Array-based technologies have been used to detect chromosomal copy number changes (aneuploidies) in the human genome.Recent studies identified numerous copy number variants (CNV ) and some are common polymorphisms that may contribute to disease susceptibility.We developed, and experimentally validated, a novel computational framework (QuantiSNP) for detecting regions of copy number variation from BeadArray TM SNP genotyping data using an Objective Bayes Hidden-Markov Model (OB-HMM).Objective Bayes measures are used to set certain hyperparameters in the priors using a novel re-sampling framework to calibrate the model to a fixed Type I (false positive) error rate.Other parameters are set via maximum marginal likelihood to prior training data of known structure.QuantiSNP provides probabilistic quantification of state classifications and significantly improves the accuracy of segmental aneuploidy identification and mapping, relative to existing analytical tools (Beadstudio, Illumina), as demonstrated by validation of breakpoint boundaries.QuantiSNP identified both novel and validated CNVs.QuantiSNP was developed using BeadArray TM SNP data but it can be adapted to other platforms and we believe that the OB-HMM framework has widespread applicability in genomic research.In conclusion, QuantiSNP is a novel algorithm for high-resolution CNV/aneuploidy detection with application to clinical genetics, cancer and disease association studies.'molecular karyotyping', or 'segmental aneuploidy profiling', a descriptive term that is in line with the lack of structural information in the data generated using

Eukaryotic filamentous plant pathogens secrete effector proteins that modulate the host cell to facilitate infection. Computational effector candidate identification and subsequent functional characterization delivers valuable insights into plant-pathogen interactions. However, effector prediction in fungi has been challenging due to a lack of unifying sequence features such as conserved N-terminal sequence motifs. Fungal effectors are commonly predicted from secretomes based on criteria such as small size and cysteine-rich, which suffers from poor accuracy. We present EffectorP which pioneers the application of machine learning to fungal effector prediction. EffectorP improves fungal effector prediction from secretomes based on a robust signal of sequence-derived properties, achieving sensitivity and specificity of over 80%. Features that discriminate fungal effectors from secreted noneffectors are predominantly sequence length, molecular weight and protein net charge, as well as cysteine, serine and tryptophan content. We demonstrate that EffectorP is powerful when combined with in planta expression data for predicting high-priority effector candidates. EffectorP is the first prediction program for fungal effectors based on machine learning. Our findings will facilitate functional fungal effector studies and improve our understanding of effectors in plant-pathogen interactions. EffectorP is available at http://effectorp.csiro.au.

Pathogens secrete effector proteins and many operate inside plant cells to enable infection. Some effectors have been found to enter subcellular compartments by mimicking host targeting sequences. Although many computational methods exist to predict plant protein subcellular localization, they perform poorly for effectors. We introduce LOCALIZER for predicting plant and effector protein localization to chloroplasts, mitochondria, and nuclei. LOCALIZER shows greater prediction accuracy for chloroplast and mitochondrial targeting compared to other methods for 652 plant proteins. For 107 eukaryotic effectors, LOCALIZER outperforms other methods and predicts a previously unrecognized chloroplast transit peptide for the ToxA effector, which we show translocates into tobacco chloroplasts. Secretome-wide predictions and confocal microscopy reveal that rust fungi might have evolved multiple effectors that target chloroplasts or nuclei. LOCALIZER is the first method for predicting effector localisation in plants and is a valuable tool for prioritizing effector candidates for functional investigations. LOCALIZER is available at http://localizer.csiro.au/.

Plant-pathogenic fungi secrete effector proteins to facilitate infection. We describe extensive improvements to EffectorP, the first machine learning classifier for fungal effector prediction. EffectorP 2.0 is now trained on a larger set of effectors and utilizes a different approach based on an ensemble of classifiers trained on different subsets of negative data, offering different views on classification. EffectorP 2.0 achieves an accuracy of 89%, compared with 82% for EffectorP 1.0 and 59.8% for a small size classifier. Important features for effector prediction appear to be protein size, protein net charge as well as the amino acids serine and cysteine. EffectorP 2.0 decreases the number of predicted effectors in secretomes of fungal plant symbionts and saprophytes by 40% when compared with EffectorP 1.0. However, EffectorP 1.0 retains value, and combining EffectorP 1.0 and 2.0 results in a stringent classifier with a low false positive rate of 9%. EffectorP 2.0 predicts significant enrichments of effectors in 12 of 13 sets of infection-induced proteins from diverse fungal pathogens, whereas a small cysteine-rich classifier detects enrichment in only seven of 13. EffectorP 2.0 will fast track the prioritization of high-confidence effector candidates for functional validation and aid in improving our understanding of effector biology. EffectorP 2.0 is available at http://effectorp.csiro.au.

FLOWERING LOCUS C (FLC) has a key role in the timing of the initiation of flowering in Arabidopsis. FLC binds and represses two genes that promote flowering, FT and SOC1. We show that FLC binds to many other genes, indicating that it has regulatory roles other than the repression of flowering. We identified 505 FLC binding sites, mostly located in the promoter regions of genes and containing at least one CArG box, the motif known to be associated with MADS-box proteins such as FLC. We examined 40 of the target genes, and 20 showed increased transcript levels in an flc mutant compared with the wild type. Five genes showed decreased expression in the mutant, indicating that FLC binding can result in either transcriptional repression or activation. The genes we identified as FLC targets are involved in developmental pathways throughout the life history of the plant, many of which are associated with reproductive development. FLC is also involved in vegetative development, as evidenced by its binding to SPL15, delaying the progression from juvenile to adult phase. Some of the FLC target genes are also bound by two other MADS-box proteins, AP1 and SEP3, suggesting that MADS-box genes may operate in a network of control at different stages of the life cycle, many ultimately contributing to the development of the reproductive phase of the plant.

MicroRNAs regulate a broad range of biological mechanisms. To investigate the relationship between microRNA expression and type 2 diabetes, we compared global microRNA expression in insulin target tissues from three inbred rat strains that differ in diabetes susceptibility.

Forkhead-box protein P2 is a transcription factor that has been associated with intriguing aspects of cognitive function in humans, non-human mammals, and song-learning birds. Heterozygous mutations of the human FOXP2 gene cause a monogenic speech and language disorder. Reduced functional dosage of the mouse version (Foxp2) causes deficient cortico-striatal synaptic plasticity and impairs motor-skill learning. Moreover, the songbird orthologue appears critically important for vocal learning. Across diverse vertebrate species, this well-conserved transcription factor is highly expressed in the developing and adult central nervous system. Very little is known about the mechanisms regulated by Foxp2 during brain development. We used an integrated functional genomics strategy to robustly define Foxp2-dependent pathways, both direct and indirect targets, in the embryonic brain. Specifically, we performed genome-wide in vivo ChIP–chip screens for Foxp2-binding and thereby identified a set of 264 high-confidence neural targets under strict, empirically derived significance thresholds. The findings, coupled to expression profiling and in situ hybridization of brain tissue from wild-type and mutant mouse embryos, strongly highlighted gene networks linked to neurite development. We followed up our genomics data with functional experiments, showing that Foxp2 impacts on neurite outgrowth in primary neurons and in neuronal cell models. Our data indicate that Foxp2 modulates neuronal network formation, by directly and indirectly regulating mRNAs involved in the development and plasticity of neuronal connections.

DNA demethylases regulate DNA methylation levels in eukaryotes. Arabidopsis encodes four DNA demethylases, DEMETER (DME), REPRESSOR OF SILENCING 1 (ROS1), DEMETER-LIKE 2 (DML2), and DML3. While DME is involved in maternal specific gene expression during seed development, the biological function of the remaining DNA demethylases remains unclear.We show that ROS1, DML2, and DML3 play a role in fungal disease resistance in Arabidopsis. A triple DNA demethylase mutant, rdd (ros1 dml2 dml3), shows increased susceptibility to the fungal pathogen Fusarium oxysporum. We identify 348 genes differentially expressed in rdd relative to wild type, and a significant proportion of these genes are downregulated in rdd and have functions in stress response, suggesting that DNA demethylases maintain or positively regulate the expression of stress response genes required for F. oxysporum resistance. The rdd-downregulated stress response genes are enriched for short transposable element sequences in their promoters. Many of these transposable elements and their surrounding sequences show localized DNA methylation changes in rdd, and a general reduction in CHH methylation, suggesting that RNA-directed DNA methylation (RdDM), responsible for CHH methylation, may participate in DNA demethylase-mediated regulation of stress response genes. Many of the rdd-downregulated stress response genes are downregulated in the RdDM mutants nrpd1 and nrpe1, and the RdDM mutants nrpe1 and ago4 show enhanced susceptibility to F. oxysporum infection.Our results suggest that a primary function of DNA demethylases in plants is to regulate the expression of stress response genes by targeting promoter transposable element sequences.

Fungal effectors of wheat stem rust The fungal pathogen Ug99 (named for its identification in Uganda in 1999) threatens wheat crops worldwide. Ug99 can kill entire fields of wheat and is undeterred by many of the disease-resistance genes that otherwise protect wheat crops. Two papers describe two peptides secreted by the fungus as it attacks the wheat (see the Perspective by Moscou and van Esse). Chen et al. show that fungal AvrSr50 binds to the plant's immune receptor Sr50, and Salcedo et al. show that fungal AvrSr35 binds to Sr35. Successful binding activates the plant's immune defenses. Removing or inactivating these Avr effectors leaves the plant defenseless and susceptible to disease. Science , this issue p. 1607 , p. 1604 ; see also p. 1541