Project Abstract      Cell fate engineering, for example the directed differentiation of pluripotent stem cells or  the direct conversion among somatic cell types, holds great promise to improve disease  modeling,  drug  screening,  and  to  lead  to  regenerative  medicine  therapies.  I  recently  developed  a  novel  analytical  tool,  CellNet,  which  assesses  how  well  engineered  cells  approach their in vivo target cell types based on cell and tissue specific gene regulatory  networks  (GRNs).  By  applying  CellNet  to  all  cell  fate  engineering  studies  for  which  compatible  data  was  available,  I  discovered  several  issues  that  were  common  to  virtually all methods and target lineages. First, I found that the only robustly faithful fate  engineering was that of reprogramming to pluripotency. Second, I found that the GRN of  the  starting  cell  type  (e.g.  pluripotent  stem  cells  in  cases  of  directed  differentiation  or  often  fibroblasts  in  cases  of  direct  conversion)  is  often  partially  retained  in  engineered  cells. Third, I found that GRNs of alternate lineages (i.e. those not associated with the  starting  cell  type  or  the  target  lineage)  are  frequently  established  in  engineered  cells.  Finally,  I  found  that  the  complex  signaling  milieu  of  the  mouse  microenvironment  to  which engineered cells are transplanted potently represses alternate/aberrant lineages  and  induces  the  target  cell  type  GRNs  in  directly  converted  cells.  These  observations  have  revealed  several  fundamental  barriers  to  faithful  cell  fate  engineering  and  they  define  opportunities  for  progress.  My  current  research  program,  which  I  seek  to  fund  through  this  MIRA  opportunity,  is  to  develop  novel  theoretical  and  computational  methods to define cell type identity from single cell RNA-­Seq (scRNA-­Seq) data with an  emphasis on developmental cell types that emerge during mesoderm development and  subsequent  commitment  to  chondrocyte  fate.  As  part  of  this  work,  we  will  generate  scRNA-­Seq  data  of  the  developing  and  adult  synovial  joint,  we  will  harvest  and  incorporate  publicly  available  and  collaborator-­provided  scRNA-­Seq  data  of  other  lineages  to  make  a  generally  applicable  platform  for  assessing  cell  type  identity  at  the  single  cell  level  of  resolution,  and  we  will  make  the  resulting  methods,  software,  and  data freely available. Finally, we will use the system to determine the extent to which the  cell  types  and  compositions  of  directly  differentiating  mouse  ESCs  match  their  in  vivo  counterparts. 

Project Narrative    Cell fate engineering, for example the directed differentiation of pluripotent stem cells or  the direct conversion among somatic cell types, holds great promise to improve disease  modeling, drug screening, and to lead to regenerative medicine therapies. However, our  ability  to  engineering  cell  fate  with  fidelity  has  been  impeded  by  the  fact  that  our  understanding and definition of cell types derives largely from bulk populations of cells  or  tissues,  which  are  mixtures  of  cell  types.  In  this  work,  I  propose  to  address  this  problem through a combination of algorithm development and data generation, with an  emphasis on cell types related to cartilage, bone, blood, and heart.