The silkworm Bombyx mori is a domestic insect for silk production and a lepidopteran model. The currently available genomes limit a full understanding of its genetic and phenotypic diversity. Here we assembled long-read genomes of 545 domestic and wild silkworms and constructed a high-resolution pan-genome dataset. We found that the silkworm population harbors extremely variable genomes containing 7,308 new gene families, 4,260 (22%) core gene families, and 3,432,266 non-redundant SVs. We deciphered a series of causal genes and variants associated with domestication, breeding, and ecological adaptation traits, and experimentally validated two of those genes using CRISPR-Cas9 or RNA interference. This unprecedented large-scale genomic resource allows for high-throughput screening of interesting traits for functional genomic research and breeding improvement of silkworms and may serve as a guideline for traits decoding in other species.

Abstract Predictive determinants of stochastic single-cell fates have been elusive, even for the well-studied mammalian cell cycle. What drives proliferation decisions of single cells at any given time? We monitored single-cell dynamics of the ERK and Akt pathways, critical cell cycle progression hubs and anti-cancer drug targets, and paired them to division events in the same single cells using the non-transformed MCF10A epithelial line. Following growth factor treatment, in cells that divide both ERK and Akt activities are significantly higher within the S-G2 time window (∼8.5-40 hours). Such differences were much smaller in the pre-S-phase, restriction point window which is traditionally associated with ERK and Akt activity dependence, suggesting unappreciated roles for ERK and Akt in S through G2. Machine learning algorithms show that simple metrics of central tendency in this time window are most predictive for subsequent cell division; median ERK and Akt activities classify individual division events with an AUC=0.76. Surprisingly, ERK dynamics alone predict division in individual cells with an AUC=0.74, suggesting Akt activity dynamics contribute little to the decision driving cell division in this context. We also find that ERK and Akt activities are less correlated with each other in cells that divide. Network reconstruction experiments demonstrated that this correlation behavior was likely not due to crosstalk, as ERK and Akt do not interact in this context, in contrast to other transformed cell types. Overall, our findings support roles for ERK and Akt activity throughout the cell cycle as opposed to just before the restriction point, and suggest ERK activity dynamics are substantially more important than Akt activity dynamics for driving cell division in this non-transformed context. Single cell imaging along with machine learning algorithms provide a better basis to understand cell cycle progression on the single cell level.

Understanding the dynamics of intracellular signaling pathways, such as ERK1/2 (ERK) and Akt1/2 (Akt), in the context of cell fate decisions is important for advancing our knowledge of cellular processes and diseases, particularly cancer. While previous studies have established associations between ERK and Akt activities and proliferative cell fate, the heterogeneity of single-cell responses adds complexity to this understanding. This study employed a data-driven approach to address this challenge, developing machine learning models trained on a dataset of growth factor-induced ERK and Akt activity time courses in single cells, to predict cell division events. The most effective predictive models were developed by applying discrete wavelet transforms (DWTs) to extract low-frequency features from the time courses, followed by using Ensemble Integration, an effective data integration and predictive modeling framework. The results demonstrated that these models effectively predicted cell division events in MCF10A cells (F-measure=0.524, AUC=0.726). ERK dynamics were found to be more predictive than Akt, but the combination of both measurements further enhanced predictive performance. The ERK model`s performance also generalized to predicting division events in RPE cells, indicating the potential applicability of these models and our data-driven methodology for predicting cell division across different biological contexts. Interpretation of these models suggested that ERK dynamics throughout the cell cycle, rather than immediately after growth factor stimulation, were associated with the likelihood of cell division. Overall, this work contributes insights into the predictive power of intra-cellular signaling dynamics for cell fate decisions, and highlights the potential of machine learning approaches in unraveling complex cellular behaviors.

The chloroplast chaperonin system is indispensable for the biogenesis of Rubisco, the key enzyme in photosynthesis. Using Chlamydomonas reinhardtii as the model system, we revealed that chloroplast chaperonin is consisted of CPN60α, CPN60β1, and CPN60β2, and co-chaperonin is composed of three subunits CPN20, CPN11 and CPN23 in vivo. CPN20 homo-oligomers and all possible other chloroplast co-chaperonin hetero-oligomers are functional, but only CPN11/20/23-CPN60αβ1β2 pair can fully replace GroES/GroEL in E. coli at stringent growth condition. Endogenous CPN60 was purified and its stoichiometry was determined to be 6:2:6 for CPN60α:CPN60β1:CPN60β2. The cryo-EM structures of endogenous CPN60αβ1β2/ADP and CPN60αβ1β2/co-chaperonin/ADP were solved at resolutions of 4.06 Å and 3.82 Å, respectively. In both hetero-oligomeric complexes the chaperonin subunits within each ring are highly symmetric. The chloroplast co-chaperonin CPN11/20/23 formed seven GroES-like domains through hetero-oligomerization which symmetrically interact with CPN60αβ1β2. Our structures also reveal an uneven distribution of roof-like structures in the dome-shaped CPN11/20/23 and potentially diversified surface properties in the folding cavity of CPN60αβ1β2 that might enable the chloroplast chaperonin system to assist in the folding of specific substrates.

Abstract The CRISPR-Cas9 genome editing-based lineage tracing system is emerging as a powerful tool to track cell lineages at unprecedented scale and resolution. However, the complexity of CRISPR-Cas9 induced mutations has raised challenges in lineage reconstruction, which requires a unique computational analysis framework. Meanwhile, multiple distinctive CRISPR-based high-throughput lineage recorders have been developed over the years in which the data analysis is incompatible across platforms. To address these challenges, first, we present the TraceQC, a cross-platform open-source package for data processing and quality evaluation of CRISPR lineage tracing data. Second, by using the TraceQC package, we performed a comprehensive analysis across multiple CRISPR lineage recorders to uncover the speed and distribution of CRISPR-induced mutations. Together, this work provides a computational framework for the CRISPR lineage tracing system that should broadly benefit the design and application of this promising technology.

Abstract Background: Thesium chinense known as “plant antibiotic” is a facultative root hemi-parasitic herb while Prunella vulgaris can serve as its host. However, the molecular mechanisms underlying the communication between T. chinense and its host remained largely unexplored. The aim of this study was to provide a comprehensive view of transferred metabolites and mobile mRNAs between T. chinense and P. vulgaris . Results: The wide-target metabolomic and transcriptomic analysis identified 5 transferred metabolites and 668 mobile genes between T. chinense and P. vulgaris , as well as haustoria formation related 56 metabolites and 189 genes. Furthermore, we inferred a regulatory network that might be involved in haustoria formation, and 18 genes promoting haustoria formation and 1 gene inhibiting it were identified as a consequence. There were 4 metabolites (ethylsalicylate, eriodictyol-7-O-glucoside, aromadendrin-7-O-glucoside and pruvuloside B) that are transferred from P. vulgaris to T. chinense , whereas 2-ethylpyrazine was transferred from T. chinense to P. vulgaris . Conclusions: These results suggested that there was an extensive exchange of information with P. vulgaris including transferred metabolites and mobile mRNAs, which might facilitate the haustoria formation and parasition of T. chinense . Author summary T. chinense known as “plant antibiotic” is a facultative root hemi-parasitic herb while P. vulgaris can serve as its host. Currently, the information exchange between T. chinense and its host remained unknown, and a comprehensive view of transferred metabolites and mobile mRNAs between T. chinense and its host is critical so that appropriate chemical and genetic improvement can be used to facilitate haustoria formation and successful parasitism. Here, we employ the conjoint wide-target metabolomic and transcriptomic analysis to explore the information exchange between T. chinense and P. vulgaris. We identified 5 transferred metabolites and 668 mobile genes between T. chinense and P. vulgaris , as well as haustoria formation related 56 metabolites and 189 genes. Our study provides new insights into the complex interplay between parasite and host during parasitism.

太平洋白腿虾（Litopenaeus vannamei）和小龙虾（Procambarus clarkii）是世界上生产力最高的水生动物。小孢子虫小肠细胞瘤（EHP）是一种细胞内孢子形成单细胞寄生虫，导致南美白乳杆菌生长受阻，在大多数对虾养殖国造成了严重的经济损失。在这项研究中，我们发现生活在EHP爆发的虾塘中的野生P. clarkii在临时实验室培养后排泄白色粪便。有症状的小龙虾的肝胰腺（HP）颜色较浅，严重萎缩。H&E染色显示肝胰腺和肠道均有组织病变，细胞的细胞质中填充了簇状微孢子虫孢子。使用 EHPptp2 和两个微孢子虫通用引物组的 PCR 证明了 EHP 存在于 P. clarkii 的肝胰腺、肠道和白色粪便中。通过qPCR检测EHPptp103/104 ng HPgDNA的2-50拷贝的EHP载量。通过间接免疫荧光试验（IFA）和透射电子显微镜（TEM）观察克拉基假单胞菌肝胰腺中EHP的发育阶段和成熟孢子。考虑到南美白松和克拉氏松的大规模养殖、这两个物种之间的重叠养殖区域以及小龙虾在陆地和水上爬行的能力，我们的发现表明了小龙虾在EHP传播中的潜在作用，是小龙虾和虾养殖的预警。