Probiotics are microbial strains that are beneficial to health, and their potential has recently led to a significant increase in research interest in their use to modulate the gut microbiota. The animal gut is a complex ecosystem of host cells, microbiota, and available nutrients, and the microbiota prevents several degenerative diseases in humans and animals via immunomodulation. The gut microbiota and its influence on human nutrition, metabolism, physiology, and immunity are addressed, and several probiotic species and strains are discussed to improve the understanding of modulation of gut microbiota. This paper provides a broad review of several Lactobacillus spp., Bifidobacterium spp., and other coliform bacteria as the most promising probiotic species and their role in the prevention of degenerative diseases, such as obesity, diabetes, cancer, cardiovascular diseases, malignancy, liver disease, and inflammatory bowel disease. This review also discusses a recent study of Saccharomyces spp. in which inflammation was prevented by promotion of proinflammatory immune function via the production of short-chain fatty acids. A summary of gut microbiota alteration with future perspectives is also provided.

Abstract Advances of single-cell technologies allow scrutinizing of heterogeneous cell states, however, analyzing transitions from snap-shot single-cell transcriptome data remains challenging. To investigate cells with transient properties or mixed identities, we present MuTrans, a method based on multiscale reduction technique for the underlying stochastic dynamical systems that prescribes cell-fate transitions. By iteratively unifying transition dynamics across multiple scales, MuTrans constructs the cell-fate dynamical manifold that depicts progression of cell-state transition, and distinguishes meta-stable and transition cells. In addition, MuTrans quantifies the likelihood of all possible transition trajectories between cell states using the coarse-grained transition path theory. Downstream analysis identifies distinct genes that mark the transient states or drive the transitions. Mathematical analysis reveals consistency of the method with the well-established Langevin equation and transition rate theory. Applying MuTrans to datasets collected from five different single-cell experimental platforms and benchmarking with seven existing tools, we show its capability and scalability to robustly unravel complex cell fate dynamics induced by transition cells in systems such as tumor EMT, iPSC differentiation and blood cell differentiation. Overall, our method bridges data-driven and model-based approaches on cell-fate transitions at single-cell resolution.

Abstract The RNA velocity provides a new avenue to study the stemness and lineage of cells in the development in scRNA-seq data analysis. Some promising extensions of it are proposed and the community is experiencing a fast developing period. However, in this stage, it is of prime importance to revisit the whole process of RNA velocity analysis from the mathematical point of view, which will help to understand the rationale and drawbacks of different proposals. The current paper is devoted to this purpose. We present a thorough mathematical study on the RNA velocity model from dynamics to downstream data analysis. We derived the analytical solution of the RNA velocity model from both deterministic and stochastic point of view. We presented the parameter inference framework based on the maximum likelihood estimate. We also derived the continuum limit of different downstream analysis methods, which provides insights on the construction of transition probability matrix, root and endingcells identification, and the development routes finding. The overall analysis aims at providing a mathematical basis for more advanced design and development of RNA velocity type methods in the future.

A bstract The time-resolved scRNA-seq (tscRNA-seq) provides the possibility to infer physically meaningful kinetic parameters, e.g., the transcription, splicing or RNA degradation rate constants with correct magnitudes, and RNA velocities by incorporating temporal information. Previous approaches utilizing the deterministic dynamics and steady-state assumption on gene expression states are insufficient to achieve favorable results for the data involving transient process. We present a dynamical approach, Storm (Stochastic models of RNA metabolic-labeling), to overcome these limitations by solving stochastic differential equations of gene expression dynamics. The derivation reveals that the new mRNA sequencing data obeys different types of cell-specific Poisson distributions when jointly considering both biological and cell-specific technical noise. Storm deals with measured counts data directly and extends the RNA velocity methodology based on metabolic labeling scRNA-seq data to transient stochastic systems. Furthermore, we relax the constant parameter assumption over genes/cells to obtain gene-cell-specific transcription/splicing rates and gene-specific degradation rates, thus revealing time-dependent and cell-state specific transcriptional regulations. Storm will facilitate the study of the statistical properties of tscRNA-seq data, eventually advancing our understanding of the dynamic transcription regulation during development and disease.

Morphologic and genetic alterations play crucial roles in tumorigenesis, and are the foundation of diagnosis in cancer research. However, visualization of tumor morphology often requires staining which compromises the genetic material, making the interpretation of genetic alterations a challenge. Histological staining is especially detrimental when measuring the transcriptomic changes that underlie variation of histological features at the microscopic level. Here we propose stimulated Raman scattering micro-dissection sequencing (SMD-Seq), which exploits the intrinsic vibrational signatures of chemicals to rapidly construct label-free histological images of cryo-sectioned tissues, and achieves in situ laser micro-dissection of small regions of interest for location-specific and simultaneous transcriptome and genome analysis. We applied SMD-Seq to unstained cryosections of human oral squamous cell carcinoma (OSCC) samples. SRS images proved to be comparable to H&E staining in revealing the morphological characteristics of tissues, and capable of differentiating the small cancer regions from normal epithelium of OSCC. With significantly reduced nucleic acid loss, accurate identification of copy number variations, gene expression levels, and gene-fusion events were obtained through genome and transcriptome analysis of SRS-guided high-purity micro-dissected regions. The high-resolution histological characteristics combined with preservation of high quality genetic material from specific regions of interest enabled the characterization of inter- and intra-tumor heterogeneity using morphological and genetic analysis. Given histopathological features and matched biomolecular content, SMD-Seq provides complementary insights in the study of cancer, and opens a window for correlative analysis between morphology and genome and transcriptome sequencing in complex samples with intrinsic genetic mosaicism.

Mesencephalic Astrocyte-Derived Neurotrophic Factor (MANF) is an endoplasmic reticulum (ER) protein that can be secreted and protect dopamine neurons and cardiomyocytes from ER stress and apoptosis. The mechanism of action of extracellular MANF has long been elusive. From a genetic screen for mutants with abnormal ER stress response, we identified the gene Y54G2A.23 as the evolutionarily conserved C. elegans MANF orthologue. We find that MANF binds to the lipid sulfatide, also known as 3-O-sulfogalactosylceramide present in serum and outer-cell membrane leaflets, directly in isolated forms and in reconstituted lipid micelles. Sulfatide binding promotes cellular MANF uptake and cytoprotection from hypoxia-induced cell death. Heightened ER stress responses of MANF-null C. elegans mutants and mammalian cells are alleviated by human MANF in a sulfatide-dependent manner. Our results demonstrate conserved roles of MANF in sulfatide binding and ER stress response, supporting sulfatide as a long-sought lipid mediator of MANF's cytoprotection.

The skeleton is able to adapt to mechanical loading through bone remodeling, i.e. bone resorption followed by bone formation. The osteoclasts close to microdamages are believed to initiate bone resorption, but whether local mechanical loading such as fluid flow regulates recruitment and differentiation of osteoclast precursors at the site of bone resorption has yet to be investigated. In the present study, finite element analysis first revealed that there exists low fluid shear stress (FSS) field inside microdamage. Basing on a custom-made device of cone-and-plate fluid chamber, finite element analysis and particle image velocimetry measurement were performed to verify the formation of gradient FSS flow field. Furthermore, the effects of gradient FSS on the migration, aggregation, and fusion of osteoclast precursors were observed. Results showed that osteoclast precursor RAW264.7 cells migrate along radial direction toward the region with lower FSS during exposure to gradient FSS stimulation for 40 min, obviously deviating from the direction of actual fluid flow indicated by fluorescent particles. When inhibiting calcium signaling pathway with gadolinium and thapsigargin, cell migration toward low-FSS region was significantly reduced. For other cell lines, MC3T3-E1, PDLF, rMSC and MDCK, gradient FSS stimulation did not lead to the low-FSS-inclined migration. After being cultured under gradient FSS stimulation for 6 days, the density of RAW264.7 cells and the ratio of TRAP-positive multinucleated osteoclasts in low-FSS region were significantly higher than those in high-FSS region. Therefore, osteoclast precursor cells may have special ability to sense FSS gradient and tend to actively migrate toward low-FSS region, which is regulated by calcium signaling pathway.

Melatonin, a circadian hormone, has been reported to improve host lipid metabolism by reprogramming gut microbiota, which also exhibits rhythmicity in a light/dark cycle. However, the effect of admistartion of exogenous melatonin on the diurnal variation in gut microbiota in high fat diet (HFD)-fed mice is obscure. Here, we further confirmed the anti-obesogenic effect of melatonin on in mice feed with HFD for two weeks. Samples were collected every 4 h within a 24-h period and diurnal rhythms of clock genes expression (Clock, Cry1, Cry2, Per1, and Per2) and serum lipid indexes varied with diurnal time. Notably, Clock and triglycerides (TG) showed a marked rhythm only in the control and melatonin treated mice, but not in the HFD-fed mice. Rhythmicity of these parameters were similar between control and melatonin treated HFD mice compared with the HFD group, indicating an improvement of melatonin in the diurnal clock of host metabolism in HFD-fed mice. 16S rDNA sequencing showed that most microbiota exhibited a daily rhythmicity and the trends differentiated at different groups and different time points. We also identified several specific microbiota correlating with the circadian clock genes and serum lipid indexes, which might contribute the potential mechanism of melatonin in HFD-fed mice. Administration of exogenous melatonin only at daytime exhibited higher resistance to HFD-induced lipid dysmetabolism than nighttime treatment companying with altered gut microbiota (Lactobacillus, Intestinimonas, and Oscillibacter). Importantly, the responses of microbiota transplanted mice to HFD feeding also varied at different transplanting times (8:00 and 16:00) and different microbiota donors.

Abstract In a previous paper [CSIAM Trans. Appl. Math. 2 (2021), 1-55], the authors proposed a theoretical framework for the analysis of RNA velocity, which is a promising concept in scRNA-seq data analysis to reveal the cell state-transition dynamical processes underlying snapshot data. The current paper is devoted to the algorithmic study of some key components in RNA velocity workflow. Four important points are addressed in this paper: (1) We construct a rational time-scale fixation method which can determine the global gene-shared latent time for cells. (2) We present an uncertainty quantification strategy for the inferred parameters obtained through the EM algorithm. (3) We establish the optimal criterion for the choice of velocity kernel bandwidth with respect to the sample size in the downstream analysis and discuss its implications. (4) We propose a temporal distance estimation approach between two cell clusters along the cellular development path. Some illustrative numerical tests are also carried out to verify our analysis. These results are intended to provide tools and insights in further development of RNA velocity type methods in the future.

In biological systems, genes function in conjunction rather than in isolation. However, traditional single-cell RNA-seq (scRNA-seq) analyses heavily rely on the transcriptional similarity of individual genes, ignoring the inherent gene-gene interactions. Here, we present SCORE, a network-based method, which incorporates the validated molecular network features to infer cellular states. Using real scRNA-seq datasets, SCORE outperforms existing methods in accuracy, robustness, scalability, data integration and removal of batch effect. When applying SCORE to a newly generated human ileal scRNA-seq dataset, we identified several novel stem/progenitor clusters, including a Cripto-1+ cluster. Moreover, two distinct groups of goblet cells were identified and only one of them tended to secrete mucus. Besides, we found that the recently identified BEST4+OTOP2+ microfold cells also highly expressed CFTR, which is different from their colonic counterparts. In summary, SCORE enhances cellular state inference by simulating the dynamic changes of molecular networks, providing more biological insights beyond statistical interpretations.