ABSTRACT Phaeodactylum tricornutum is a marine diatom with a growing genetic toolbox available and is being used in many synthetic biology applications. While most of the genome has been assembled, the currently available genome assembly is not a completed telomere-to-telomere assembly. Here, we used Oxford Nanopore long reads to build a telomere-to-telomere genome for Phaeodactylum tricornutum . We developed a graph-based approach to extract all unique telomeres, and used this information to manually correct assembly errors. In total, we found 25 nuclear chromosomes that comprise all previously assembled fragments, in addition to the chloroplast and mitochondrial genomes. We found that chromosome 19 has filtered long-read coverage and a quality estimate that suggests significantly less haplotype sequence variation than the other chromosomes. This work improves upon the previous genome assembly and provides new opportunities for genetic engineering of this species, including creating designer synthetic chromosomes.

ABSTRACT Ion channels, transporters, and other ion-permeating proteins, collectively comprising the ion permeome (IP), are common drug targets. However, their roles in cancer are understudied. Our integrative pan-cancer analysis shows that IP genes display highly-elevated expression patterns in subsets of cancer samples significantly more often than expected transcriptome-wide. To enable target identification, we identified 410 survival-associated IP genes in 29 cancer types using a machine learning approach. Notably, GJB2 and SCN9A show prominent expression in neoplastic cells and associate with poor prognosis in glioblastoma (GBM), the most common and aggressive brain cancer. GJB2 or SCN9A knockdown in patient-derived GBM cells induces transcriptome-wide changes involving neural projection and proliferation pathways, impairs cell viability and tumor sphere formation, mitigates tunneling nanotube formation, and extends the survival of GBM-bearing mice. Thus, aberrant activation of IP genes appears as a pan-cancer feature of tumor heterogeneity that can be exploited for mechanistic insights and therapy development.

Abstract Omics techniques generate comprehensive profiles of biomolecules in cells and tissues. However, a holistic understanding of underlying systems requires joint analyses of multiple data modalities. We present DPM, a data fusion method for integrating omics datasets using directionality and significance estimates of genes, transcripts, or proteins. DPM allows users to define how the input datasets are expected to interact directionally given the experimental design or biological relationships between the datasets. DPM prioritises genes and pathways that change consistently across the datasets and penalises those with inconsistent directionality. To demonstrate our approach, we characterise gene and pathway regulation in IDH -mutant gliomas by jointly analysing transcriptomic, proteomic, and DNA methylation datasets. Directional integration of survival information in ovarian cancer reveals candidate biomarkers with consistent prognostic signals in transcript and protein expression. DPM is a general and adaptable framework for gene prioritisation and pathway analysis in multi-omics datasets.

The assembly and binning of metagenomically-assembled genomes (MAGs) using Illumina sequencing has improved the genomic characterization of unculturable communities. However, short-read-only metagenomic assemblies rarely result in completed genomes because of the difficulty assembling repetitive regions. Here, we present a strategy to complete and validate multiple MAGs from a bacterial community using a combination of short and ultra long reads (N50 > 24 kb). Our strategy is to perform an initial long read-only metagenomic assembly using metaFlye, followed by multiple rounds of polishing using both long and short reads. To validate the genomes, we verified that longs reads spanned the regions that were not supported by uniquely mapped paired-end Illumina sequences. We obtained multiple complete genomes from a naphthenic acid-degrading community, including one from the recently proposed Candidate Phyla Radiation. The majority of the population is represented by the assembled genomes; recruiting 63.77 % of Nanopore reads, and 64.38 % of Illumina reads. The pipeline we developed will enable researchers to validate genomes from metagenomic assemblies, increasing the quality of metagenomically assembled genomes through additional scrutiny.### Competing Interest StatementThe authors have declared no competing interest.

Omics techniques generate comprehensive profiles of biomolecules in cells and tissues. However, a holistic understanding of the data requires joint multi-omics analyses that are challenging. Here we present DPM, a data fusion method for combining multiple omics datasets using directionality and significance estimates of genes, transcripts, or proteins. DPM allows users to define how the input datasets are expected to interact directionally, reflecting the initial experimental design or regulatory relationships between the datasets. DPM statistically prioritises genes and pathways that change consistently across the datasets, while penalising those violating the constraints. Joint analyses of transcriptomic, proteomic, DNA methylation, and clinical datasets of cancer samples demonstrate how directional integration identifies genes and pathways modulated across omics datasets, highlights those with inconsistent evidence, and reveals candidate biomarkers with prognostic signals in multiple datasets. DPM is implemented in the ActivePathways method and provides a general framework for testing detailed hypotheses in multi-omics data.

ABSTRACT Mutational signatures represent a footprint of tumor evolution and its endogenous and exogenous mutational processes. However, their functional impact on the proteome remains incompletely understood. We analysed the protein-coding impact of single base substitution signatures in 12,341 cancer genomes from 18 cancer types. Stop-gain mutations (SGMs) were strongly enriched in the signatures of tobacco smoking, APOBEC cytidine deaminases, and reactive oxygen species. These mutational processes affect specific trinucleotide contexts to substitute serine and glutamic acid residues with stop codons. SGMs are enriched in cancer hallmark pathways and tumor suppressors such as TP53, FAT1 , and APC . Tobacco-driven SGMs in lung cancer correlate with lifetime smoking history and highlight a preventable determinant of these harmful mutations. Our study exposes SGM expansion as a genetic mechanism by which endogenous and carcinogenic mutational processes contribute to protein loss-of-function, oncogenesis, and tumor heterogeneity, providing potential translational and mechanistic insights.