There is considerable interest in the occurrence and molecular mechanisms of phenotypic plasticity and genotype-by-environment interactions (G×E) in plant populations. The emergence of genomic tools, including quantitative trait locus (QTL) mapping and transcriptome studies, provides opportunities to identify G×E patterns and mechanisms across a diversity of phenotypes, species, and environments. We review progress in evaluating the presence and characterizing the mechanisms of G×E using genomic studies of abiotic responses in plants. Our review reveals that G×E is common, often caused by changes in the magnitude of genetic effects in response to the environment, and associated with diverse genetic factors and molecular variants. We illustrate this diversity with an examination of transcriptome studies and discussion of cloned genes underlying G×E. We discuss the caveats associated with existing studies and outline future directions for better understanding G×E and its impact on local adaptation and plant improvement.

Significance The T-cell–inflamed tumor microenvironment correlates with efficacy of immunotherapy. It is critical to understand whether non–T-cell–inflamed tumors lack antigens for T-cell recognition. In melanoma, no difference between inflamed and noninflamed tumors for multiple antigen classes was observed. Synthesized peptides corresponding to predicted HLA-A2 binding epitopes showed no differences between inflamed and noninflamed tumors. Extrapolation of a T-cell signature across The Cancer Genome Atlas showed no correlation between gene expression and mutational burden in any cancer type. These results indicate that lack of spontaneous immune infiltration in solid tumors is unlikely to be due to lack of antigens. Rather, transcriptional profiling suggests lack of Batf3-lineage dendritic cells. Our data suggest that strategies to restore T-cell entry into noninflamed tumors should be developed.

High-grade serous carcinoma has a poor prognosis, owing primarily to its early dissemination throughout the abdominal cavity. Genomic and proteomic approaches have provided snapshots of the proteogenomics of ovarian cancer1,2, but a systematic examination of both the tumour and stromal compartments is critical in understanding ovarian cancer metastasis. Here we develop a label-free proteomic workflow to analyse as few as 5,000 formalin-fixed, paraffin-embedded cells microdissected from each compartment. The tumour proteome was stable during progression from in situ lesions to metastatic disease; however, the metastasis-associated stroma was characterized by a highly conserved proteomic signature, prominently including the methyltransferase nicotinamide N-methyltransferase (NNMT) and several of the proteins that it regulates. Stromal NNMT expression was necessary and sufficient for functional aspects of the cancer-associated fibroblast (CAF) phenotype, including the expression of CAF markers and the secretion of cytokines and oncogenic extracellular matrix. Stromal NNMT expression supported ovarian cancer migration, proliferation and in vivo growth and metastasis. Expression of NNMT in CAFs led to depletion of S-adenosyl methionine and reduction in histone methylation associated with widespread gene expression changes in the tumour stroma. This work supports the use of ultra-low-input proteomics to identify candidate drivers of disease phenotypes. NNMT is a central, metabolic regulator of CAF differentiation and cancer progression in the stroma that may be therapeutically targeted. The authors find that stromal methyltransferase nicotinamide N-methyltransferase (NNMT) regulates the transition of normal fibroblasts to cancer-associated fibroblasts through histone methylation and promotes ovarian cancer growth and metastasis.

The COVID-19 pandemic has sparked an urgent need to uncover the underlying biology of this devastating disease. Though RNA viruses mutate more rapidly than DNA viruses, there are a relatively small number of single nucleotide polymorphisms (SNPs) that differentiate the main SARS-CoV-2 clades that have spread throughout the world. In this study, we investigated over 7,000 SARS-CoV-2 datasets to unveil both intrahost and interhost diversity. Our intrahost and interhost diversity analyses yielded three major observations. First, the mutational profile of SARS-CoV-2 highlights iSNV and SNP similarity, albeit with high variability in C>T changes. Second, iSNV and SNP patterns in SARS-CoV-2 are more similar to MERS-CoV than SARS-CoV-1. Third, a significant fraction of small indels fuel the genetic diversity of SARS-CoV-2. Altogether, our findings provide insight into SARS-CoV-2 genomic diversity, inform the design of detection tests, and highlight the potential of iSNVs for tracking the transmission of SARS-CoV-2.

Abstract Multiple novel immunoglobulin-like transcripts (NILTs) have been identified from salmon, trout and carp. NILTs typically encode activating or inhibitory transmembrane receptors with extracellular immunoglobulin (Ig) domains. Although predicted to provide immune recognition in ray-finned fish, we currently lack a definitive framework of NILT diversity, thereby limiting our predictions for their evolutionary origin and function. In order to better understand the diversity of NILTs and their possible roles in immune function, we identified five NILT loci in the Atlantic salmon ( Salmo salar) genome, defined 86 NILT Ig domains within a 3 Mbp region of zebrafish ( Danio rerio ) chromosome 1, and described 41 NILT Ig domains as part of an alternative haplotype for this same genomic region. We then identified transcripts encoded by 43 different NILT genes which reflect an unprecedented diversity of Ig domain sequences and combinations for a family of non-recombining receptors within a single species. Zebrafish NILTs include a sole putative activating receptor but extensive inhibitory and secreted forms as well as membrane-bound forms with no known signaling motifs. These results reveal a higher level of genetic complexity, interindividual variation and sequence diversity for NILTs than previously described, suggesting that this gene family likely plays multiple roles in host immunity.

ABSTRACT Immune genes have evolved to maintain exceptional diversity, offering robust defense against pathogens. We performed genomic sequencing and assembly to examine immune gene variation among three zebrafish individuals. We identified remarkably high levels of sequence divergence as well as presence/absence variation among these zebrafish genomes, particularly when compared with the level of variation in human genomes. Gene pathway analysis identified zebrafish immune genes as significantly enriched among genes with evidence of positive selection. A large subset of genes was absent from analysis of coding sequences due to apparent lack of reads, prompting us to examine genes overlapping zero coverage regions (ZCRs), defined as 2kb stretches without mapped reads. Zebrafish immune genes were also identified as highly enriched within ZCRs, including over 60% of zebrafish major histocompatibility complex (MHC) genes and NOD-like receptor (NLR) genes, mediators of direct and indirect pathogen recognition. This variation was most highly concentrated throughout one arm of zebrafish chromosome 4 carrying a large cluster of NLR genes, associated with large-scale structural variation covering more than half of a vertebrate chromosome. While previous studies have shown marked variation in NLR genes between vertebrate species, our study highlights extensive variation between individuals of the same species. Our genomic assemblies also provide sequences for alternative haplotypes and distinct complements of immune genes among individual zebrafish, including the MHC Class II locus. Taken together, these findings provide evidence of immune gene variation on a scale previously unknown in other vertebrate species and raise questions about potential impact on immune function.

The goal of the National Cancer Institute (NCI) Genomic Data Commons (GDC) is to provide the cancer research community with a data repository of uniformly processed genomic and associated clinical data that enables data sharing and collaborative analysis in the support of precision medicine. The initial GDC dataset include genomic, epigenomic, proteomic, clinical and other data from the NCI TCGA and TARGET programs. Data production for the GDC started in June, 2015 using an OpenStack-based private cloud. By June of 2016, the GDC had analyzed more than 50,000 raw sequencing data inputs, as well as multiple other data types. Using the latest human genome reference build GRCh38, the GDC generated a variety of data types from aligned reads to somatic mutations, gene expression, miRNA expression, DNA methylation status, and copy number variation. In this paper, we describe the pipelines and workflows used to process and harmonize the data in the GDC. The generated data, as well as the original input files from TCGA and TARGET, are available for download and exploratory analysis at the GDC Data Portal and Legacy Archive (https://gdc.cancer.gov/).