Every cell in an adult arises from a single zygote through a sequence of cell divisions and fate decisions, in which a cell makes a transition from one type or state to another. Cell states can be characterized by specific transcriptomic signatures and can lead to different functions and abilities for the cells to deal with internal and external stimuli. While such changes in cell states are crucial for the proper functioning of organisms, they can also contribute to diseases if they become dysregulated. Understanding the molecular mechanisms regulating cell state transitions is fundamental in many fields, ranging from developmental biology to cancer biology. The advent of single-cell sequencing techniques has offered an unprecedented opportunity to explore cell state changes in great detail. However, the huge amount of data produced is complex to analyze and interpret. For example, sequencing techniques capture only a snapshot of the single-cell molecular features at a given time point, but computational modelling is needed to reconstruct the dynamics, unlike with non-destructive but lower throughput technologies such as microscopy-based approaches. Thus, to exploit single-cell sequencing data, the development of dedicated machine learning methods is needed alongside the use of mathematical models that can help interpret the results. Developmental biology is one of the fields that have benefited the most from single-cell sequencing technologies, which have been extensively used to study cell state transitions during embryonic development. As the embryo develops, changes in cell states can mark variations in the differentiation potential of stem cells, affecting the cell types they can give rise to. This is the case of the transition between the totipotency to the pluripotency state, which is crucial for the development of an organism but is governed by molecular drivers that we still don't fully understand. During development, there are changes in cell states that can also modify the way in which cells interact with their neighbors. For example, the pluripotent epiblast cells in mouse can exist in a "winner" and a "loser" state, where the cells in the latter state are eliminated by the "winners" via cell competition. While this process might ensure that only the fittest cells will contribute to the embryo, we don't know what the molecular features that distinguish "loser" from "winner" cells are, and how the transition between these states occurs. During my research, I focused on these two cell state transitions that are key during embryonic development, aiming to find their molecular drivers and their function with a combination of single-cell RNA-seq data analysis and mathematical modeling. More specifically, by examining the transcriptomes of in vivo as well as in vitro models of totipotency and pluripotency in several mammalian species, I aimed to gain a better understanding of the mechanisms that control the totipotency-pluripotency transition. In particular, it has been shown that transitions from a pluripotent to a totipotent-like state rarely occur in in vitro cultures of embryonic stem cells in mouse and human. To study if such rare transitions also occur in other species, I developed a new machine-learning algorithm to identify in an unsupervised manner rare cell types in single-cell sequencing datasets, called CIARA. With this method, I have found previously uncharacterized rare cell types in human and mouse embryos, as well as in in vitro cell cultures. I also used single-cell RNA-seq to characterize the "winner" and "loser" states of epiblast cells in mouse embryos. Using an algorithm I developed called MitoHEAR, I discovered that the transition into a lower fitness state (the "loser" state) is likely caused by mitochondrial mutations that impair mitochondrial performance. Additionally, using mathematical modelling, I showed that cellular competition might contribute to the regulation of embryo size. This study provided evidence that cellular competition in mouse embryos is a purifying selection ensuring the presence of epiblast cells with an optimal mitochondrial pool in preparation for the following steps in development. Overall, the work that I have done during the thesis has led to the characterisation of the molecular mechanisms underlying fundamental cell state transitions occurring during embryonic development. Moreover, the computational methods I developed are very general and will be useful in studying cell state transitions in many other biological contexts.      «

Every cell in an adult arises from a single zygote through a sequence of cell divisions and fate decisions, in which a cell makes a transition from one type or state to another. Cell states can be characterized by specific transcriptomic signatures and can lead to different functions and abilities for the cells to deal with internal and external stimuli. While such changes in cell states are crucial for the proper functioning of organisms, they can also contribute to diseases if they become d...     »

Jede Zelle in einem erwachsenen Organismus entsteht aus einer einzigen Zygote durch eine Abfolge von Zellteilungen und Schicksalsentscheidungen, bei denen eine Zelle von einem Typ oder Zustand zu einem anderen übergeht. Zellzustände können durch spezifische transkriptomische Signaturen charakterisiert werden und zu unterschiedlichen Funktionen und Fähigkeiten der Zellen führen, um mit internen und externen Reizen umzugehen. Während solche Veränderungen in den Zellzuständen für das ordnungsgemäße Funktionieren von Organismen entscheidend sind, können sie auch zu Krankheiten beitragen, wenn sie aus dem Gleichgewicht geraten. Das Verständnis der molekularen Mechanismen, die die Übergänge der Zellzustände regulieren, ist in vielen Bereichen von grundlegender Bedeutung, angefangen von der Entwicklungsbiologie bis zur Krebsbiologie. Das Aufkommen von Einzelzell-Sequenzierungstechniken hat eine beispiellose Möglichkeit geschaffen, Zellzustandsänderungen im Detail zu erforschen. Die große Menge an erzeugten Daten ist jedoch komplex in der Analyse und Interpretation. Zum Beispiel erfassen Sequenzierungstechniken nur einen Momentaufnahme der einzelzellulären molekularen Merkmale zu einem bestimmten Zeitpunkt, aber zur Rekonstruktion der Dynamik sind rechnergestützte Modelle erforderlich, im Gegensatz zu zerstörungsfreien, jedoch niedrigeren Durchsatztechnologien wie mikroskopiebasierten Ansätzen. Um also die Daten der Einzelzell-Sequenzierung zu nutzen, ist die Entwicklung spezialisierter maschineller Lernmethoden erforderlich, die zusammen mit mathematischen Modellen eingesetzt werden können, um die Ergebnisse zu interpretieren. Die Entwicklungsbiologie ist eine der Disziplinen, die am meisten von Einzelzell-Sequenzierungstechnologien profitiert haben, die ausgiebig genutzt wurden, um Zellzustandsübergänge während der embryonalen Entwicklung zu untersuchen. Mit fortschreitender Entwicklung des Embryos können Veränderungen der Zellzustände Variationen im Differenzierungspotenzial von Stammzellen kennzeichnen und die Zelltypen beeinflussen, aus denen sie hervorgehen können. Dies ist zum Beispiel der Fall bei dem Übergang von der Totipotenz zur Pluripotenz, der für die Entwicklung eines Organismus entscheidend ist, aber von molekularen Treibern gesteuert wird, die wir noch nicht vollständig verstehen. Während der Entwicklung gibt es Veränderungen der Zellzustände, die auch die Art und Weise beeinflussen können, wie Zellen mit ihren Nachbarn interagieren. Zum Beispiel können pluripotente Epiblastzellen bei Mäusen in einem "Gewinner"- und einem "Verlierer"-Zustand existieren, wobei die Zellen in letzterem Zustand durch die "Gewinner" durch zellulären Wettbewerb eliminiert werden. Während dieser Prozess sicherstellt, dass nur die am besten geeigneten Zellen zum Embryo beitragen, wissen wir nicht, welche molekularen Merkmale "Verlierer"- von "Gewinner"-Zellen unterscheiden und wie der Übergang zwischen diesen Zuständen erfolgt. In meiner Forschung habe ich mich auf diese beiden Zellzustandsübergänge konzentriert, die während der embryonalen Entwicklung entscheidend sind, um ihre molekularen Treiber und ihre Funktion mithilfe einer Kombination aus Einzelzell-RNA-Sequenzierungsdatenanalyse und mathematischer Modellierung zu finden. Genauer gesagt habe ich durch die Untersuchung der Transkriptome von in vivo- und in vitro-Modellen der Totipotenz und Pluripotenz in mehreren Säugetierarten versucht, ein besseres Verständnis der Mechanismen zu gewinnen, die den Übergang von der Totipotenz zur Pluripotenz kontrollieren. Insbesondere wurde gezeigt, dass Übergänge von einem pluripotenten zu einem totipotenten-ähnlichen Zustand selten in in vitro-Kulturen von embryonalen Stammzellen bei Mäusen und Menschen auftreten. Um zu untersuchen, ob solche seltenen Übergänge auch bei anderen Arten vorkommen, habe ich einen neuen maschinellen Lernalgorithmus entwickelt, um in einer nicht überwachten Weise seltene Zelltypen in Einzelzell-Sequenzierungsdatensätzen zu identifizieren, genannt CIARA. Mit dieser Methode habe ich zuvor uncharakterisierte seltene Zelltypen in menschlichen und mausartigen Embryos sowie in in vitro-Zellkulturen gefunden. Ich habe auch Einzelzell-RNA-Sequenzierung verwendet, um die "Gewinner"- und "Verlierer"-Zustände von Epiblastzellen in Mäuseembryos zu charakterisieren. Mit einem von mir entwickelten Algorithmus namens MitoHEAR habe ich entdeckt, dass der Übergang in einen Zustand geringerer Fitness (der "Verlierer"-Zustand) wahrscheinlich durch mitochondriale Mutationen verursacht wird, die die mitochondriale Leistung beeinträchtigen. Darüber hinaus habe ich mit mathematischer Modellierung gezeigt, dass zellulärer Wettbewerb zur Regulation der Embryogröße beitragen könnte. Diese Studie lieferte Hinweise darauf, dass zellulärer Wettbewerb in Mäuseembryos eine reinigende Selektion ist, die das Vorhandensein von Epiblastzellen mit einem optimalen mitochondrialen Pool zur Vorbereitung auf die folgenden Entwicklungsschritte sicherstellt. Insgesamt hat die Arbeit, die ich während der Dissertation durchgeführt habe, zur Charakterisierung der molekularen Mechanismen beigetragen, die grundlegende Zellzustandsübergänge während der embryonalen Entwicklung steuern. Darüber hinaus sind die von mir entwickelten rechnergestützten Methoden sehr allgemein und werden in vielen anderen biologischen Zusammenhängen nützlich sein.     «

Jede Zelle in einem erwachsenen Organismus entsteht aus einer einzigen Zygote durch eine Abfolge von Zellteilungen und Schicksalsentscheidungen, bei denen eine Zelle von einem Typ oder Zustand zu einem anderen übergeht. Zellzustände können durch spezifische transkriptomische Signaturen charakterisiert werden und zu unterschiedlichen Funktionen und Fähigkeiten der Zellen führen, um mit internen und externen Reizen umzugehen. Während solche Veränderungen in den Zellzuständen für das ordnungsgemäße...     »