Trimodal Single-Cell Gene Regulatory Networks Reveal Principles of Stemness Loss and Cell Fate Acquisition in Human Hematopoiesis
Notice bibliographique
Résumé
Hematopoiesis requires the coordinated loss of stemness and acquisition of lineage identity, yet the regulatory logic and principles underlying these transitions has remained elusive. Single-cell studies suggest that hematopoietic stem and progenitor cells progress along continuous trajectories, but this view conflicts with the existence of discrete, functionally validated populations. Here, we establish the first dynamic, enhancer-based gene regulatory networks (eGRNs) that resolve the molecular programs underlying early human hematopoietic fate decisions. Built on a high-resolution trimodal framework generated with TEA-seq, these networks integrate simultaneously measured transcription factor abundance, enhancer and promoter accessibility, and gene expression within single-cell trajectories anchored to immunophenotypically defined populations. Our framework reveals that stemness loss and lineage acquisition are temporally and mechanistically uncoupled: stemness programs decline gradually through reduced TF abundance long before chromatin closure, whereas lineage identity emerges stepwise through enhancer reconfiguration and activation of lineage-defining eGRNs. This process generates discrete regulatory states that align with immunophenotypically defined populations. Together, these findings reconcile continuous and discrete models of hematopoiesis and establish eGRNs as a powerful framework for defining cell types by their regulatory logic. In addition, we provide an interactive web-based resource to facilitate further investigation of eGRNs and trajectories during early human hematopoiesis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».