G protein-coupled receptors (GPCRs) are involved in numerous physiological processes and are the most frequent targets of approved drugs. The explosion in the number of new 3D molecular structures of GPCRs (3D-GPCRome) during the last decade has greatly advanced the mechanistic understanding and drug design opportunities for this protein family. While experimentally-resolved structures undoubtedly provide valuable snapshots of specific GPCR conformational states, they give only limited information on their flexibility and dynamics associated with function. Molecular dynamics (MD) simulations have become a widely established technique to explore the conformational landscape of proteins at an atomic level. However, the analysis and visualization of MD simulations requires efficient storage resources and specialized software, hence limiting the dissemination of these data to specialists in the field. Here we present the GPCRmd ( ), an online platform that incorporates web-based visualization capabilities as well as a comprehensive and user-friendly analysis toolbox that allows scientists from different disciplines to visualize, analyse and share GPCR MD data. GPCRmd originates from a community-driven effort to create the first open, interactive, and standardized database of GPCR MD simulations. We demonstrate the power of this resource by performing comparative analyses of multiple GPCR simulations on two mechanisms critical to receptor function: internal water networks and sodium ion interaction.

Abstract The COVID-19 pandemic has seen large-scale pathogen genomic sequencing efforts, becoming part of the toolbox for surveillance and epidemic research. This resulted in an unprecedented level of data sharing to open repositories, which has actively supported the identification of SARS-CoV-2 structure, molecular interactions, mutations and variants, and facilitated vaccine development and drug reuse studies and design. The European COVID-19 Data Platform was launched to support this data sharing, and has resulted in the deposition of several million SARS-CoV-2 raw reads. In this paper we describe (1) open data sharing, (2) tools for submission, analysis, visualisation and data claiming (e.g. ORCiD), (3) the systematic analysis of these datasets, at scale via the SARS-CoV-2 Data Hubs as well as (4) lessons learned. As a component of the Platform, the SARS-CoV-2 Data Hubs enabled the extension and set up of infrastructure that we intend to use more widely in the future for pathogen surveillance and pandemic preparedness.