Abstract Quantifying the physiology of aging is essential for improving our understanding of age-related disease and the heterogeneity of healthy aging. Recent studies have shown that in regression models using “-omic” platforms to predict chronological age, residual variation in predicted age is correlated with health outcomes, and suggest that these “omic clocks” provide measures of biological age. This paper presents predictive models for age using metabolomic profiles of cerebrospinal fluid from healthy human subjects, and finds that metabolite and lipid data are generally able to predict chronological age within 10 years. We use these models to predict the age of a cohort of subjects with Alzheimer’s and Parkinson’s disease and find an increase in prediction error, potentially indicating that the relationship between the metabolome and chronological age differs with these diseases. In our analysis of control subjects, we find the carnitine shuttle, sucrose, biopterin, vitamin E metabolism, tryptophan, and tyrosine to be the most associated with age. We showcase the potential usefulness of age prediction models in a small dataset (n = 85), and discuss techniques for drift correction, missing data imputation, and regularized regression which can be used to help mitigate the statistical challenges that commonly arise in this setting. To our knowledge, this work presents the first multivariate predictive metabolomic and lipidomic models for age using mass spectrometry analysis of cerebrospinal fluid.

Single-cell sequencing transformed biology and medicine, providing an unprecedented high-resolution view at the cellular level. However, the vast variability inherent in single-cell sequencing data impedes its utility for in-depth downstream analysis. Inspired by the foundation models in natural language processing, recent advancements have led to the development of single-cell Large Language Models (scLLMs). These models are designed to discern universal patterns across diverse single-cell datasets, thereby enhancing the signal-to-noise ratio. Despite their potential, multiple studies indicate existing scLLMs do not perform well in zero-short settings, highlighting a pressing need for more effective adaptation techniques. This research proposes several adaptation techniques for scLLMs by preserving the original model parameters while selectively updating newly introduced tensors. This approach aims to overcome the limitations associated with traditional fine-tuning practices, such as catastrophic forgetting and computational inefficiencies. We introduce two Parameter-Efficient Fine-Tuning (PEFT) strategies specifically tailored to refine scLLMs for cell type identification. Our investigations utilizing scGPT demonstrate that PEFT can enhance performance, with the added benefit of up to a 90% reduction in parameter training compared to conventional fine-tuning methodologies. This work paves the way for a new direction in leveraging single-cell models with greater efficiency and efficacy in single-cell biology.

Abstract The enteroendocrine system plays an important role in metabolism. The gut microbiome regulates enteroendocrine in an extensive way, arousing attention in biomedicine. However, conventional strategies of enteroendocrine regulation via gut microbiome are usually non-specific or imprecise. Here, an optogenetic operated probiotics system was developed combining synthetic biology and flexible electronics to achieve in situ controllable secretion to mimic enteroendocrine. Firstly, optogenetic engineered Lactococcus lactis ( L. lactis ) were administrated in the intestinal tract. A wearable optogenetic device was designed to control optical signals remotely. Then, L. lactis could secrete enteroendocrine hormone according to optical signals. As an example, optogenetic L. lactis could secrete glucagon-like peptide-1(GLP-1) under the control of the wearable optogenetic device. To improve the half-life of GLP-1 in vivo , the Fc domain from immunoglobulin was fused. Treated with this strategy, blood glucose, weight and other features were relatively well controlled in rats and mice models. Furthermore, up-conversion microcapsules were introduced to increase the excitation wavelength of the optogenetic system for better penetrability. This strategy has biomedical potential in metabolic diseases therapy by mimicking enteroendocrine.

ABSTRACT Directed evolution is a powerful tool to modify the properties of proteins. However, due to multi-round and stage combinations, directed evolution usually requires time- and labor-intensive manual intervention, which limits the efficiency of protein modification to some extent. Therefore, in vivo continuous evolution system is highly preferred because it can couple the multiple rounds and steps of direction evolution with the host growth cycle, leading to the advantages of effort-saving and accuracy. However, the existing types of this kind of systems can not meet the booming demand. Herein, this paper describes promoted Escherichia coli -assisted continuous evolution (PEACE) that allows for in vivo continuous evolution of target genes. This system polymorphisms the target gene by activation-induced cytidine deaminase-T7 RNA polymerase (AID-T7 PNAP) fusion protein, then it couples the enzymatic properties of desired variants with the expression of antitoxins to achieve efficient growth-coupled screen using the toxin-antitoxin system (TAS). In this study, T7 RNAP was finally employed for validation of PEACE system, and its specificity to the promoter was successfully altered. These results demonstrated the feasibility and further application potential of PEACE.

Single-cell RNA-seq technologies are rapidly evolving but while very informative, in standard scRNAseq experiments the spatial organization of the cells in the tissue of origin is lost. Conversely, spatial RNA-seq technologies designed to keep the localization of the cells have limited throughput and gene coverage. Mapping scRNAseq to genes with spatial information increases coverage while providing spatial location. However, methods to perform such mapping have not yet been benchmarked. To bridge the gap, we organized the DREAM Single-Cell Transcriptomics challenge focused on the spatial reconstruction of cells from the Drosophila embryo from scRNAseq data, leveraging as gold standard genes with in situ hybridization data from the Berkeley Drosophila Transcription Network Project reference atlas. The 34 participating teams used diverse algorithms for gene selection and location prediction, while being able to correctly localize rare subpopulations of cells. Selection of predictor genes was essential for this task and such genes showed a relatively high expression entropy, high spatial clustering and the presence of prominent developmental genes such as gap and pair-ruled genes and tissue defining markers.

Abstract Epigenome-wide association studies (EWAS) of heterogenous blood cells have identified CpG sites associated with chronic HIV infection, which offer limited knowledge of cell-type specific methylation patterns associated with HIV infection. Applying a computational deconvolution method validated by capture bisulfite DNA methylation sequencing, we conducted a cell type-based EWAS and identified differentially methylated CpG sites specific for chronic HIV infection among five immune cell types in blood: CD4+ T-cells, CD8+ T-cells, B cells, Natural Killer (NK) cells, and monocytes in two independent cohorts (N total =1,134). Differentially methylated CpG sites for HIV-infection were highly concordant between the two cohorts. Cell-type level meta-EWAS revealed distinct patterns of HIV-associated differential CpG methylation, where 67% of CpG sites were unique to individual cell types (false discovery rate, FDR <0.05). CD4+ T-cells had the largest number of HIV-associated CpG sites (N=1,472) compared to any other cell type. Genes harboring statistically significant CpG sites are involved in immunity and HIV pathogenesis (e.g. CX3CR1 in CD4+ T-cells, CCR7 in B cells, IL12R in NK cells, LCK in monocytes). More importantly, HIV-associated CpG sites were overrepresented for hallmark genes involved in cancer pathology ( FDR <0.05) (e.g. BCL family, PRDM16, PDCD1LGD, ESR1, DNMT3A, NOTCH2 ). HIV-associated CpG sites were enriched among genes involved in HIV pathogenesis and oncogenesis such as Kras-signaling, interferon-α and −γ, TNF-α, inflammatory, and apoptotic pathways. Our findings are novel, uncovering cell-type specific modifications in the host epigenome for people with HIV that contribute to the growing body of evidence regarding pathogen-induced epigenetic oncogenicity, specifically on HIV and its comorbidity with cancers.

The lack of highly sensitive and specific diagnostic biomarkers is a major contributor to the poor outcomes of patients with hepatocellular carcinoma (HCC), the second-most common cause of cancer deaths worldwide. We sought to develop a clinically convenient and minimally-invasive approach that can be deployed at scale for the sensitive, specific, and highly reliable diagnosis of HCC, and to evaluate the potential prognostic value of this approach. The study cohort comprised of 2,728 subjects, including HCC patients (n = 1,208), controls (n = 965) (572 healthy individuals and 393 patients with benign lesions), as well as patients with chronic hepatitis B infection (CHB) (n =291), liver cirrhosis (LC) (n= 110), and cholangio-carcinoma (CCC) (n = 154), was recruited from three major liver cancer hospitals in Shanghai, China, from July 2016 to November 2017. Circulating cell-free DNA (cfDNA) were collected from plasma samples from these individuals before surgery or any radical treatment. Applying our 5hmC-Seal technique, the summarized 5-hydroxymethylcytosine (5hmC) pro-files in cfDNA were obtained. Molecular annotation analysis suggested that the profiled 5hmC loci in cfDNA were enriched with liver tissue-derived regulatory markers (e.g., H3K4me1). We showed that a weighted diagnostic score (wd-score) based on 117 genes detected using the summarized 5hmC profiles in cfDNA accurately distinguished HCC patients from controls (AUC = 95.1%; 95% CI, 93.6-96.5%) in the validation set, markedly outperformed α-fetoprotein (AFP) with superior sensitivity. The wd-scores, which not only detected early BCLC stages (e.g., Stage 0: AUC = 96.2%; 95% CI, 94.1-98.4%) and small tumors (e.g., < 2 cm: AUC = 95.7%; 95% CI: 93.6-97.7%), also showed high capacity for distinguishing HCC from non-cancer patients with CHB/LC (AUC = 80.2%; 95% CI, 75.8-84.6%). Moreover, the prognostic value of 5hmC markers in cfDNA was evaluated for HCC recurrence, showing that a weighted prognostic score (wp-score) based on 16 marker genes predicted the recurrence risk (HR = 6.67; 95% CI, 2.81-15.82, p < 0.0001) in 555 patients who have been followed up after surgery. In conclusion, we have developed and validated a robust 5hmC-based diagnostic model that can be applied routinely with clinically feasible amount of cfDNA (e.g., from ~2-5 mL of plasma). Applying this new approach in the clinic could significantly improve the clinical outcomes of HCC patients, for example by early detection of those patients with surgically resectable tumors or as a convenient disease surveillance tool for recurrence.

Abstract We describe a new molecular subgroup of glioblastoma, the most prevalent malignant adult brain tumour, harbouring a bias towards hypomethylation at defined differentially methylated regions. This epigenetic signature correlates with an enrichment for an astrocytic gene signature, which together with the identification of enriched predicted binding sites of transcription factors known to cause demethylation and to be involved in astrocytic/glial lineage specification, point to a shared ontogeny between this glioblastoma subgroup and astroglial progenitors. At functional level, increased invasiveness, at least in part mediated by SRPX2, and macrophage infiltration characterise this glioblastoma subgroup.

Delta 9-tetrahydrocannabinol (THC), the principal psychoactive constituent of cannabis, is also known to modulate immune response in peripheral cells. The mechanisms of THC's effects on gene expression in human immune cells remains poorly understood. Combining a within-subject design with single cell transcriptome mapping, we report that administration of THC acutely alters gene expression in 15,973 human blood immune cells. Controlled for high inter-individual transcriptomic variability, we identified 294 transcriptome-wide significant genes among eight cell types including 69 common genes and 225 cell-type specific genes affected by acute THC administration, including those genes involving not only in immune response, cytokine production, but signal transduction, and cell proliferation and apoptosis. We revealed distinct transcriptomic sub-clusters affected by THC in major immune cell types where THC perturbed cell type-specific intracellular gene expression correlations. Gene set enrichment analysis further supports the findings of THC's common and cell-type specific effects on immune response and cell toxicity. We found that THC alters the correlation of cannabinoid receptor gene, CNR2, with other genes in B cells, in which CNR2 showed the highest level of expression. This comprehensive cell-specific transcriptomic profiling identified novel genes regulated by THC and provides important insights into THC's acute effects on immune function that may have important medical implications.

SUMMARY Host cellular receptors are key determinants of virus tropism and pathogenesis. Virus utilizes multiple receptors for attachment, entry, or specific host responses. However, other than ACE2, little is known about SARS-CoV-2 receptors. Furthermore, ACE2 cannot easily interpret the multi-organ tropisms of SARS-CoV-2 nor the clinical differences between SARS-CoV-2 and SARS-CoV. To identify host cell receptors involved in SARS-CoV-2 interactions, we performed genomic receptor profiling to screen almost all human membrane proteins, with SARS-CoV-2 capsid spike (S) protein as the target. Twelve receptors were identified, including ACE2. Most receptors bind at least two domains on S protein, the receptor-binding-domain (RBD) and the N-terminal-domain (NTD), suggesting both are critical for virus-host interaction. Ectopic expression of ASGR1 or KREMEN1 is sufficient to enable entry of SARS-CoV-2, but not SARS-CoV and MERS-CoV. Analyzing single-cell transcriptome profiles from COVID-19 patients revealed that virus susceptibility in airway epithelial ciliated and secretory cells and immune macrophages highly correlates with expression of ACE2, KREMEN1 and ASGR1 respectively, and A CE2/A S GR1/K R EMEN1 (ASK) together displayed a much better correlation than any individual receptor. Based on modeling of systemic SARS-CoV-2 host interactions through S receptors, we revealed ASK correlation with SARS-CoV-2 multi-organ tropism and provided potential explanations for various COVID-19 symptoms. Our study identified a panel of SARS-CoV-2 receptors with diverse binding properties, biological functions, and clinical correlations or implications, including ASGR1 and KREMEN1 as the alternative entry receptors, providing insights into critical interactions of SARS-CoV-2 with host, as well as a useful resource and potential drug targets for COVID-19 investigation.