Abstract We describe a large-scale community effort to build an open-access, interoperable, and computable repository of COVID-19 molecular mechanisms - the COVID-19 Disease Map. We discuss the tools, platforms, and guidelines necessary for the distributed development of its contents by a multi-faceted community of biocurators, domain experts, bioinformaticians, and computational biologists. We highlight the role of relevant databases and text mining approaches in enrichment and validation of the curated mechanisms. We describe the contents of the Map and their relevance to the molecular pathophysiology of COVID-19 and the analytical and computational modelling approaches that can be applied for mechanistic data interpretation and predictions. We conclude by demonstrating concrete applications of our work through several use cases and highlight new testable hypotheses.

Abstract Seminal studies of vertebrate protein evolution speculated that gene regulatory changes can drive anatomical innovations. However, very little is still known about gene regulatory network (GRN) evolution associated with phenotypic effect across ecologically-diverse species. Using a novel approach to reconstruct GRNs in vertebrate species, we aimed to study GRN evolution in representative species of the most striking example of an adaptive radiation, the East African cichlids. We previously demonstrated how the explosive phenotypic diversification of East African cichlids is attributed to diverse molecular mechanisms, including accelerated regulatory sequence evolution and gene expression divergence. To investigate these mechanisms across species at a genome-wide scale, our novel network-based approach identifies ancestral and extant gene co-expression modules along a phylogeny, and by integrating associated regulators, predicts candidate regulatory regions implicated in traits under selection in cichlids. As a case study, we present data from a well-studied adaptive trait - the visual system - for which we report striking cases of network rewiring for visual opsin genes, identify discrete regulatory variants, and investigate the plausibility of their association with cichlid visual system evolution. In regulatory regions of visual opsin genes, in vitro assays confirm that transcription factor binding site mutations disrupt regulatory edges across species, and segregate according to lake species phylogeny and ecology, suggesting GRN rewiring in radiating cichlids. Our approach revealed numerous novel potential candidate regulatory regions across cichlid genomes with no prior association, as well as those with previously reported associations to known adaptive evolutionary traits, thus providing proof of concept.

Abstract The SARS-CoV-2 pandemic of 2020 has mobilised scientists around the globe to research all aspects of the coronavirus virus and its infection. For fruitful and rapid investigation of viral pathomechanisms, a collaborative and interdisciplinary approach is required. Therefore, we have developed ViralLink: a systems biology workflow which reconstructs and analyses networks representing the effect of viruses on intracellular signalling. These networks trace the flow of signal from intracellular viral proteins through their human binding proteins and downstream signalling pathways, ending with transcription factors regulating genes differentially expressed upon viral exposure. In this way, the workflow provides a mechanistic insight from previously identified knowledge of virally infected cells. By default, the workflow is set up to analyse the intracellular effects of SARS-CoV-2, requiring only transcriptomics counts data as input from the user: thus, encouraging and enabling rapid multidisciplinary research. However, the wide-ranging applicability and modularity of the workflow facilitates customisation of viral context, a priori interactions and analysis methods. Through a case study of SARS-CoV-2 infected bronchial/tracheal epithelial cells, we evidence the functionality of the workflow and its ability to identify key pathways and proteins in the cellular response to infection. The application of ViralLink to different viral infections in a cell-type specific manner using different available transcriptomics datasets will uncover key mechanisms in viral pathogenesis. The workflow is available on GitHub ( https://github.com/korcsmarosgroup/ViralLink ) in an easily accessible Python wrapper script, or as customisable modular R and Python scripts. Author summary Collaborative and multidisciplinary science provides increased value for experimental datasets and speeds the process of discovery. Such ways of working are especially important at present due to the urgency of the SARS-CoV-2 pandemic. Here, we present a systems biology workflow which models the effect of viral proteins on the infected host cell, to aid collaborative and multidisciplinary research. Through integration of gene expression datasets with context-specific and context-agnostic molecular interaction datasets, the workflow can be easily applied to different datasets as they are made available. Application to diverse SARS-CoV-2 datasets will increase our understanding of the mechanistic details of the infection at a cell type specific level, aid drug target discovery and help explain the variety of clinical manifestations of the infection.

Abstract Intercellular communication mediated by cytokines is critical to the development of immune responses, particularly in the context of infectious and inflammatory diseases. By releasing these small molecular weight peptides, the source cells can influence numerous intracellular processes in the target cells, including the secretion of other cytokines downstream. However, there are no readily available bioinformatic resources that can model cytokine - cytokine interactions. In this effort, we built a communication map between major tissues and blood cells that reveals how cytokine-mediated intercellular networks form during homeostatic conditions. We collated the most prevalent cytokines from literature, and assigned the proteins and their corresponding receptors to source tissue and blood cell types based on enriched consensus RNA-Seq data from the Human Protein Atlas database. To assign more confidence to the interactions, we integrated literature information on cell - cytokine interactions from two systems immunology databases, immuneXpresso and ImmunoGlobe. From the collated information, we defined two metanetworks: a cell-cell communication network connected by cytokines; and a cytokine-cytokine interaction network depicting the potential ways in which cytokines can affect the activity of each other. Using expression data from disease states, we then applied this resource to reveal perturbations in cytokine-mediated intercellular signalling in inflammatory and infectious diseases (ulcerative colitis and COVID-19, respectively). For ulcerative colitis, with CytokineLink we demonstrated a significant rewiring of cytokine-mediated intercellular communication between non-inflamed and inflamed colonic tissues. For COVID-19, we were able to identify inactive cell types and cytokine interactions that may be important following SARS-CoV-2 infection when comparing the cytokine response with other viruses capable of initiating a cytokine storm. Such findings have potential to inform the development of novel, cytokine-targeted therapeutic strategies. CytokineLink is freely available for the scientific community through the NDEx platform and the project github repository ( https://github.com/korcsmarosgroup/CytokineLink ).

Abstract Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) represents an unprecedented worldwide health problem. Although the primary site of infection is the lung, growing evidence points towards a crucial role of the intestinal epithelium. Yet, the exact effects of viral infection and the role of intestinal epithelial-immune cell interactions in mediating the inflammatory response are not known. In this work, we apply network biology approaches to single-cell RNA-seq data from SARS-CoV-2 infected human ileal and colonic organoids to investigate how altered intracellular pathways upon infection in intestinal enterocytes leads to modified epithelial-immune crosstalk. We point out specific epithelial-immune interactions which could help SARS-CoV-2 evade the immune response. By integrating our data with existing experimental data, we provide a set of epithelial ligands likely to drive the inflammatory response upon infection. Our integrated analysis of intra- and inter-cellular molecular networks contribute to finding potential drug targets, and suggest using existing anti-inflammatory therapies in the gut as promising drug repurposing strategies against COVID-19.

Abstract Traditional gene set enrichment analyses are typically limited to a few ontologies and do not account for the interdependence of gene sets or terms, resulting in overcorrected p -values. To address these challenges, we introduce mulea , an R package offering comprehensive overrepresentation and functional enrichment analysis. mulea employs an innovative empirical false discovery rate (eFDR) correction method , specifically designed for interconnected biological data, to accurately identify significant terms within diverse ontologies. mulea expands beyond traditional tools by incorporating a wide range of ontologies, encompassing Gene Ontology, pathways, regulatory elements, genomic locations, and protein domains. This flexibility enables researchers to tailor enrichment analysis to their specific questions, such as identifying enriched transcriptional regulators in gene expression data or overrepresented protein domains in protein sets. To facilitate seamless analysis, mulea provides gene sets (in standardised GMT format) for 27 model organisms, covering 16 databases and various identifiers resulting in almost 900 files. Additionally, the muleaData ExperimentData Bioconductor package simplifies access to these pre-defined ontologies. Finally, mulea ’s architecture allows for easy integration of user-defined ontologies, expanding its applicability across diverse research areas. Availability and Implementation Software for the tools demonstrated in this article is available as an R package on GitHub: https://github.com/ELTEbioinformatics/mulea .

Abstract Serovars of the genus Salmonella primarily evolved as gastrointestinal pathogens in a wide range of hosts. Some serotypes later evolved further, adopting a more invasive lifestyle in a narrower host range associated with systemic infections. A system-level knowledge of these pathogens has the potential to identify the complex adaptations associated with the evolution of serovars with distinct pathogenicity, host range and risk to human health. This promises to aid the design of interventions and serve as a knowledge base in the Salmonella research community. Here we present SalmoNet2, a major update to SalmoNet, the first multi-layered interaction resource for Salmonella strains, containing protein-protein, transcriptional regulatory and enzyme enzyme interactions. The new version extends the number of Salmonella genomes from 11 to 20, including strains such as S . Typhimurium D23580, an epidemic multidrug-resistant strain leading to invasive non-typhoidal Salmonella Disease (iNTS), and a strain from Salmonella bongori , another species in the Salmonella genus. The database now uses strain specific metabolic models instead of a generalised model to highlight differences between strains. This has increased the coverage of high-quality protein-protein interactions, and enhances interoperability with other computational resources by adopting standardised formats. The resource website has been updated with tutorials to help researchers analyse their Salmonella data using molecular interaction networks from SalmoNet2. SalmoNet2 is accessible at http://salmonet.org/ . Importance Multi-layered network databases collate information from multiple sources, and are powerful both as a knowledge base and platform for analysis. Here we present SalmoNet2, an integrated network resource of 20 Salmonella strains, containing protein-protein, transcriptional regulatory, and metabolic interactions. Key improvements to the update include expanding the number of strains, strain-specific metabolic networks, an increase in high quality protein-protein interactions, community standard computational formats to help interoperability, and online tutorials to help users analyse their data using SalmoNet2.

Abstract Autophagy is a highly-conserved catabolic process eliminating dysfunctional cellular components and invading pathogens. Autophagy malfunction contributes to disorders such as cancer, neurodegenerative and inflammatory diseases. Understanding autophagy regulation in health and disease has been the focus of the last decades. We previously provided an integrated database for autophagy research, the Autophagy Regulatory Network (ARN). For the last seven years, this resource has been used by thousands of users. Here, we present a new and upgraded resource, AutophagyNet. It builds on the previous database but contains major improvements to address user feedback and novel needs due to the advancement in omics data availability. AutophagyNet contains updated interaction curation and integration of over 280,000 experimentally verified interactions between core autophagy proteins and their protein, transcriptional and post-transcriptional regulators as well as their potential upstream pathway connections. AutophagyNet provides annotations for each core protein about their role: 1) in different types of autophagy (mitophagy, xenophagy, etc.); 2) in distinct stages of autophagy (initiation, elongation, termination, etc); 3) with subcellular and tissue-specific localization. These annotations can be used to filter the dataset, providing customizable download options tailored to the user’s needs. The resource is available in various file formats (e.g., CSV, BioPAX and PSI-MI), and data can be analyzed and visualized directly in Cytoscape. The multi-layered regulation of autophagy can be analyzed by combining AutophagyNet with tissue- or cell type-specific using (multi-)omics datasets (e.g. transcriptomic or proteomic data). The resource is publicly accessible at http://autophagynet.org .

Macroautophagy, the degradation of cytoplasmic content by lysosomal fusion, is an evolutionary conserved process promoting homeostasis and intracellular defence. Macroautophagy is initiated primarily by a complex containing ULK1 or ULK2 (two paralogs of the yeast Atg1 protein). Deletion of ULK1 is sufficient to interrupt autophagy, while ULK2 seems expendable. To understand the differences between ULK1 and ULK2, we compared the human ULK1 and ULK2 proteins and their regulation. Despite the high similarity in their enzymatic domain, we found that ULK1 and ULK2 have major differences in their post-translational and transcriptional regulators. We identified 18 ULK1-specific and 7 ULK2-specific protein motifs serving as different interaction interfaces. We identified three ULK1-specific and one ULK2-specific transcription factor binding sites, and eight sites shared by the regulatory region of both genes. Importantly, we found that both their post-translational and transcriptional regulators are involved in distinct biological processes - suggesting separate functions for ULK1 and ULK2. For example, we found a condition-specific, opposite effect on apoptosis regulation for the two ULK proteins. Given the importance of autophagy in diseases such as inflammatory bowel disease and cancer, unravelling differences between ULK1 and ULK2 could lead to a better understanding of how autophagy is dysregulated in diseased conditions.

The epithelial lining of the small intestine consists of multiple cell types, including Paneth cells and goblet cells, that work in cohort to maintain gut health. 3D in vitro cultures of human primary epithelial cells, called organoids, have become a key model to study the functions of Paneth cells and goblet cells in normal and diseased conditions. Advances in these models include the ability to skew differentiation to particular lineages, providing a useful tool to study cell type specific function/dysfunction in the context of the epithelium. Here, we use comprehensive profiling of mRNA, microRNA and long non-coding RNA expression to confirm that Paneth cell and goblet cell enrichment of murine small intestinal organoids (enteroids) establishes a physiologically accurate model. We employ network analysis to infer the regulatory landscape altered by skewing differentiation, and using knowledge of cell type specific markers, we predict key regulators of cell type specific functions: Cebpa, Jun, Nr1d1 and Rxra specific to Paneth cells, Gfi1b and Myc specific for goblet cells and Ets1, Nr3c1 and Vdr shared between them. Links identified between these regulators and cellular phenotypes of inflammatory bowel disease (IBD) suggest that global regulatory rewiring during or after differentiation of Paneth cells and goblet cells could contribute to IBD aetiology. Future application of cell type enriched enteroids combined with the presented computational workflow can be used to disentangle multifactorial mechanisms of these cell types and propose regulators whose pharmacological targeting could be advantageous in treating IBD patients with Crohn’s disease or ulcerative colitis.Table of contents We demonstrate the application of network biology techniques to increase understanding of intestinal dysbiosis through studying transcriptomics data from Paneth and goblet cell enriched enteroids.![Figure][1] [1]: pending:yes