Abstract Agrobacterium–mediated transformation is a cost-effective and convenient way to introduce foreign genetic elements to plants. However, only limited protocols successfully generates transgenic plants with fielder, a spring wheat variety. Wheat transformation method with higher efficiency and without genotype restriction is heavily demanded. Here, a heat-shock protocol, independent of Japan Tobacco had been established. Transgenic plants can be obtained from immature embryo within only 60 days by this protocol. Morphogenic regulators Baby boom and Wuschel (BBM-WUS) was proved to promote transformation efficiency for five to six times in wheat when co-infiltrated with agrobacterium containing target construct. Notably, half of the transformants are BBM-WUS free and moreover, the BBM-WUS containing plants could be picked by florescent marker that was co-expressed with BBM-WUS. In conclusion, we managed to establish a new wheat transformation protocol with shorter duration than published protocol.

Abstract Loops in proteins play essential roles in protein functions and interactions. The structural characterization of loops is challenging because of their conformational flexibility and relatively poor conservation in multiple sequence alignments. Many experimental and computational approaches have been carried out during the last few decades for loop modeling. Although the latest AlphaFold2 achieved remarkable performance in protein structure predictions, the accuracy of loop regions for many proteins still needs to be improved for downstream applications such as protein function prediction and structure based drug design. In this paper, we proposed two novel deep learning architectures for loop modeling: one uses a combined convolutional neural network (CNN)-recursive neural network (RNN) structure (DeepMUSICS) and the other is based on refinement of histograms using a 2D CNN architecture (DeepHisto). In each of the methods, two types of models, conformation sampling model and energy scoring model, were trained and applied in the loop folding process. Both methods achieved promising results and worth further investigations. Since multiple sequence alignments (MSA) were not used in our architecture, the energy scoring models have less bias from MSA. We believe the methods may serve as good complements for refining AlphaFold2 predicted structures.

Malonyl-CoA is a key metabolic intermediate for biosynthesis of diverse cellular molecules and natural products. Carboxylation of acetyl-CoA is almost the unique pathway for malonly-CoA biosynthesis. Biotechnological production of numerous value-added malonyl-CoA-derived chemicals require high intracellular supply of malonyl-CoA. However, because of the central role of acetyl-CoA in primary metabolism, it is difficult to develop flexible strategies to balance malonyl-CoA supply with other cellular metabolism. Here we find that there is a natural alternative malonyl-CoA-producing pathway, in which the key reaction is catalyzed by an α-keto acid dehydrogenase complex BkdFGH from Streptomyces avermitilis . This dehydrogenase complex could efficiently catalyze biosynthesis of malonyl-CoA from oxaloacetate in addition to recognizing its native substrate branched-chain α-keto acid. Oxaloacetate dehydrogenase (OADH) was shown to play important physiological roles during the regulation of biosynthesis of native malonyl-CoA-derived polyketides in Streptomyces . Furthermore, the oxlaocetate dehydrogenation reaction is thermodynamically superior to acetyl-CoA carboxylation and enable efficient bioproduction of diverse malonyl-CoA-derived chemicals in engineering Escherichia coli . This novel malonyl-CoA source thus has great potential in the biotechnological field.

ABSTRACT The COVID-19 (coronavirus disease 2019) pandemic is caused by SARS-CoV-2 (severe acute respiratory syndrome coronavirus 2). SARS-CoV-2 produces a small hydrophobic envelope (E) protein which shares high homology with SARS-CoV E protein. By patch-clamp recording, the E protein is demonstrated to be a cation-selective ion channel. Furthermore, the SARS-CoV-2 E protein can be blocked by a SARS-CoV E protein inhibitor hexamethylene amiloride. Using structural model and virtual screening, another E protein inhibitor AZD5153 is discovered. AZD5153 is a bromodomain protein 4 inhibitor against hematologic malignancies in clinical trial. The E protein amino acids Phe23 and Val29 are key determinants for AZD5153 sensitivity. This study provides two promising lead compounds and a functional assay of SARS-CoV-2 E protein for the future drug candidate discovery.

Abstract The urgent approval of the use of the inactivated COVID-19 vaccine is essential to reduce the threat and burden of the epidemic on global public health, however, our current understanding of the host immune response to inactivated vaccine remains limited. Herein, we performed serum IgG antibody detection and transcriptomics analysis on 20 SARS-CoV-2 naïve individuals who received multiple doses of inactivated vaccine and 5 SARS-CoV-2 recovered individuals who received single dose of inactivated vaccine. Our research revealed the important role of many innate immune pathways after vaccination, identified a significant correlation with the third dose of booster vaccine and proteasome-related genes, and found that SARS-CoV-2 recovered individuals can produces a strong immune response to a single dose of inactivated vaccine. These results help us understand the reaction mechanism of the host’s molecular immune system to the inactivated vaccine, and provide a basis for the choice of vaccination strategy.

Abstract Heterozygous coding sequence mutations of the INS gene are a cause of permanent neonatal diabetes (PNDM) that results from beta cell failure. We explored the causes of beta cell failure in two PNDM patients with two distinct INS mutations. Using b and mutated hESCs, we detected accumulation of misfolded proinsulin and impaired proinsulin processing in vitro , and a dominant-negative effect of these mutations on the in vivo performance of patient-derived SC-beta cells after transplantation into NSG mice. These insulin mutations derange endoplasmic reticulum (ER) homeostasis, and result in the loss of beta-cell mass and function. In addition to anticipated apoptosis, we found evidence of beta-cell dedifferentiation, characterized by an increase of cells expressing both Nkx6.1 and ALDH1A3, but negative for insulin and glucagon. These results highlight both known and novel mechanisms contributing to the loss and functional failure of human beta cells with specific insulin gene mutations.

ABSTRACT Cardiovascular disease (CVD) remains an important co-morbidity in people living with HIV-1 (PLWH) receiving antiretroviral therapy (ART). Our previous studies performed on the Canadian HIV/Aging Cohort Study (CHACS) (>40 years-old; Framingham Risk Score (FRS) >5%), revealed a 2-3-fold increase in non-calcified coronary artery atherosclerosis (CAA) plaque burden, measured by Computed tomography angiography scan (CTAScan) as total (TPV) and low attenuated plaque volume (LAPV) in ART-treated PLWH (HIV+) versus uninfected controls (HIV-). In an effort to identify novel correlates of subclinical CAA, markers of intestinal damage (sCD14, LBP, FABP2); cell trafficking/inflammation (CCL20, CX3CL1, MIF, CCL25); subsets of Th17-polarized and regulatory (Tregs) CD4 + T-cells, classical/intermediate/non-classical monocytes, and myeloid/plasmacytoid dendritic cells, were studied in relationship with HIV and TPV/LAPV status. The TPV detection/values coincided with higher plasma sCD14, FABP2, CCL20, MIF, CX3CL1 and triglyceride levels, lower Th17/Treg ratios, and classical monocyte expansion. Among HIV + , TPV + versus TPV − exhibited lower Th17 frequencies, reduced Th17/Treg ratios, higher frequencies of non-classical CCR9 low HLADR high monocyte, and increased plasma fibrinogen levels. Finally, Th17/Treg ratios and non-classical CCR9 low HLADR high monocyte frequencies remained associated with TPV/LAPV after adjusting for FRS and HIV/ART duration in a logistic regression model. These findings point to Th17 paucity and non-classical monocyte abundance as novel immunological correlates of subclinical CAA that may fuel the CVD risk in ART-treated PLWH.

ABSTRACT Gas vesicles (GVs) are genetically encoded, air-filled protein nanostructures of broad interest for biomedical research and clinical applications, acting as imaging and therapeutic agents for ultrasound, magnetic resonance, and optical techniques. However, the biomedical applications of GVs as a systemically injectable nanomaterial have been hindered by a lack of understanding of GVs’ interactions with blood components, which can significantly impact in vivo performance. Here, we investigate the dynamics of GVs in the bloodstream using a combination of ultrasound and optical imaging, surface functionalization, flow cytometry, and mass spectrometry. We find that erythrocytes and serum proteins bind to GVs and shape their acoustic response, circulation time, and immunogenicity. We show that by modifying the GV surface, we can alter these interactions and thereby modify GVs’ in vivo performance. These results provide critical insights for the development of GVs as agents for nanomedicine.

Polyethylene terephthalate (PET) is one of the most widely produced man-made polymers and is a significant contributor to microplastics pollution. The environmental and human health impacts of microplastics pollution have motivated a concerted effort to develop microbe- and enzyme-based strategies to degrade PET and similar plastics. A PETase derived from the bacteria Ideonella sakaiensis was previously shown to enzymatically degrade PET, triggering multidisciplinary efforts to improve the robustness and activity of this and other PETases. However, because these enzymes only erode the surface of the insoluble PET substrate, it is difficult to measure standard kinetic parameters, such as kon, koff and kcat, complicating interpretation of the activity of mutants using traditional enzyme kinetics frameworks. To address this challenge, we developed a single-molecule microscopy assay that quantifies the landing rate and binding duration of quantum dot-labeled PETase enzymes interacting with a surface-immobilized PET film. Wild-type PETase binding durations were well fit by a biexponential with a fast population having a 2.7 s time constant, interpreted as active binding events, and a slow population interpreted as non-specific binding interactions that last tens of seconds. A previously described hyperactive mutant, S238F/W159H had both a faster on-rate and a slower off-rate than wild-type PETase, potentially explaining its enhanced activity. Because this single-molecule approach provides a more detailed mechanistic picture of PETase enzymatic activity than standard bulk assays, it should aid future efforts to engineer more robust and active PETases to combat global microplastics pollution.

Autism spectrum disorder (ASD) is an intricate neuropsychiatric brain disorder characterized by social deficits and repetitive behaviors. Associated ASD biomarkers can be supportive of apprehending the underlying roots of the disease and lead the targeted diagnosis as well as treatment. Although deep learning approaches have been applied in functional magnetic resonance imaging (fMRI) based clinical or behavioral identification of ASD, most erstwhile models are inadequate in their capacity to exploit the data richness. Classification techniques often solely rely on region-based summary and/or functional connectivity analysis of one pipeline or unique site dataset. Besides these, biomedical data modeling to analyze big data related to ASD is still perplexing due to its complexity and heterogeneity. Single volume image consideration has not been previously investigated in classification purposes. By deeming these challenges, in this work, firstly, we design an image generator to generate single volume brain images from the whole-brain image of each subject. Secondly, the single volume images are analyzed by evaluating four deep learning approaches comprising one amended volume base Convolutional Neural Network framework to classify ASD and typical control participants. Thirdly, we propose a novel deep ensemble learning classifier using VGG16 as feature extractor to ensure further classification performance. Then, to evaluate the classifier performance across the inter sites, we apply the proposed method on each site individually and validate our findings by comparing literature reports. We showcase our approaches on large-scale multi-site brain imaging dataset (ABIDE) by considering four preprocessing pipelines, and the outcome demonstrates the state-of-the-art performance compared with the literature findings; hence, which are robust and consistent.