Motivation: Recent advance in next generation sequencing has triggered the rapid accumulation of publicly available multi-omics datasets. The application of integrated omics to exploring robust signatures for clinical translation is increasingly highlighted, attributed to the clinical success of immune checkpoint blockade in diverse malignancies. However, effective tools to comprehensively interpret multi-omics data is still warranted to provide increased granularity into intrinsic mechanism of oncogenesis and immunotherapeutic sensitivity. Results: We developed a computational tool for effective Immuno-Oncology Biological Research (IOBR), providing comprehensive investigation of estimation of reported or user-built signatures, TME deconvolution and signature construction base on multi-omics data. Notably, IOBR offers batch analyses of these signatures and their correlations with clinical phenotypes, lncRNA profiling, genomic characteristics and signatures generated from single-cell RNA sequencing data in different cancer settings. Additionally, IOBR also integrates multiple existing microenvironmental deconvolution methodologies and signature construction tools for convenient comparison and selection. Collectively, IOBR is a user-friendly tool, to leverage multi-omics data to facilitate immuno-oncology exploration and unveiling of tumor-immune interactions and accelerating precision immunotherapy.

Abstract The use of large transcriptome datasets has greatly improved our understanding of the tumor microenvironment (TME) and helped develop precise immunotherapies. The increasing popularity of multi-omics sequencing, single-cell transcriptome sequencing (scRNA), and spatial transcriptome sequencing has led to numerous new discoveries. However, these findings require clinical phenotypic validation with a large sample size. To enhance the integration of multi-omics in advancing research on the tumor microenvironment, we have developed a systematic and comprehensive analytical tool (Immuno-Oncology Biological Research 2, IOBR2) based on our prior work. IOBR2 offers six modules for TME analysis based on multi-omics data. These modules cover data preprocessing, TME estimation, TME infiltrating patterns, cellular interactions, genome and TME interaction, and visualization for TME relevant features, as well as modelling based on key features. IOBR2 integrates multiple vital microenvironmental analysis algorithms and signature estimation methods, simplifying the analysis and downstream visualization of the TME. In addition to providing a quick and easy way to construct gene signatures from single-cell data, IOBR2 also provides a way to construct a reference matrix for TME deconvolution from single-cell RNAseq. The analysis pipeline and feature visualization are user-friendly and provide a comprehensive description of the complex TME, offering insights into tumor-immune interactions. A comprehensive gitbook ( https://iobr.github.io/book/ ) is available with a user-friendly manual and complete analysis workflow for each module.

Abstract Most of current cardiac regenerative approaches result in very limited cell division. Positive feedback loops are vital for cell division, but their role in CM regeneration remains unclear. We aimed to demonstrate that lncRNA Snhg1 formed a positive feedback loop with c-Myc to induce stable CM cytokinesis. We found that Snhg1 expression was increased in human and mouse fetal and myocardial infarction (MI) hearts, particularly in CMs. Snhg1 overexpression elicited stable CM proliferation and improved post-MI cardiac function. Antagonism of Snhg1 in neonatal mice inhibited CM proliferation and impaired cardiac repair after MI. Proliferative effect was confirmed using cardiac-specific transgenic mice. RNA pull-down assays showed that Snhg1 directly bound to PTEN and activated PI3K-Akt pathway, resulting in c-Myc activation. Chromatin immunoprecipitation experiments showed that Snhg1 expression was upregulated by c-Myc binding to the Snhg1 promoter region, indicating a positive feedback loop between c-Myc and Snhg1. In conclusion, c-Myc/Snhg1/PI3k-Akt positive feedback loop drove sustained activation of cell cycle re-entry and induced stable CM cytokinesis, and thus may be an attractive strategy for promoting heart regenerative response. Clinical Perspectives Most of the current cardiac regenerative approaches result in very limited cell division and little new cardiomyocyte (CM) mass. Positive feedback loops are vital for cell division, but their role in CM regeneration remain unclear. Here, we identified the long noncoding RNA Snhg1 as a driver to induce stable CM division and improve cardiac function after myocardial infarction (MI) by forming a positive feedback loop to sustain PI3K-Akt signaling activation. This finding might provide a novel therapeutic of Snhg1 as a promising regenerative approach to improve the prognosis of patients with heart failure.