Summary

 The triglycerides in chylomicrons are hydrolyzed by lipoprotein lipase (LpL) along the luminal surface of the capillaries. However, the endothelial cell molecule that facilitates chylomicron processing by LpL has not yet been defined. Here, we show that glycosylphosphatidylinositol-anchored high-density lipoprotein-binding protein 1 (GPIHBP1) plays a critical role in the lipolytic processing of chylomicrons. Gpihbp1-deficient mice exhibit a striking accumulation of chylomicrons in the plasma, even on a low-fat diet, resulting in milky plasma and plasma triglyceride levels as high as 5000 mg/dl. Normally, Gpihbp1 is expressed highly in heart and adipose tissue, the same tissues that express high levels of LpL. In these tissues, GPIHBP1 is located on the luminal face of the capillary endothelium. Expression of GPIHBP1 in cultured cells confers the ability to bind both LpL and chylomicrons. These studies strongly suggest that GPIHBP1 is an important platform for the LpL-mediated processing of chylomicrons in capillaries.

Summary

 The lipolytic processing of triglyceride-rich lipoproteins by lipoprotein lipase (LPL) is the central event in plasma lipid metabolism, providing lipids for storage in adipose tissue and fuel for vital organs such as the heart. LPL is synthesized and secreted by myocytes and adipocytes, but then finds its way into the lumen of capillaries, where it hydrolyzes lipoprotein triglycerides. The mechanism by which LPL reaches the lumen of capillaries has remained an unresolved problem of plasma lipid metabolism. Here, we show that GPIHBP1 is responsible for the transport of LPL into capillaries. In Gpihbp1-deficient mice, LPL is mislocalized to the interstitial spaces surrounding myocytes and adipocytes. Also, we show that GPIHBP1 is located at the basolateral surface of capillary endothelial cells and actively transports LPL across endothelial cells. Our experiments define the function of GPIHBP1 in triglyceride metabolism and provide a mechanism for the transport of LPL into capillaries.

ABSTRACT Summary Microbiome studies continue to provide tremendous insight into the importance of microorganism populations to the macroscopic world. High-throughput DNA sequencing technology (i.e., Next-generation Sequencing) has enabled the cost-effective, rapid assessment of microbial populations when combined with bioinformatic tools capable of identifying microbial taxa and calculating the diversity and composition of biological and environmental samples. Ribosomal RNA gene sequencing, where 16S and 18S rRNA gene sequences are used to identify prokaryotic and eukaryotic species, respectively, is one of the most widely-used techniques currently employed in microbiome analysis. Prior to bioinformatic analysis of these sequences, trimming parameters must be set so that post-trimming sequence information is maximized while expected errors in the sequences themselves are minimized. In this application note, we present FIGARO: a Python–based application designed to maximize read retention after trimming and filtering for quality. FIGARO was designed specifically to increase reproducibility and minimize trial-and-error in trimming parameter selection for a DADA2–based pipeline and will likely be useful for optimizing trimming parameters and minimizing sequence errors in other pipelines as well where paired-end overlap is required. Availability and implementation The FIGARO application is freely available as source code at https://github.com/Zymo-Research/figaro .

The CRISPR-Cas9 system provides unprecedented genome editing capabilities. However, off-target effects lead to sub-optimal usage and additionally are a bottleneck in development of therapeutic uses. Herein, we introduce the first machine learning-based approach to this problem, yielding a state-of-the-art predictive model for CRISPR-Cas9 off-target effects which outperforms all other guide design services. Our approach, Elevation, consists of two inter-related machine learning models--one for scoring individual guide-target pairs and another which aggregates guide-target scores into a single, overall guide summary score. Through systematic investigation, we demonstrate that Elevation performs substantially better than competing approaches on both of these tasks. Additionally, we are the first to systematically evaluate approaches on the guide summary score problem; we show that the most widely-used method (and one re-implemented by several other servers) performs no better than random at times, whereas Elevation consistently outperformed it, sometimes by an order of magnitude. In our analyses, we also introduce a method to balance errors on truly active guides with those which are truly inactive, encapsulating a range of practical use cases, thereby showing that Elevation is consistently superior across the entire range. We thus contribute a new evaluation metric for benchmarking off-target modeling. Finally, because of the large computational demands of our tasks, we have developed a cloud-based service for end-to-end guide design which incorporates our previously reported on-target model, Azimuth, as well as our new off-target model, Elevation.

Development of effective pollution mitigation strategies require an understanding of the pollution sources and factors influencing fecal pollution loading. Fecal contamination of Turkey Creek in Gulfport, Mississippi, one of the nation's most endangered creeks, was studied through a multi-tiered approach. Over a period of approximately two years, four stations across the watershed were analyzed for nutrients, enumeration of E. coli, male-specific coliphages and bioinformatic analysis of sediment microbial communities. The results demonstrated that two stations, one adjacent to a lift station and one just upstream from the wastewater-treatment plant, were the most impacted. The station adjacent to land containing a few livestock was the least impaired. While genotyping of male-specific coliphage viruses generally revealed a mixed viral signature (human and other animals), fecal contamination at the station near the wastewater treatment plant exhibited predominant impact by municipal sewage. Fecal indicator loadings were positively associated with antecedent rainfall for three of four stations. No associations were noted between fecal indicator loadings and any of the nutrients. Taxonomic signatures of creek sediment were unique to each sample station, but the sediment microbial community did overlap somewhat following major rain events. No presence of Escherichia coli (E. coli) or enterococci were found in the sediment. At some of the stations it was evident that rainfall was not always the primary driver of fecal transport. Repeated monitoring and analysis of a variety of parameters presented in this study determined that point and non-point sources of fecal pollution varied spatially in association with treated and/or untreated sewage.