Abstract The stochasticity of gene expression is manifested in the fluctuations of mRNA and protein copy numbers within a cell lineage over time. While data of this type can be obtained for many generations, most mathematical models are unsuitable to interpret such data since they assume non-growing cells. Here we develop a theoretical approach that quantitatively links the frequency content of lineage data to subcellular dynamics. We elucidate how the position, height, and width of the peaks in the power spectrum provide a distinctive fingerprint that encodes a wealth of information about mechanisms controlling transcription, translation, replication, degradation, bursting, promoter switching, cell cycle duration, cell division, and gene dosage compensation. Predictions are confirmed by analysis of single-cell Escherichia coli data obtained using fluorescence microscopy. Furthermore, by matching the experimental and theoretical power spectra, we infer the temperature-dependent gene expression parameters, without the need of measurements relating fluorescence intensities to molecule numbers.

Abstract Intracellular reaction rates depend on concentrations and hence their levels are often regulated. However classical models of stochastic gene expression lack a cell size description and cannot be used to predict noise in concentrations. Here, we construct a model of gene product dynamics that includes a description of cell growth, cell division, size-dependent gene expression, gene dosage compensation, and size control mechanisms that can vary with the cell cycle phase. We obtain expressions for the approximate distributions and power spectra of concentration fluctuations which lead to insight into the emergence of concentration homeostasis. Furthermore, we find that (i) the conditions necessary to suppress cell division-induced concentration oscillations are difficult to achieve; (ii) mRNA concentration and number distributions can have different number of modes; (iii) certain size control strategies are ideal because they maintain constant mean concentrations whilst minimising concentration noise. Predictions are confirmed using lineage data for E. coli , fission yeast and budding yeast.

Abstract Classical gene expression models assume exponential switching time distributions between the active and inactive promoter states. However, recent experiments have shown that many genes in mammalian cells may produce non-exponential switching time distributions, implying the existence of multiple promoter states and molecular memory in the promoter switching dynamics. Here we analytically solve a gene expression model with random bursting and complex promoter switching, and derive the time-dependent distributions of the mRNA and protein copy numbers, generalizing the steady-state solution obtained in [SIAM J. Appl. Math. 72, 789-818 (2012)] and [SIAM J. Appl. Math. 79, 1007-1029 (2019)]. Using multiscale simplification techniques, we find that molecular memory has no influence on the time-dependent distribution when promoter switching is very fast or very slow, while it significantly affects the distribution when promoter switching is neither too fast nor too slow. By analyzing the dynamical phase diagram of the system, we also find that molecular memory in the inactive gene state weakens transient and stationary bimodality of the copy number distribution, while molecular memory in the active gene state enhances such bimodality.

The first evidence for the Higgs boson decay to a Z boson and a photon is presented, with a statistical significance of 3.4 standard deviations. The result is derived from a combined analysis of the searches performed by the ATLAS and CMS Collaborations with proton-proton collision datasets collected at the CERN Large Hadron Collider (LHC) from 2015 to 2018. These correspond to integrated luminosities of around 140 fb^{-1} for each experiment, at a center-of-mass energy of 13 TeV. The measured signal yield is 2.2±0.7 times the standard model prediction, and agrees with the theoretical expectation within 1.9 standard deviations.

Abstract The potential health consequences of glyphosate-induced gut microbiome alterations have become a matter of intense debate. As part of a multifaceted study investigating toxicity, carcinogenicity and multigenerational effects of glyphosate and its commercial herbicide formulations, we assessed changes in bacterial and fungal populations in the caecum microbiota of rats exposed prenatally until adulthood (13 weeks after weaning) to three doses of glyphosate (0.5, 5, 50 mg/kg body weight/day), or to the formulated herbicide products Roundup Bioflow and RangerPro at the same glyphosate-equivalent doses. Caecum bacterial microbiota were evaluated by 16S rRNA sequencing whilst the fungal population was determined by ITS2 amplicon sequencing. Results showed that both fungal and bacterial diversity were affected by the Roundup formulations in a dose-dependent manner, whilst glyphosate alone significantly altered only bacterial diversity. At taxa level, a reduction in Bacteroidota abundance, marked by alterations in the levels of Alloprevotella, Prevotella and Prevotellaceae UCG-003 , was concomitant to increased levels of Firmicutes (e.g., Romboutsia, Dubosiella, Eubacterium brachy group or Christensenellaceae) and Actinobacteria (e.g., Enterorhabdus, Adlercreutzia , or Asaccharobacter ). Treponema and Mycoplasma also had their levels reduced by the pesticide treatments. Analysis of fungal composition indicated that the abundance of the rat gut commensal Ascomycota Kazachstania was reduced while the abundance of Gibberella, Penicillium, Claviceps, Cornuvesica, Candida, Trichoderma and Sarocladium were increased by exposure to the Roundup formulations, but not to glyphosate. Altogether, our data suggest that glyphosate and its Roundup RangerPro and Bioflow caused profound changes in caecum microbiome composition by affecting the fitness of major commensals, which in turn reduced competition and allowed opportunistic fungi to grow in the gut, in particular in animals exposed to the herbicide formulations. This further indicates that changes in gut microbiome composition might influence the long-term toxicity, carcinogenicity and multigenerational effects of glyphosate-based herbicides.

Summary Palmitoylation of cysteine residues at the C-terminal hypervariable regions in human HRAS and NRAS, which is necessary for the RAS signaling, is catalyzed by the acyltransferase DHHC9 in complex with its accessory protein GCP16. The molecular basis for the acyltransferase activity and the regulation of DHHC9 by GCP16 is not clear. Here we report the cryo-EM structures of the human DHHC9-GCP16 complex and its yeast counterpart — the Erf2-Erf4 complex, demonstrating that GCP16 and Erf4 are not directly involved in the catalytic process but stabilize the architecture of DHHC9 and Erf2, respectively. We found that a phospholipid binding to an arginine-rich region of DHHC9 and palmitoylation on three residues (C24, C25, and C288) were essential for the catalytic activity of the DHHC9-GCP16 complex. Furthermore, we showed that GCP16 also formed complexes with DHHC14 and 18 to catalyze RAS palmitoylation. These findings provide insights into the regulation mechanism of RAS palmitoyltransferases.

ABSTRACT Prime editor (PE) has been recently developed to induce efficient and precise ontarget editing, whereas its guide RNA (gRNA)-independent off-target effects remain unknown. Here, we used whole-genome and whole-transcriptome sequencing to determine gRNA-independent off-target mutations in cells expanded from single colonies, in which PE generated precise editing at on-target sites. We found that PE triggered no observable gRNA-independent off-target mutation genome-wide or transcriptome-wide in transfected human cells, highlighting its high specificity.

Gene-gene interactions are crucial to the control of sub-cellular processes but our understanding of their stochastic dynamics is hindered by the lack of simulation methods that can accurately and efficiently predict how the distributions of protein numbers for each gene vary across parameter space. To overcome these difficulties, here we present Holimap (high-order linear-mapping approximation), an approach that approximates the protein number distributions of a complex gene network by the distributions of a much simpler reaction system. We demonstrate Holimap's computational advantages over conventional methods by applying it to predict the stochastic time-dependent protein dynamics of several gene regulatory networks, ranging from simple autoregulatory loops to complex randomly connected networks. Holimap is ideally suited to study how the intricate network of gene-gene interactions results in precise coordination and control of gene expression.

ABSTRACT Coronavirus infections, such as the global COVID-19 pandemic, have had a profound impact on many aspects of our daily life including working style, economy, and the healthcare system. To prevent the rapid viral transmission and speed up recovery from the infection, many academic organizations and industry research labs have conducted extensive research on discovering new therapeutic options for SARS-CoV-2. Among those efforts, RNA-dependent RNA polymerase (RdRp) inhibitors such as Remdesivir, Molnupiravir and 3CLpro inhibitor such as Nirmatrelvir (Paxlovid™) have been widely used as the therapeutic options. Given the recent emergence of several new variants that caused a resurgence of the virus, it would be beneficial to discover more diverse therapeutic options with novel anti-viral mechanisms. In this regard, PLpro has been highlighted since it, along with 3CLpro, is one of the two most important proteases that are required for SARS-CoV-2 viral processing. While 3CLpro inhibitors were extensively investigated in the light of Emergency Use Authorizations of Nirmatrelvir, PLpro inhibitors have not been thoroughly investigated even preclinically. Thus, discovery efforts on antivirals acting against PLpro will be valuable. PLpro inhibitors may exert their activity by inhibiting viral replication and enhancing the host defense system through blocking virus-induced cell signaling events for evading host immune response. In this study, we report the discovery and development of two covalent irreversible PLpro inhibitors, HUP0109 and its deuterated analog DX-027, out of our quest for novel anti-COVID 19 therapeutic agents for the past two and half years. HUP0109 selectively targets the viral catalytic cleft of PLpro and covalently modifies its active site cysteine residue (C111). Promising results from preclinical evaluation suggest that DX-027 can be developed as a potential COVID-19 treatment.

Abstract The standard model describing the fluctuations of mRNA numbers in single cells is the telegraph model which includes synthesis and degradation of mRNA, and switching of the gene between active and inactive states. While commonly used, this model does not describe how fluctuations are influenced by the cell cycle phase, cellular growth and division, and other crucial aspects of cellular biology. Here we derive the analytical time-dependent solution of an extended telegraph model that explicitly considers the doubling of gene copy numbers upon DNA replication, dependence of the mRNA synthesis rate on cellular volume, gene dosage compensation, partitioning of molecules during cell division, cell-cycle duration variability, and cell-size control strategies. Based on the time-dependent solution, we obtain the analytical distributions of transcript numbers for lineage and population measurements in steady-state growth and also find a linear relation between the Fano factor of mRNA fluctuations and cell volume fluctuations. We show that generally the lineage and population distributions in steady-state growth cannot be accurately approximated by the steady-state solution of extrinsic noise models, i.e. a telegraph model with parameters drawn from probability distributions. This is because the mRNA lifetime is often not small enough compared to the cell cycle duration to erase the memory of division and replication. Accurate approximations are possible when this memory is weak, e.g. for genes with bursty expression and for which there is sufficient gene dosage compensation when replication occurs.