Abstract DNA-assisted identification of historical remains requires the genetic analysis of highly degraded DNA, along with a comparison to DNA from known relatives. This can be achieved by targeting single nucleotide polymorphisms (SNPs) using a hybridization capture and next-generation sequencing approach suitable for degraded skeletal samples. In the present study, two SNP capture panels were designed to target ~25,000 (25K) and ~95,000 (95K) nuclear SNPs, respectively, to enable distant kinship estimation (up to 4 th degree relatives). Low-coverage SNP data were successfully recovered from 14 skeletal elements 75 years postmortem, with captured DNA having mean insert sizes ranging from 32-170 bp across the 14 samples. SNP comparison with DNA from known family references was performed in the Parabon Fx Forensic Analysis Platform, which utilizes a likelihood approach for kinship prediction that was optimized for low-coverage sequencing data with cytosine deamination. The 25K panel produced 15,000 SNPs on average, which allowed for accurate kinship prediction in 17 of the 21 pairwise comparisons. The 95K panel increased the average SNPs to 42,000 and resulted in two additional pairwise comparisons (19 of 21). This study provides the groundwork for the expansion of research involving compromised samples to include SNP hybridization capture.

DNA nanotechnology is evolving rapidly, paralleling the historic trajectory of the 1970s electronics industry. However, current DNA nanostructure (DN) design software limits users to either manual design with minimal automation or a constrained range of automated designs. inSēquio Design Studio, developed by Parabon® NanoLabs, bridges this gap as a programmable 3D computer-aided design (CAD) application, integrating a domain-specific graphical editor with a Python API for versatile DN design. Developed in C++ for Windows® and Macintosh® systems, inSēquio features a user-friendly graphical user interface with extensive CAD tools, capable of managing complex designs and offloading computational tasks to the cloud. It supports various DNA design formats, PDB molecule integration, residue modifications, and includes preloaded designs and thorough documentation. With its combination of features, inSēquio enables a code-centric design (CCD) approach, enhancing DN construction with improved precision, scalability, and efficiency. This approach is elucidated through a streptavidin barrel cage designed via Python notebook and a spheroid origami case study. Marking a significant advance in DN design automation, inSēquio, the first fully programmable 3D CAD tool for DN design, enables both manual and programmatic 3D editing. This fusion of features establishes inSēquio as a transformative tool, poised to significantly enhance designer productivity and expand the scope of possible designs.

Polygenic risk scores (PRS) are linear combinations of genetic markers weighted by effect size that are commonly used to predict disease risk. For complex heritable diseases such as late-onset Alzheimer's disease (LOAD), PRS models fail to capture much of the heritability. Additionally, PRS models are highly dependent on the population structure of the data on which effect sizes are assessed and have poor generalizability to new data.