Dynamic interactions between gut mucosal cells and the external environment are essential to maintain gut homeostasis. Enterochromaffin (EC) cells transduce both chemical and mechanical signals and produce 5-hydroxytryptamine (5-HT) to mediate disparate physiological responses. However, the molecular and cellular basis for functional diversity of ECs remains to be adequately defined. Here, we integrated single-cell transcriptomics with spatial image analysis to identify fourteen EC clusters that are topographically organized along the gut. Subtypes predicted to be sensitive to the chemical environment and mechanical forces were identified that express distinct transcription factors and hormones. A Piezo2+ population in the distal colon was endowed with a distinctive neuronal signature. Using a combination of genetic, chemogenetic and pharmacological approaches, we demonstrated Piezo2+ ECs are required for normal colon motility. Our study constructs a molecular map for ECs and offers a framework for deconvoluting EC cells with pleiotropic functions.

Abstract Background In recent years, there has been a growing trend in the utilization of observational studies that make use of routinely collected healthcare data (RCD). These studies rely on algorithms to identify specific health conditions (e.g. diabetes or sepsis) for statistical analyses. However, there has been substantial variation in the algorithm development and validation, leading to frequently suboptimal performance and posing a significant threat to the validity of study findings. Unfortunately, these issues are often overlooked. Methods We systematically developed guidance for the development, validation, and evaluation of algorithms designed to identify health status (DEVELOP-RCD). Our initial efforts involved conducting both a narrative review and a systematic review of published studies on the concepts and methodological issues related to algorithm development, validation, and evaluation. Subsequently, we conducted an empirical study on an algorithm for identifying sepsis. Based on these findings, we formulated specific workflow and recommendations for algorithm development, validation, and evaluation within the guidance. Finally, the guidance underwent independent review by a panel of 20 external experts who then convened a consensus meeting to finalize it. Results A standardized workflow for algorithm development, validation, and evaluation was established. Guided by specific health status considerations, the workflow comprises four integrated steps: assessing an existing algorithm’s suitability for the target health status; developing a new algorithm using recommended methods; validating the algorithm using prescribed performance measures; and evaluating the impact of the algorithm on study results. Additionally, 13 good practice recommendations were formulated with detailed explanations. Furthermore, a practical study on sepsis identification was included to demonstrate the application of this guidance. Conclusions The establishment of guidance is intended to aid researchers and clinicians in the appropriate and accurate development and application of algorithms for identifying health status from RCD. This guidance has the potential to enhance the credibility of findings from observational studies involving RCD.

Analyzing cell types of origin of cell-free RNA can enhance the resolution of liquid biopsies, thereby deepening the understanding of molecular and cellular changes in development and disease processes. Existing deconvolution methods typically rely on meticulously curated gene expression profiles or employ deep neural network with vast and complex solution spaces that are difficult to interpret. These approaches overlook the synergistic and co-expression effects among genes in biological signaling pathways, compromising their generalizability and robustness. we developed `Deconformer', a Transformer-based deconvolution model that integrates biological signaling pathways at the embedding stage, to address these issues. Compared to popular methods on multiple datasets, Deconformer demonstrates superior performance and robustness, and is capable of tracking the developmental process of the fetal and placenta. Additionally, pathway-level interpretability of Deconformer offers new insights into crosstalk, dependencies, and other interactions within cell-free RNA pathways, supporting further biological discoveries. We posit that Deconformer represents a significant advancement in the precise analysis of the cell-free transcriptome. It holds the promise of describing disease progression and severity with a new level of accuracy, focusing on the contributions of originating cell types and their pathway dependencies. This model has the potential to catalyze the development of non-invasive diagnostic tools and enhance our understanding of the underlying biology of diseases.

Abstract Objective Clinical practice guidelines (CPGs) for Integrated Traditional Chinese and Western Medicine (TCM and WM) are important medical documents used to assist medical decision‐making and are of great significance for standardizing clinical pathways. However, due to the constraints of text format, it is difficult for Integrated TCM and WM CPGs to play a real role in medical practice. In addition, how to standardize the structure and semantic relationships between Integrated TCM and WM CPG knowledge, and realize the construction of computable, sharable and reliable CPGs, remains an urgent issue to be addressed. Therefore, we are proposing an ontology of CPGs for Integrated TCM and WM. Methods We first initialized domain concepts and relationships to ensure the accuracy of the ontology knowledge structure. We then screened CPGs that meet the standards for Integrated TCM and WM, analyzed and classified the contents, and extracted the common structures. Based on the seven‐step ontology construction method combined with inference‐complement, referring to the representation methods and hierarchical relationships of terms and concepts in MeSH, ICD‐10, SNOMED‐CT, and other ontologies and terminology sets, we formed the concept structure and semantic relationship tables for the ontology. We also achieved the matching and mapping between the ontology and reference ontologies and term sets. Next, we defined the aspects and constraints of properties, selected multiple Integrated TCM and WM CPGs as instances to populate, and used ontology reasoning tools and formulated defined inference rules to reason and extend the ontology. Finally, we evaluated the performance of the ontology. Results The content of the Integrated TCM and WM CPGs is divided into nine parts: basic information, background, development method, clinical question, recommendation, evidence, conclusion, result, and reason for recommendations. The Integrated TCM and WM CPG ontology has 152 classes and defines 90 object properties and 114 data properties, with a maximum classification depth of 4 layers. The terms of disease, drug and examination item names in the ontology have been standardized. Conclusions This study proposes an Integrated TCM and WM CPG ontology. The ontology adopts a modular design, which has both sharing and scaling ability, and can express rich guideline knowledge. It provides important support for the semantic processing and computational application of guideline documents.