Rapid, inexpensive, robust diagnostics are essential to control the spread of infectious diseases. Current state of the art diagnostics are highly sensitive and specific, but slow, and require expensive equipment. We developed a molecular diagnostic test for SARS-CoV-2, FIND (Fast Isothermal Nucleic acid Detection), based on an enhanced isothermal recombinase polymerase amplification reaction. FIND has a detection limit on patient samples close to that of RT-qPCR, requires minimal instrumentation, and is highly scalable and cheap. It can be performed in high throughput, does not cross-react with other common coronaviruses, avoids bottlenecks caused by the current worldwide shortage of RNA isolation kits, and takes ~45 minutes from sample collection to results. FIND can be adapted to future novel viruses in days once sequence is available.Sensitive, specific, rapid, scalable, enhanced isothermal amplification method for detecting SARS-CoV-2 from patient samples.

ABSTRACT Blocking the import of nutrients essential for cancer cell proliferation represents a therapeutic opportunity, but it is unclear which transporters to target. Here, we report a CRISPRi/a screening platform to systematically interrogate the contribution of specific nutrient transporters to support cancer cell proliferation in environments ranging from standard culture media to tumor models. We applied this platform to identify the transporters of amino acids in leukemia cells and found that amino acid transport is characterized by high bidirectional flux that is dependent on the composition of the microenvironment. While investigating the role of transporters in cystine starved cells, we uncovered a novel role for serotonin uptake in preventing ferroptosis. Finally, we identified transporters essential for cell proliferation in subcutaneous tumors and found that levels of glucose and amino acids can restrain proliferation in that environment. This study provides a framework for the systematic identification of critical cellular nutrient transporters, characterizing the function of such transporters, and studying how the tumor microenvironment impacts cancer metabolism.

ABSTRACT High-throughput measurement of cells perturbed using libraries of small molecules, gene knockouts, or different microenvironmental factors is a key step in functional genomics and pre-clinical drug discovery. However, it remains difficult to perform accurate single-cell assays in 384-well plates, limiting many studies to well-average measurements (e.g. CellTiter-Glo®). Here we describe a public domain “Dye Drop” method that uses sequential density displacement and microscopy to perform multi-step assays on living cells. We use Dye Drop cell viability and DNA replication assays followed by immunofluorescence imaging to collect single-cell dose-response data for 67 investigational and clinical-grade small molecules in 58 breast cancer cell lines. By separating the cytostatic and cytotoxic effects of drugs computationally, we uncover unexpected relationships between the two. Dye Drop is rapid, reproducible, customizable, and compatible with manual or automated laboratory equipment. Dye Drop improves the tradeoff between data content and cost, enabling the collection of information-rich perturbagen-response datasets.

We performed quantitative proteomics on 60 human-derived breast cancer cell lines to a depth of ~13,000 proteins. The resulting high-throughput datasets were assessed for quality and reproducibility. We used the datasets to identify and characterize the subtypes of breast cancer and showed that they conform to known transcriptional subtypes, revealing that molecular subtypes are preserved even in under-sampled protein feature sets. All datasets are freely available as public resources on the LINCS portal. We anticipate that these datasets, either in isolation or in combination with complimentary measurements such as genomics, transcriptomics and phosphoproteomics, can be mined for the purpose of predicting drug response, informing cell line specific context in models of signalling pathways, and identifying markers of sensitivity or resistance to therapeutics.

Evidence that some influential biomedical results cannot be repeated has increased interest in practices that generate data meeting findable, accessible, interoperable and reproducible (FAIR) standards. Multiple papers have identified examples of irreproducibility, but practical steps for increasing reproducibility have not been widely studied. Here, seven research centers in the NIH LINCS Program Consortium investigate the reproducibility of a prototypical perturbational assay: quantifying the responsiveness of cultured cells to anti-cancer drugs. Such assays are important for drug development, studying cell biology, and patient stratification. While many experimental and computational factors have an impact on intra- and inter-center reproducibility, the factors most difficult to identify and correct are those with a strong dependency on biological context. These factors often vary in magnitude with the drug being analyzed and with growth conditions. We provide ways of identifying such context-sensitive factors, thereby advancing the conceptual and practical basis for greater experimental reproducibility.