A growing community is constructing a next-generation file format (NGFF) for bioimaging to overcome problems of scalability and heterogeneity. Organized by the Open Microscopy Environment (OME), individuals and institutes across diverse modalities facing these problems have designed a format specification process (OME-NGFF) to address these needs. This paper brings together a wide range of those community members to describe the cloud-optimized format itself -- OME-Zarr -- along with tools and data resources available today to increase FAIR access and remove barriers in the scientific process. The current momentum offers an opportunity to unify a key component of the bioimaging domain -- the file format that underlies so many personal, institutional, and global data management and analysis tasks.

SUMMARY Recent advances in bioimage informatics techniques have yielded quantitative data on multicellular dynamics from microscopy images of animal development. Several such data collections have been created for Caenorhabditis elegans embryos under various gene silencing conditions. However, because of the limited depth of the datasets, it is impractical to apply standard statistical methods to these collections. Here, we created a deep collection of quantitative data on nuclear division dynamics during the first three rounds of cell division in C. elegans embryos, in which 263 essential embryonic genes were silenced individually by RNA-mediated interference. The collection consists of datasets from 33 wild-type and 1142 RNAi-treated embryos, including five or more datasets for 189 genes. Application of a two-sample t -test identified 8660 reproducible RNAi-induced phenotypes for 421 phenotypic characters. Clustering analysis suggested 24 functional processes essential for early embryogenesis. Our collection is a rich resource for understanding animal development mechanisms. In Brief Kyoda et al. used bioimage informatics techniques to create a deep collection of quantitative data on nuclear division dynamics in RNAi-treated C. elegans embryos for 263 essential embryonic genes. Statistical analysis identified 8660 reproducible RNAi phenotypes for 421 phenotypic characters. The collection is a rich resource for understanding animal development. Highlights Bioimage informatics quantified nuclear division dynamics in C. elegans embryos From RNAi-silenced embryos we collected 1142 data sets on 263 essential genes Statistical analysis identified 8660 reproducible RNAi phenotypes Clustering analysis suggested 24 functional processes in C. elegans embryogenesis

Summary Hi-C is a widely used assay for studying three-dimensional (3D) genome organization across the whole genome. Here, we present PHi-C2, a Python package supported by mathematical and biophysical polymer modeling, that converts an input Hi-C matrix data into the polymer model’s dynamics, structural conformations, and rheological features. The updated optimization algorithm to regenerate a highly similar Hi-C matrix provides a fast and accurate optimal solution compared to the previous version by eliminating a computational bottleneck in the iterative optimization process. Besides, we newly set up the availability on Google Colab workflow to run, easily change parameters and check the results in the notebook. Overall, PHi-C2 can be a valuable tool to mine the dynamic 3D genome state embedded in Hi-C data. Availability and Implementation PHi-C2 as the phic Python package is freely available under the GPL license and can be installed from the Python package index. The source code is available from GitHub at https://github.com/soyashinkai/PHi-C2 . Without preparing a Python environment, PHi-C2 can run on Google Colab ( https://bit.ly/3rlptGI ). Contact soya.shinkai@riken.jp or sonami@riken.jp

Abstract BD5 is a new binary data format based on HDF5 (hierarchical data format version 5). It can be used for representing quantitative biological dynamics data obtained from bioimage informatics techniques and mechanobiological simulations. Biological Dynamics Markup Language (BDML) is an XML(Extensible Markup Language)-based open format that is also used to represent such data; however, it becomes difficult to access quantitative data in BDML files when the file size is large because parsing XML- based files requires large computational resources to first read the whole file sequentially into computer memory. BD5 enables fast random (i.e., direct) access to quantitative data on disk without parsing the entire file. Therefore, it allows practical reuse of data for understanding biological mechanisms underlying the dynamics.