Thousands of novel transcripts have been identified using deep transcriptome sequencing. This discovery of large and ‘hidden’ transcriptome rejuvenates the demand for methods that can rapidly distinguish between coding and noncoding RNA. Here, we present a novel alignment-free method, Coding Potential Assessment Tool (CPAT), which rapidly recognizes coding and noncoding transcripts from a large pool of candidates. To this end, CPAT uses a logistic regression model built with four sequence features: open reading frame size, open reading frame coverage, Fickett TESTCODE statistic and hexamer usage bias. CPAT software outperformed (sensitivity: 0.96, specificity: 0.97) other state-of-the-art alignment-based software such as Coding-Potential Calculator (sensitivity: 0.99, specificity: 0.74) and Phylo Codon Substitution Frequencies (sensitivity: 0.90, specificity: 0.63). In addition to high accuracy, CPAT is approximately four orders of magnitude faster than Coding-Potential Calculator and Phylo Codon Substitution Frequencies, enabling its users to process thousands of transcripts within seconds. The software accepts input sequences in either FASTA- or BED-formatted data files. We also developed a web interface for CPAT that allows users to submit sequences and receive the prediction results almost instantly.

Summary

 The molecular transducers of benefits from different exercise modalities remain incompletely defined. Here we report that 12 weeks of high-intensity aerobic interval (HIIT), resistance (RT), and combined exercise training enhanced insulin sensitivity and lean mass, but only HIIT and combined training improved aerobic capacity and skeletal muscle mitochondrial respiration. HIIT revealed a more robust increase in gene transcripts than other exercise modalities, particularly in older adults, although little overlap with corresponding individual protein abundance was noted. HIIT reversed many age-related differences in the proteome, particularly of mitochondrial proteins in concert with increased mitochondrial protein synthesis. Both RT and HIIT enhanced proteins involved in translational machinery irrespective of age. Only small changes of methylation of DNA promoter regions were observed. We provide evidence for predominant exercise regulation at the translational level, enhancing translational capacity and proteome abundance to explain phenotypic gains in muscle mitochondrial function and hypertrophy in all ages.

Tandem mass spectrometry-based shotgun proteomics has become a widespread technology for analyzing complex protein mixtures. A number of database searching algorithms have been developed to assign peptide sequences to tandem mass spectra. Assembling the peptide identifications to proteins, however, is a challenging issue because many peptides are shared among multiple proteins. IDPicker is an open-source protein assembly tool that derives a minimum protein list from peptide identifications filtered to a specified False Discovery Rate. Here, we update IDPicker to increase confident peptide identifications by combining multiple scores produced by database search tools. By segregating peptide identifications for thresholding using both the precursor charge state and the number of tryptic termini, IDPicker retrieves more peptides for protein assembly. The new version is more robust against false positive proteins, especially in searches using multispecies databases, by requiring additional novel peptides in the parsimony process. IDPicker has been designed for incorporation in many identification workflows by the addition of a graphical user interface and the ability to read identifications from the pepXML format. These advances position IDPicker for high peptide discrimination and reliable protein assembly in large-scale proteomics studies. The source code and binaries for the latest version of IDPicker are available from http://fenchurch.mc.vanderbilt.edu/.

The identification of biomarkers to noninvasively detect prediabetes/diabetes will facilitate interventions designed to prevent or delay progression to frank diabetes and its attendant complications. The purpose of this study was to characterize the human salivary proteome in type-2 diabetes to identify potential biomarkers of diabetes. Whole saliva from control and type-2 diabetic individuals was characterized by multidimensional liquid chromatography/tandem mass spectrometry (2D-LC-MS/MS). Label-free quantification was used to identify differentially abundant protein biomarkers. Selected potential biomarkers were then independently validated in saliva from control, diabetic, and prediabetic subjects by Western immunoblotting and ELISA. Characterization of the salivary proteome identified a total of 487 unique proteins. Approximately 33% of these have not been previously reported in human saliva. Of these, 65 demonstrated a greater than 2-fold difference in abundance between control and type-2 diabetes samples. A majority of the differentially abundant proteins belong to pathways regulating metabolism and immune response. Independent validation of a subset of potential biomarkers utilizing immunodetection confirmed their differential expression in type-2 diabetes, and analysis of prediabetic samples demonstrated a trend of relative increase in their abundance with progression from the prediabetic to the diabetic state. This comprehensive proteomic analysis of the human salivary proteome in type-2 diabetes provides the first global view of potential mechanisms perturbed in diabetic saliva and their utility in detection and monitoring of diabetes. Further characterization of these markers in a larger cohort of subjects may provide the basis for new, noninvasive tests for diabetes screening, detection, and monitoring.

Abstract Background Stored biological samples with pathology information and medical records are invaluable resources for translational medical research. However, RNAs extracted from the archived clinical tissues are often substantially degraded. RNA degradation distorts the RNA-seq read coverage in a gene-specific manner, and has profound influences on whole-genome gene expression profiling. Result We developed the transcript integrity number (TIN) to measure RNA degradation. When applied to 3 independent RNA-seq datasets, we demonstrated TIN is a reliable and sensitive measure of the RNA degradation at both transcript and sample level. Through comparing 10 prostate cancer clinical samples with lower RNA integrity to 10 samples with higher RNA quality, we demonstrated that calibrating gene expression counts with TIN scores could effectively neutralize RNA degradation effects by reducing false positives and recovering biologically meaningful pathways. When further evaluating the performance of TIN correction using spike-in transcripts in RNA-seq data generated from the Sequencing Quality Control consortium, we found TIN adjustment had better control of false positives and false negatives (sensitivity = 0.89, specificity = 0.91, accuracy = 0.90), as compared to gene expression analysis results without TIN correction (sensitivity = 0.98, specificity = 0.50, accuracy = 0.86). Conclusion TIN is a reliable measurement of RNA integrity and a valuable approach used to neutralize in vitro RNA degradation effect and improve differential gene expression analysis.

ABSTRACT COVID-19 is a significant cause of morbidity and mortality in blood cancer patients, especially those on immunosuppressive therapy. Despite extensive research, the specific factor associated with SARS-CoV-2 infection that mediates the life-threatening inflammatory cytokine response in patients with severe COVID-19 remains unidentified. Herein we demonstrate that the virus-encoded Open Reading Frame 8 (ORF8) protein is abundantly secreted as a glycoprotein in vitro and in symptomatic patients with COVID-19. ORF8 specifically binds to the NOD-like receptor family pyrin domain-containing 3 (NLRP3) in CD14 + monocytes to induce a non-canonical inflammasomal response, and a canonical response when the second activation signal is present. Levels of ORF8 protein in the blood correlate with severity and disease-specific mortality in patients with acute SARS-CoV-2 infection. Furthermore, the ORF8-induced inflammasome response was readily inhibited by the NLRP3 inhibitor MCC950 in vitro . Our study identifies a dominant cause of pathogenesis, its underlying mechanism, and a potential new treatment for severe COVID-19. Key points Secreted glycoprotein ORF8 induces monocytic pro-inflammatory cytokines involving the activation of the NLPR3 inflammasome pathway. ORF8 is prognostically present in the blood of symptomatic patients with covid-19 and is targetable with NLRP3 inhibitor MCC-950.

Abstract Regular exercise promotes whole-body health and prevents disease, yet the underlying molecular mechanisms throughout a whole organism are incompletely understood. Here, the Molecular Transducers of Physical Activity Consortium (MoTrPAC) profiled the temporal transcriptome, proteome, metabolome, lipidome, phosphoproteome, acetylproteome, ubiquitylproteome, epigenome, and immunome in whole blood, plasma, and 18 solid tissues in Rattus norvegicus over 8 weeks of endurance exercise training. The resulting data compendium encompasses 9466 assays across 19 tissues, 25 molecular platforms, and 4 training time points in young adult male and female rats. We identified thousands of shared and tissue- and sex-specific molecular alterations. Temporal multi-omic and multi-tissue analyses demonstrated distinct patterns of tissue remodeling, with widespread regulation of immune, metabolism, heat shock stress response, and mitochondrial pathways. These patterns provide biological insights into the adaptive responses to endurance training over time. For example, exercise training induced heart remodeling via altered activity of the Mef2 family of transcription factors and tyrosine kinases. Translational analyses revealed changes that are consistent with human endurance training data and negatively correlated with disease, including increased phospholipids and decreased triacylglycerols in the liver. Sex differences in training adaptation were widespread, including those in the brain, adrenal gland, lung, and adipose tissue. Integrative analyses generated novel hypotheses of disease relevance, including candidate mechanisms that link training adaptation to non-alcoholic fatty liver disease, inflammatory bowel disease, cardiovascular health, and tissue injury and recovery. The data and analysis results presented in this study will serve as valuable resources for the broader community and are provided in an easily accessible public repository ( https://motrpac-data.org/ ). Highlights Multi-tissue resource identifies 35,439 analytes regulated by endurance exercise training at 5% FDR across 211 combinations of tissues and molecular platforms. Interpretation of systemic and tissue-specific molecular adaptations produced hypotheses to help describe the health benefits induced by exercise. Robust sex-specific responses to endurance exercise training are observed across multiple organs at the molecular level. Deep multi-omic profiling of six tissues defines regulatory signals for tissue adaptation to endurance exercise training. All data are available in a public repository, and processed data, analysis results, and code to reproduce major analyses are additionally available in convenient R packages.

ABSTRACT Multiple Myeloma (MM) remains incurable despite advances in treatment options. Although tumor subtypes and specific DNA abnormalities are linked to worse prognosis, the impact of immune dysfunction on disease emergence and/or treatment sensitivity remains unclear. We established a harmonized consortium to generate an Immune Atlas of MM aimed at informing disease etiology, risk stratification, and potential therapeutic strategies. We generated a transcriptome profile of 1,149,344 single cells from the bone marrow of 263 newly diagnosed patients enrolled in the CoMMpass study and characterized immune and hematopoietic cell populations. Associating cell abundances and gene expression with disease progression revealed the presence of a proinflammatory immune senescence-associated secretory phenotype in rapidly progressing patients. Furthermore, signaling analyses suggested active intercellular communication involving APRIL-BCMA, potentially promoting tumor growth and survival. Finally, we demonstrate that integrating immune cell levels with genetic information can significantly improve patient stratification.

Currently, the role of DNA methylation in the IgM-monoclonal gammopathy disease spectrum remains poorly understood. In the present study, a multi-omics prospective analysis was conducted integrating DNA methylation, RNA-seq and WES data in 34 subjects [23 WM, 6 IgM-MGUS, 5 normal controls]. Analysis was focused on defining differences between IgM-gammopathies (WM/IgM-MGUS) compared to controls, and specifically between WM and IgM-MGUS. Between groups, genome-wide DNA methylation analysis demonstrated a significant number of differentially methylated regions which were annotated according to genomic region. Next, integration of RNA-seq data was performed to identify potentially epigenetically deregulated pathways. We found that pathways involved in cell cycle, metabolism, cytokine/immune signaling, cytoskeleton, tumor microenvironment, and intracellular signaling were differentially activated and potentially epigenetically regulated. Importantly, there was a positive enrichment of CXCR4 signaling pathway along with several interleukin (IL-6, IL-8, IL15) signaling pathways in WM compared to IgM-MGUS. Further assessment of known tumor suppressor genes and oncogenes uncovered differential promoter methylation of several targets with concordant change in gene expression, including CCND1 and CD79B. Overall, this report defines how aberrant DNA methylation in IgM-gammopathies may play a critical role in the epigenetic control of oncogenesis and key cellular functions.

Abstract The rapid evolution of mass spectrometry-based single-cell proteomics now enables the cataloging of several thousand proteins from single cells. We investigated whether we could discover cellular heterogeneity beyond proteome, encompassing post-translational modifications (PTM), protein-protein interaction, and variants. By optimizing the mass spectrometry data interpretation strategy to enable the detection of PTMs and variants, we have generated a high-definition dataset of single-cell and nuclear proteomic-states. The data demonstrate the heterogeneity of cell-states and signaling dependencies at the single-cell level and reveal epigenetic drug-induced changes in single nuclei. This approach enables the exploration of previously uncharted single-cell and organellar proteomes revealing molecular characteristics that are inaccessible through RNA profiling.