The availability of human genome sequence has transformed biomedical research over the past decade. However, an equivalent map for the human proteome with direct measurements of proteins and peptides does not exist yet. Here we present a draft map of the human proteome using high-resolution Fourier-transform mass spectrometry. In-depth proteomic profiling of 30 histologically normal human samples, including 17 adult tissues, 7 fetal tissues and 6 purified primary haematopoietic cells, resulted in identification of proteins encoded by 17,294 genes accounting for approximately 84% of the total annotated protein-coding genes in humans. A unique and comprehensive strategy for proteogenomic analysis enabled us to discover a number of novel protein-coding regions, which includes translated pseudogenes, non-coding RNAs and upstream open reading frames. This large human proteome catalogue (available as an interactive web-based resource at http://www.humanproteomemap.org) will complement available human genome and transcriptome data to accelerate biomedical research in health and disease.

A hexanucleotide repeat expansion (HRE), (GGGGCC)n, in C9orf72 is the most common genetic cause of the neurodegenerative diseases amyotrophic lateral sclerosis (ALS) and frontotemporal dementia (FTD). Here we identify a molecular mechanism by which structural polymorphism of the HRE leads to ALS/FTD pathology and defects. The HRE forms DNA and RNA G-quadruplexes with distinct structures and promotes RNA•DNA hybrids (R-loops). The structural polymorphism causes a repeat-length-dependent accumulation of transcripts aborted in the HRE region. These transcribed repeats bind to ribonucleoproteins in a conformation-dependent manner. Specifically, nucleolin, an essential nucleolar protein, preferentially binds the HRE G-quadruplex, and patient cells show evidence of nucleolar stress. Our results demonstrate that distinct C9orf72 HRE structural polymorphism at both DNA and RNA levels initiates molecular cascades leading to ALS/FTD pathologies, and provide the basis for a mechanistic model for repeat-associated neurodegenerative diseases. Structurally polymorphic C9orf72 hexanucleotide repeats cause an impairment in transcriptional processivity and lead to accumulation of truncated repeat-containing transcripts that bind to specific ribonucleoproteins, such as nucleolin, in a conformation-dependent manner resulting in nucleolar stress and C9orf72-linked pathology in amyotrophic lateral sclerosis and frontotemporal dementia. Repeat expansions — mutations in which extra copies of tandemly repeated DNA sequence are generated — underlie more than 40 genetic diseases, which typically lead to neurological and neuromuscular problems. The C9orf72 hexanucleotide repeat expansion has been identified as a cause for both amyotrophic lateral sclerosis (ALS) and frontotemporal dementia (FTD). Normal C9orf72 contains up to 25 repeats, whereas those in afflicted individuals can have thousands. This study suggests that a gain in RNA toxicity underlies C9orf72-linked pathology in ALS/FTD. Transcribed C9orf72 hexanucleotide repeats are shown to bind to specific ribonucleoproteins, such as nucleolin, in a conformation-dependent manner; as a result nucleolin is mislocalized and functionally impaired, leading to nucleolar stress.

Nanostructured porous carbon materials have diverse applications including sorbents, catalyst supports for fuel cells, electrode materials for capacitors, and hydrogen storage systems. When these materials have hierarchical porosity, interconnected pores of different dimensions, their potential application is increased. Hierarchical nanostructured carbons (HNCs) that contain 3D-interconnected macroporous/mesoporous and mesoporous/microporous structures have enhanced properties compared with single-sized porous carbon materials, because they have improved mass transport through the macropores/mesopores and enhanced selectivity and increased specific surface area on the level of fine pore systems through mesopores/micropores. The HNCs with macro/mesoporosity are of particular interest because chemists can tailor specific applications through controllable synthesis of HNCs with designed nanostructures. An efficient and commonly used technique for creating HNCs is "nanocasting", a technique that first involves the creation of a sacrificial silica template with hierarchical porous nanostructure and then the impregnation of the silica template with an appropriate carbon source. This is followed by carbonization of the filled carbon precursor, and subsequent removal of the silica template. The resulting HNC is an inverse replica of its parent hierarchical nanostructured silica (HNS). Through such nanocasting, scientists can create different HNC frameworks with tailored pore structures and narrow pore size distribution. Generally, HNSs with specific structure and 3D-interconnected porosity are needed to fabricate HNCs using the nanocasting strategy. However, how can we fabricate a HNS framework with tailored structure and hierarchical porosity of meso-macropores? This Account reports on our recent work in the development of novel HNCs and their interesting applications. We have explored a series of strategies to address the challenges in synthesis of HNSs and HNCs. Through careful control of experimental parameters, we found we could readily create new HNSs and HNCs with tailored structure and hierarchical porosity. In this Account, we describe the applications of the HNCs in low-temperature fuel cells, in Li ion batteries, in quantum-dot-sensitized solar cells (QDSSCs) and as hydrogen storage materials. Fuel cell and QDSSC polarization performance data reveal that both the ordered HNC and spherical HNC with uniform macro- and mesoporosity demonstrate superior catalyst support effect and considerably enhanced photovoltaic performance due to their incredible structural characteristics. For hydrogen and lithium storage applications, primary experimental results show that spherical HNCs with uniform macroporous core/mesoporous shell and ordered HNC are highly beneficial in terms of a high hydrogen (or Li) uptake, good rate capability and excellent cycling retainability. These data suggest that the innovative HNCs with tailored nanostructure may find promising applications in the rapid and efficient storage of hydrogen (or Li).

We propose to utilize the filtered Gaussian phase dither technique for the effective suppression of the multipathinterference (MPI) noises caused by multiple bad fiber connectors in the mobile fronthaul network (MFN) based on the radio-overfiber (RoF) technology.We first evaluate the viable performances of the RoF-based MFN in the 5G wireless communication systems by using this technique and deduce the required bandwidth and phase modulation depth of the filtered Gaussian dither signal for the suppression of the MPI noises by numerical simulations.The results show that, by using the proposed technique, it is possible to suppress the MPI noises by ∼10 dB regardless of the number of bad fiber connectors.These simulation results are experimentally verified in the RoF link capable of transporting the 5G wireless signals (i.e., thirty-two 100-MHz orthogonal-frequency-divisionmultiplexed (OFDM) signals modulated in 64QAM or 256QAM format).We also evaluate the effectiveness of the proposed dither technique in a high-capacity RoF link implemented by using four wavelength-division-multiplexed channels and demonstrate the successful transmission of 128 100-MHz OFDM signals modulated in 256QAM format in the presence of multiple bad connectors.

Background Profiling of mRNA expression is an important method to identify biomarkers but complicated by limited correlations between mRNA expression and protein abundance. We hypothesised that these correlations could be improved by mathematical models based on measuring splice variants and time delay in protein translation.Methods We characterised time-series of primary human naïve CD4+ T cells during early T-helper type 1 differentiation with RNA-sequencing and mass-spectrometry proteomics. We then performed computational time-series analysis in this system and in two other key human and murine immune cell types. Linear mathematical mixed time-delayed splice variant models were used to predict protein abundances, and the models were validated using out-of-sample predictions. Lastly, we re-analysed RNA-Seq datasets to evaluate biomarker discovery in five T-cell associated diseases, validating the findings for multiple sclerosis (MS) and asthma.Results The new models demonstrated median correlations of mRNA-to-protein abundance of 0.79-0.94, significantly out-performing models not including the usage of multiple splice variants and time-delays, as shown in cross-validation tests. Our mathematical models provided more differentially expressed proteins between patients and controls in all five diseases. Moreover, analysis of these proteins in asthma and MS supported their relevance. One marker, sCD27, was clinically validated in MS using two independent cohorts, for treatment response and prognosis.Conclusion Our splice variant and time-delay models substantially improved the prediction of protein abundance from mRNA data in three immune cell-types. The models provided valuable biomarker candidates, which were validated in clinical studies of MS and asthma. We propose that our strategy is generally applicable for biomarker discovery.

Abstract Xanthomonas oryzae pv. oryzae (Xoo) is a plant pathogen responsible for causing bacterial blight in rice. The immediate alterations in Xoo upon initial contact with rice are essential for pathogenesis. We studied time-resolved genome-wide gene expression in pathogenicity-activated Xoo cells at the transcriptome and proteome levels. The early response genes of Xoo include genes related to cell motility, inorganic ion transport, and effectors. The alteration of gene expression is initiated as early as few minutes after the initial interaction and changes with time. The time-resolved comparison of the transcriptome and proteome shows the differences between transcriptional and translational expression peaks in many genes, although the overall expression pattern of mRNAs and proteins is conserved. The discrepancy suggests an important role of translational regulation in Xoo at the early stages of pathogenesis. The gene expression analysis using time-resolved transcriptome and proteome provides unprecedented valuable information regarding Xoo pathogenesis.

microRNAs are short RNAs that serve as master regulators of gene expression and are essential components of normal development as well as modulators of disease. MicroRNAs generally act cell autonomously and thus their localization to specific cell types is needed to guide our understanding of microRNA activity. Current tissue-level data has caused considerable confusion and comprehensive cell-level data does not yet exist. Here we establish the landscape of human cell-specific microRNA expression. This project evaluated 8 billion small RNA-seq reads from 46 primary cell types, 42 cancer or immortalized cell lines, and 26 tissues. It identified both specific and ubiquitous patterns of expression that strongly correlate with adjacent super-enhancer activity. Analysis of unaligned RNA reads uncovered 207 unknown minor strand (passenger) microRNAs of known microRNA loci and 2,632 novel putative microRNA loci. Although cancer cell lines generally recapitulated the expression patterns of matched primary cells, their isomiR sequence families exhibited increased disorder suggesting Drosha and Dicer-dependent microRNA processing variability. Cell-specific patterns of microRNA expression were used to deconvolute variable cellular composition of adipose tissue samples highlighting one use of this cell-specific microRNA expression data. Characterization of cellular microRNA expression across a wide variety of cell types provides a new understanding of this critical regulatory RNA species.

Abstract As research into the complexities of cancer biology deepens, the integration of multi-omics analyses has emerged as a powerful approach to unravel the complex molecular basis of cancers. However, challenges related to sample availability, including size, collection procedures, and storage duration, hinder the broad application of this methodology. Despite these limitations, there is a growing interest in exploring the potential of archived samples to expand the scope of multi-omics research. Our study aims to investigate the impact of storage duration on the measurment in genomic, transcriptomic, and proteomic profiles of archived samples, demonstrating their viability for advancing our understanding of cancer biology. To comprehensively address these trends and limitations, we systematically examined archived samples collected over a decade, focusing on their transcriptomic, proteomic, and phosphoproteomic attributes. Analysis revealed intricate patterns and dynamic shifts, especially in long-term transcriptomic data, with observed declines in read counts related to protein coding and gene coverage. However, these changes did not compromise the fundamental gene expression landscape. Proteomic result also demonstrated that storage period did not significantly influence proteomic measurement. Comparisons of housekeeping gene (HKG) and housekeeping protein (HKP) expressions unveiled consistent transcriptomic levels across samples, while distinctive proteomic disparities between tumor and normal tissues. In conclusion, the challenges posed by limited sample availability in multi-omics studies can be partially overcome through the strategic integration of archived samples. While technical shifts were evident in certain aspects of transcriptomic data, core gene expression patterns remained robust, and the functionality of essential transcription factors (TFs) and kinases remained unaffected. These findings underscore the potential of archived samples as valuable resources for multi-omics research, providing a broader landscape for investigating cancer biology and paving the way for more comprehensive insights into this intricate field.