Abstract Nutrient availability varies seasonally and spatially in the wild. The resulting nutrient limitation or restricted access to nutrients pose a major challenge for every organism. While many animals, such as hibernating animals, evolved strategies to overcome periods of nutrient scarcity, the cellular mechanisms of these strategies are poorly understood. Cave environments represent an extreme example of nutrient deprived environments since the lack of sunlight and therefore primary energy production drastically diminishes the nutrient availability. Here, we used Astyanax mexicanus , which includes river-dwelling surface fish and cave adapted cavefish populations to study the genetic adaptation to nutrient limitations. We show that cavefish populations store large amounts of fat in different body regions when fed ad libitum in the lab. We found higher expression of lipogenesis genes in cavefish livers when fed the same amount of food as surface fish, suggesting an improved ability of cavefish to use lipogenesis to convert available energy into triglycerides for storage into adipose tissue. Moreover, the lipid metabolism regulator, Peroxisome proliferator-activated receptor γ (Pparγ), is upregulated at both transcript and protein levels in cavefish livers. Chromatin Immunoprecipitation sequencing (ChIP seq) showed that Pparγ binds cavefish promoter regions of genes to a higher extent than surface fish. Finally, we identified two possible regulatory mechanisms of Pparγ in cavefish: higher amounts of ligands of the nuclear receptor, and nonsense mutations in per2 , a known repressor of Pparγ. Taken together, our study reveals that upregulated Pparγ promotes higher levels of lipogenesis in the liver and contributes to higher body fat accumulation in cavefish populations, an important adaptation to nutrient limited environments.

Abstract Physical inactivity – specifically the lack of moderate-to-vigorous activity – is a scourge to human health, promoting metabolic disease and muscle wasting. Interestingly, multiple ecological niches have relaxed investment into physical activity, providing unique evolutionary insight into adaptive physical inactivity. The Mexican cavefish Astyanax mexicanus lost moderate-to-vigorous activity following cave colonization, reaching basal swim speeds ~3-fold slower than their river-dwelling counterpart. We found that this was accompanied by a marked shift in body composition, decreasing muscle mass by 30% and increasing fat mass by 40%. This shift persisted at the single muscle fiber level via increased lipid and sugar accumulation at the expense of myofibrillar volume. Transcriptomic analysis of laboratory-reared and wild-caught cavefish indicated this shift in investment is driven by increased expression of pparγ – the master regulator of adipogenesis – with a simultaneous decrease in fast myosin heavy chain expression. Ex vivo and in vivo analysis confirmed these investment strategies come with a functional trade-off, decreasing cavefish muscle fiber shortening velocity, time to maximal force, and ultimately maximal swimming velocity. Despite this, cavefish displayed a striking degree of muscular endurance, reaching maximal swim speeds ~3.5-fold faster than their basal swim speeds. Multi-omics analysis indicated metabolic reprogramming, specifically increased phosphoglucomutase-1 abundance, phosphorylation, and activity, as contributing mechanisms enhancing cavefish glycogen utilization under metabolically strenuous conditions. Collectively, we reveal broad skeletal muscle reprogramming following cave colonization, displaying an adaptive skeletal muscle phenotype reminiscent to mammalian disuse and high-fat models while simultaneously maintaining a unique capacity for sustained muscle contraction under fatiguing conditions. Significance The evolutionary consequence of decreased physical activity upon skeletal muscle physiology remains unexplored. Using the Mexican cavefish, we find loss of moderate-to-vigorous swimming following cave colonization has resulted in broad shifts in skeletal muscle investment – away from muscle mass and instead toward fat and sugar accumulation – ultimately decreasing muscle fiber twitch kinetics. Surprisingly though, cavefish possessed marked muscular endurance, reaching maximal swimming speeds rivaling their river-dwelling counterpart. Multi-omics analysis revealed carbohydrate metabolic reprogramming as a contributing component, most notably elevated abundance and phosphorylation of the glycogenolytic enzyme Phosphoglucomutase-1 – a likely adaptation to cave-specific hypoxia. These findings emphasize the impact multiple selective pressures have on skeletal muscle physiology, providing the first evolutionary insight into skeletal muscle adaptation following decreased activity.

Abstract Insights from extreme-adapted organisms, which have evolved natural strategies for promoting survivability under severe environmental pressures, may help guide future research into novel approaches for enhancing human longevity. The cave-adapted Mexican tetra, Astyanax mexicanus , has attracted interest as a model system for metabolic resilience , a term we use to denote the property of maintaining robust health and longevity under conditions that would have highly deleterious effects in other organisms (Fig 1). Cave-dwelling populations of Mexi-can tetra exhibit elevated blood glucose and possess a mutation in the insulin receptor that in humans has been linked to Rabson-Mendenhall syndrome, a condition characterized by severe insulin resistance that causes numerous developmental abnormalities, is highly associated with debilitating progression, and drastically reduces lifespan. In addition, cavefish develop large numbers of hypertrophic visceral adipocytes and possess vastly enriched stores of body fat compared to surface-dwelling counterparts. However, cavefish appear to avoid the progression of the respective pathologies typically associated with these conditions, such as accumulation of advanced glycation end products (AGEs), chronic tissue inflammation, impaired growth due to insulin dysregulation, and low survivability due to arterial disease. The metabolic strategies underlying the resilience properties of A. mexicanus cavefish, and how they relate to environmental challenges of the cave environment, are poorly understood. Here, we provide an untargeted metabolomics study of long- and short-term fasting in two A. mexicanus cave populations and one surface population. We find that, although cave-fish share many similarities with metabolic syndrome normally associated with the human state of obesity, important differences emerge, including a reduction in cholesteryl esters and intermediates of protein glycation, and an increase in antioxidants and metabolites associated with hypoxia and longevity. We find important overlaps between metabolic alterations in cave-dwelling Mexican tetra and other models of resilience and extreme longevity, such as naked mole-rats, including enhanced reliance on sugars as an energy source and a trend toward more potent antioxidant activity. This work suggests that certain metabolic features associated with human pathologies are not intrinsically harmful, but are rather consequences of suboptimal adaptation of humans to survival under adverse metabolic conditions, and suggests promising avenues for future investigation into the role of metabolic strategies in evolutionary adaptation and health. We provide a transparent pipeline for reproducing our analysis and a Shiny app for other researchers to explore and visualize our dataset.

The considerable difficulty encountered in reproducing the results of published dynamical models limits validation, exploration and reuse of this increasingly large biomedical research resource. To address this problem, we have developed Tellurium Notebook, a software system that facilitates building reproducible dynamical models and reusing models by 1) supporting the COMBINE archive format during model development for capturing model information in an exchangeable format and 2) enabling users to easily simulate and edit public COMBINE-compliant models from public repositories to facilitate studying model dynamics, variants and test cases. Tellurium Notebook, a Python-based Jupyter-like environment, is designed to seamlessly inter-operate with these community standards by automating conversion between COMBINE standards formulations and corresponding in-line, human-readable representations. Thus, Tellurium brings to systems biology the strategy used by other literate notebook systems such as Mathematica. These capabilities allow users to edit every aspect of the standards-compliant models and simulations, run the simulations in-line, and re-export to standard formats. We provide several use cases illustrating the advantages of our approach and how it allows development and reuse of models without requiring technical knowledge of standards. Adoption of Tellurium should accelerate model development, reproducibility and reuse.

The SBML standard is used in a number of online repositories for storing systems biology models, yet there is currently no Web–capable JavaScript library that can read and write the SBML format. This is a severe limitation since the Web has become a universal means of software distribution, and the graphical capabilities of modern web browsers offer a powerful means for building rich, interactive applications. Also, there is a growing developer population specialized in web technologies that is poised to take advantage of the universality of the web to build the next generation of tools in systems biology and other fields. However, current solutions require server– side processing in order to support existing standards in modeling. We present libsbmljs, a JavaScript / WebAssembly library for Node.js and the Web with full support for all SBML extensions. Our library is an enabling technology for online SBML editors, model–building tools, and web–based simulators, and runs entirely in the browser without the need for any dedicated server resources. We provide NPM packages, an extensive set of examples, JavaScript API documentation, and an online demo that allows users to read and validate the SBML content of any model in the BioModels and BiGG databases. We also provide instructions and scripts to allow users to build a copy of libsbmljs against any libSBML version. Although our library supports all existing SBML extensions, we cover how to add additional extensions to the wrapper, should any arise in the future. To demonstrate the utility of this implementation, we also provide a demo at with a proof–of–concept SBML simulator that supports ODE and stochastic simulations for SBML core models. Our project is hosted at , which contains links to examples, API documentation, and all source code files and build scripts used to create libsbmljs. Our source code is licensed under the Apache 2.0 open source license.

In this article, we present Tellurium, a powerful Python-based integrated environment designed for model building, analysis, simulation and reproducibility in systems and synthetic biology. Tellurium is a modular, cross-platform, and open-source integrated development environment (IDE) composed of multiple libraries, plugins, and specialized modules and methods. Tellurium ensures exchangeability and reproducibility of computational models by supporting SBML (Systems Biology Markup Language), SED-ML (Simulation Experiment Description Markup Language), the COMBINE archive, and SBOL (Synthetic Biology Open Language). Tellurium is a self-contained modeling platform which comes with a fully configured Python distribution independent of other local Python installations on the target machine. The main interface is based on the Spyder IDE which has a highly accessible user interface akin to MATLAB (https://www.mathworks.com/). Tellurium uses libRoadRunner as the default SBML simulation engine due to its superior performance, scalability and ease of integration. libRoadRunner supports deterministic simulations, stochastic simulations and steady state analyses. Tellurium also includes Antimony, a human-readable model definition language which can be converted to and from SBML. Other standard Python scientific libraries such as NumPy, SciPy, and matplotlib are included by default. Additionally, we include several user-friendly plugins and advanced modules for a wide-variety of applications, ranging from visualization tools to complex algorithms for bifurcation analysis and multi-dimensional parameter scanning. By combining multiple libraries, plugins, and modules into a single package, Tellurium provides a unified but extensible solution for biological modeling and simulation.

Abstract Neurogenic thoracic outlet syndrome (nTOS) is a chronic, focal lesion of the lower trunk of the brachial plexus or of the T1 and C8 anterior primary rami, often arising due to distortion of neural structures by a fibrous congenital band extending from a C7 transverse process or cervical rib. Accordingly, patients present with chronic weakness or atrophy of the hand, most prominently of the thenar eminence, which receives most innervation from the T1 root. We present clinical, electrophysiologic, and imaging findings in a case of nTOS presenting in an adult with a history most suggestive of congenital brachial plexus palsy (CBPP), another pathology sharing the mechanism of nerve compression or injury within the supracostoclavicular space. The patient had new right thenar eminence atrophy and a lifelong history of medial forearm sensory deficit and she improved after first rib resection. The convergence of two disorders in the same patient arising in different phases of life illustrates how anatomic or structural variation in this space can predispose to lower brachial plexus injury.

The SBML layout extension enables SBML models to encode layout information which describes the graphical depiction of model elements. In this application note, we describe libSBNW, a portable library that supports the SBML layout extension and can automatically generate layout for SBML models. The library can be used to automatically generate layout information for SBML models lacking it, or to edit coordinate information already encoded in a model. We provide C and Python APIs to allow other applications to host the library or to use it directly from the Python console. We show that the library is sufficient for creating a graphical application for displaying and editing layout information. The library is open-source and licensed under the BSD 3-clause license. Project source code, downloads, documentation and binaries for Windows and Mac OS X are available at \href{https://github.com/sys-bio/sbnw}{https://github.com/sys-bio/sbnw}. The library is also included in Tellurium, available at http://tellurium.analogmachine.org/. Video tutorials are available at http://0u812.github.io/sbnw/tutorials/.

Mechanistic kinetic models of biological pathways are an important tool for understanding biological systems. Constructing kinetic models requires fitting the parameters to experimental data. However, parameter fitting on these models is a non–convex, non–linear optimization problem. Many algorithms have been proposed to addressing optimization for parameter fitting including globally convergent, population–based algorithms. The computational complexity of the this optimization for even modest models means that parallelization is essential. Past approaches to parameter optimization have focused on parallelizing a particular algorithm. However, this requires re–implementing the algorithm usinga distributed computing framework, which requires a significant investment of time and effort. There are two major drawbacks of this approach: First, the choice of best algorithm may depend on the model. Given the large variety of optimization algorithms available, it is difficult to re–implement every potentially useful algorithm. Second, when new advances are made in a given optimization algorithm, the parallel implementation must be updated to take advantage of these advantages. Thus, there is a continual burden placed on the parallel implementation. The drawbacks of re–implementing algorithms lead us to a different approach to parallelizing parameter optimization. Instead of parallelizing the algorithms themselves, we run many instances of the algorithm on single cores. This provides great flexibility as to the choice of algorithms by allowing us to reuse previous implementations. Also, it does not require the creation and maintenance of parallel versions of optimization algorithms. This approach is known as the island method. To our knowledge, the utility of the island method for parameter fitting in systems biology has not been previously demonstrated. For the parameter fitting problem, we allow islands to exchange information about their “best” solutions so that all islands leverage the discoveries of the few. This turns out to be avery effective in practice, leading to super–linear speedups. That is, if a single processor finds the optimal value of parameters in time t , then N processors exchanging information in this way find the optimal value much faster than t/N . We show that the island method is able to consistently provide good speedups for these problems. We also benchmark the island method against a variety of large, challenging kinetic models and show that it is able to consistently improve the quality of fit in less time than a single–threaded implementation.Our software is available at under a Apache 2.0 license.Contact mailto:medjk{at}comcast.net

Summary: In this technical report we describe a simple extension to python-libSBML that allows users of Python to more easily construct SBML based models. The most commonly used package for constructing SBML models in Python is python-libSBML based on the C/C++ library libSBML. python-libSBML supports a comprehensive set of model types, but is difficult for new users to learn and requires long scripts to create even the simplest models. We present SimpleSBML, a package that allows users to add species, parameters, reactions, events, and rules to a libSBML model with only one command for each. Models can be exported to SBML format, and SBML files can be imported and converted to SimpleSBML commands that creates each element in a new model. This allows users to create new models and edit existing models for use with other software. Accessibility and Implementation: SimpleSBML is publicly available and licensed under the liberal Apache 2.0 open source license. It supports SBML levels 2 and 3. Its only dependency is libSBML. It is supported on Windows and Mac OS X. All code has been deposited at the GitHub site: https://github.com/sys-bio/simplesbml Contact: carolc24@u.washington.edu or hsauro@u.washington.edu Supplementary information: Documentation and download is available at sys-bio.github.io/simplesbml.