state at a given time. We derive the master equation for Markov bridges, which exhibits the original transition rates scaled by a time-dependent factor. Trajectories can then be generated using a refined version of the Gillespie algorithm. We illustrate the benefits of our method by sampling trajectories in the Müller-Brown potential. This allows us to generate transition paths which would otherwise be obtained at a high computational cost with standard kinetic Monte Carlo methods because commitment to a transition path is essentially a rare event. We then apply our method to a single-cell RNA sequencing dataset from mouse pancreatic cells to investigate the cell differentiation pathways of endocrine-cell precursors. By sampling Markov bridges for a specific differentiation pathway, we obtain a time-resolved dynamics that can reveal features such as cell types which behave as bottlenecks. The ensemble of trajectories also gives information about the fluctuations around the most likely path. For example, we quantify the statistical weights of different branches in the differentiation pathway to alpha cells. Published by the American Physical Society 2025

Here we report statistical studies of single-cell mRNA counts from cells derived from different tissues of adult mice. By examining correlations between mRNA gene counts we find strong evidence that when genes are only observed in a small fraction of cells, this is as a consequence of intermittent transcription rather than of expression only in specialized cell types. Count statistics are used to estimate a peak transcription level for each gene, and a probability for the gene to be active in any given cell. We find that the peak transcription levels are approximately constant across different tissue types, but the gene expression probabilities may be markedly different. Both these quantities have very wide ranges of values, with a probability density function well approximated by a power law.Author summary Using evidence from single-cell mRNA counts, we argue that the expression of many genes in individual mouse cells is highly intermittent. Comparing cells from different tissues, we find that the peak activity of a given gene is approximately the same in all tissue types, whereas the probability of a gene being active can differ markedly.