Abstract Delineating the spatial multiomics landscape will pave the way to understanding the molecular basis of physiology and pathology. However, current spatial omics technology development is still in its infancy. Here, we developed a high-throughput multiomics in situ pairwise sequencing (MiP-Seq) strategy to efficiently decipher multiplexed DNAs, RNAs, proteins, and small biomolecules at subcellular resolution. We delineated dynamic spatial gene profiles in the hypothalamus using MiP-Seq. Moreover, MiP-Seq was unitized to detect tumor gene mutations and allele-specific expression of parental genes and to differentiate sites with and without the m6A RNA modification at specific sites. MiP-Seq was combined with in vivo Ca 2+ imaging and Raman imaging to obtain a spatial multiomics atlas correlated to neuronal activity and cellular biochemical fingerprints. Importantly, we proposed a “signal dilution strategy” to resolve the crowded signals that challenge the applicability of in situ sequencing. Together, our method improves spatial multiomics and precision diagnostics and facilitates analyses of cell function in connection with gene profiles.

Abstract We developed CoolBox, an open source toolkit for visual analysis of genomics data, which is highly compatible with the Python ecosystem, easy to use and highly customizable with a well-designed user interface. It can be used in various visualization situations like a Swiss army knife, for example, to produce high-quality genome track plots or fetch common used genomic data files with a Python script or command line, interactively explore genomic data within Jupyter environment or web browser. Moreover, owing to the highly extensible API design, users can customize their own tracks without difficulty, which can greatly facilitate analytical, comparative genomic data visualization tasks.

Summary: CoolBox is a Python package for interactive genomic data exploration based on Jupyter notebook. It provides a ggplot2-like Application Programming Interface (API) for genomic data visualization, and a Jupyter/ipywidgets based Graphical User Interface (GUI) for interactive data exploration. CoolBox is a versatile multi-omics explorer supporting most types of data formats generated by various sequencing technologies like RNA-Seq, ChIP-Seq, ChIA-PET and Hi-C. Availability and implementation: CoolBox is purely implemented with Python, and the GUI widget in Jupyter notebook is based on the ipywidgets package. It is open-source and available under GPLv3 license at https://github.com/GangCaoLab/CoolBox.

Background It is becoming increasingly important to understand the mechanism of regulatory elements on target genes in long-range genomic distance. 3C (Chromosome Conformation Capture) and its derived methods are now widely applied to investigate genome organizations and gene regulation. Digestion-Ligation-Only Hi-C (DLO Hi-C) is a new technology with high efficiency and effective cost for whole-genome chromosome conformation capture.Results Here, we introduce DLO Hi-C Tool, a flexible and versatile pipeline for processing DLO Hi-C data from raw sequencing reads to normalized contact maps and providing quality controls for different steps. It includes more efficient iterative mapping and linker filtering. We applied DLO Hi-C Tool to different DLO Hi-C datasets, and demonstrated its ability of processing large data in multi-threading.Conclusions DLO Hi-C Tool is suitable for processing DLO Hi-C and in situ DLO Hi-C datasets. It is convenient and efficient for DLO Hi-C data processing.* ### Abbreviations 3C : C hromosome C onformation C apture 3D : Three-Dimensional BWA : Burrows-Wheeler Alignment ChIA-PET : Chromatin Interaction Analysis by Paired-End Tag Sequencing DLO Hi-C : Digestion-Ligation-Only Hi-C HTML : HyperText Markup Language PAGE : PolyacrylAmide Gel Electrophoresis PCR : Polymerase Chain Reaction SNP : Single Nucleotide Polymorphism TADs : Topologically Associating Domains

Abstract: Mycobacterium tuberculosis ( M . tb ) causes the current leading infectious disease. Examination of the functional genomics of M.tb and development of drugs and vaccines are hampered by the complicated and time-consuming genetic manipulation techniques for M . tb . Here, we reprogrammed M.tb endogenous type III-A CRISPR-Cas10 system for simple and efficient gene editing, RNA interference and screening via simple delivery of a plasmid harboring a mini-CRISPR array, thereby avoiding the introduction of exogenous proteins and minimizing proteotoxicity. We demonstrated that M.tb genes were efficiently and specifically knocked-in/out by this system, which was confirmed by whole-genome sequencing. This system was further employed for single and simultaneous multiple-gene RNA interference. Moreover, we successfully applied this system for genome-wide CRISPR interference screening to identify the in-vitro and intracellular growth-regulating genes. This system can be extensively used to explore the functional genomics of M.tb and facilitate the development of new anti- Mycobacterial drugs and vaccines.

Abstract The sparse Bayesian learning (SBL) algorithm has demonstrated its advantage in the direction of arrival (DOA) estimation. However, it requires a lot of computational cost to iteratively estimate the SBL hyperparameters from measurement data. This paper focuses on fast estimating the array shape and DOAs using SBL for a short towed line array (TLA) during manoeuvring. A parabolic model is utilised to describe the bent TLA whose bow as a hyperparameter is estimated in the SBL iterative process. Then, the basis vector pruning strategy is considered in the iteration to reduce computational cost by neglecting the impossible directions of signal presence. The converged speed of the joint estimation algorithm is further improved by approximately calculating the posterior probability density with the message passing approach. The effectiveness of the optimising joint estimation algorithm is verified using the experimental results from South China Sea.