The swarm intelligence paradigm has proven to have very interesting properties such as robustness, flexibility and ability to solve complex problems exploiting parallelism and self-organization. Several robotics implementations of this paradigm confirm that these properties can be exploited for the control of a population of physically independent mobile robots.The work presented here introduces a new robotic concept called swarm-bot in which the collective interaction exploited by the swarm intelligence mechanism goes beyond the control layer and is extended to the physical level. This implies the addition of new mechanical functionalities on the single robot, together with new electronics and software to manage it. These new functionalities, even if not directly related to mobility and navigation, allow to address complex mobile robotics problems, such as extreme all-terrain exploration.The work shows also how this new concept is investigated using a simulation tool (swarmbot3d) specifically developed for quickly designing and evaluating new control algorithms. Experimental work shows how the simulated detailed representation of one s-bot has been calibrated to match the behaviour of the real robot.

In cancer cells, the epigenome is often deregulated, and inhibition of the bromodomain and extra-terminal (BET) family of bromodomain-containing proteins is a novel epigenetic therapeutic approach. Preliminary results of an ongoing phase I trial have reported promising activity and tolerability with the new BET bromodomain inhibitor OTX015.We assessed the preclinical activity of OTX015 as single agent and in combination in mature B-cell lymphoma models and performed in vitro and in vivo experiments to identify the mechanism of action and the genetic features associated with sensitivity to the compound.OTX015 showed antiproliferative activity in a large panel of cell lines derived from mature B-cell lymphoid tumors with median IC50 of 240 nmol/L, without significant differences among the different histotypes. In vitro and in vivo experiments showed that OTX015 targeted NFKB/TLR/JAK/STAT signaling pathways, MYC- and E2F1-regulated genes, cell-cycle regulation, and chromatin structure. OTX015 presented in vitro synergism with several anticancer agents, especially with mTOR and BTK inhibitors. Gene expression signatures associated with different degrees of sensitivity to OTX015 were identified. Although OTX015 was mostly cytostatic, the compound induced apoptosis in a genetically defined subgroup of cells, derived from activated B-cell-like diffuse large B-cell lymphoma, bearing wtTP53, mutations in MYD88, and CD79B or CARD11.Together with the data coming from the ongoing phase I study, the in vitro and in vivo data presented here provide the basis for further clinical investigation of OTX015 as single agent and in combination therapies.

Abstract Three lethal lower respiratory tract coronavirus epidemics have occurred over the past 20 years. This coincided with major developments in genome-wide gene and protein expression analysis, resulting in a wealth of datasets in the public domain. Seven such in vitro studies were selected for comparative bioinformatic analysis through the VirOmics Playground, a visualisation and exploration platform we developed. Despite the heterogeneous nature of the data sets, several commonalities could be observed across studies and species. Differences, on the other hand, reflected not only variations between species, but also other experimental variables, such as cell lines used for the experiments, infection protocols and viral strains. The datasets analysed here are available online through our platform ( https://public.bigomics.ch/app/omicsplayground_viromics ).

The transmembrane protein CD37 is expressed almost exclusively in lymphoid tissues, with the highest abundance in mature B cells. CD37-directed antibody- and, more recently, cellular-based approaches have shown preclinical and promising early clinical activity. Naratuximab emtansine (Debio 1562, IMGN529) is an antibodydrug conjugate (ADC) that incorporates an anti-CD37 monoclonal antibody conjugated to the maytansinoid DM1 as payload. Naratuximab emtansine has shown activity as a single agent and in combination with the anti-CD20 monoclonal antibody rituximab in B cell lymphoma patients.We assessed the activity of naratuximab emtansine using in vitro models of lymphomas, correlated its activity with CD37 expression levels, characterized two resistance mechanisms to the ADC, and identified combination partners providing synergy.The anti-tumor activity of naratuximab emtansine was tested in 54 lymphoma cell lines alongside its free payload. The median IC 50 of naratuximab emtansine was 780 pM, and the activity, primarily cytotoxic, was more potent in B than in T cell lymphoma cell lines. In the subgroup of cell lines derived from B cell lymphoma, there was some correlation between sensitivity to DM1 and sensitivity to naratuximab emtansine (r=0.28, P = 0.06). After prolonged exposure to the ADC, one diffuse large B cell lymphoma (DLBCL) cell line developed resistance to the ADC due to the biallelic loss of the CD37 gene. After CD37 loss, we also observed upregulation of IL6 (IL-6) and other transcripts from MYD88/IL6-signaling. Recombinant IL6 led to resistance to naratuximab emtansine, while the anti-IL6 antibody tocilizumab improved the cytotoxic activity of the ADC in CD37-positive cells. In a second model, resistance was sustained by an activating mutation in the PIK3CD gene, associated with increased sensitivity to PI3K δ inhibition and a switch from functional dependence on the anti-apoptotic protein MCL1 to reliance on BCL2. The addition of idelalisib or venetoclax to naratuximab emtansine overcame resistance to the ADC in the resistant derivative while also improving the cytotoxic activity of the ADC in the parental cells.Targeting B cell lymphoma with the CD37 targeting ADC naratuximab emtansine showed vigorous anti-tumor activity as a single agent, which was also observed in models bearing genetic lesions associated with inferior outcomes, such as MYC translocations and TP53 inactivation or resistance to R-CHOP. Resistance DLBCL models identified active combinations of naratuximab emtansine with drugs targeting IL6, PI3K δ , and BCL2. Despite notable progress in recent decades, we still face challenges in achieving a cure for a substantial number of lymphoma patients (1,2). A pertinent example is diffuse large B cell lymphoma (DLBCL), the most prevalent type of lymphoma (3). More than half of DLBCL patients can achieve remission, but around 40% of them experience refractory disease or relapse following an initial positive response (3). Regrettably, the prognosis for many of these cases remains unsatisfactory despite introducing the most recent antibody-based or cellular therapies (3,4), underscoring the importance of innovating new therapeutic strategies and gaining insights into the mechanisms of therapy resistance. CD37 is a transmembrane glycoprotein belonging to the tetraspanin family, primarily expressed on the surface of immune cells, principally in mature B cells but also, at lower levels, in T cells, macrophages/monocytes, granulocytes and dendritic cells (5) (6-8). CD37 plays a crucial role in various immune functions, including B cell activation, proliferation, and signaling, although its precise role still needs to be fully elucidated. CD37 interacts with multiple molecules, including SYK, LYN, CD19, CD22, PI3K δ , PI3K γ , and different integrins, among others (6-8). In mice, the lack of CD37 is paired with reduced T cell-dependent antibody-secreting cells and memory B cells, apparently due to the loss of CD37-mediated clustering of α 4 β 1 integrins (VLA-4) on germinal center B cells and decreased downstream activation of PI3K/AKT signaling and cell survival (5). Reflecting the expression pattern observed in normal lymphocytes, CD37 exhibits elevated expression in all mature B-cell lymphoid neoplasms, including most lymphoma subtypes, and absence in early progenitor cells or terminally differentiated plasma cells (6,8-14). In DLBCL, CD37 expression has been reported between 40% and 90% of cases across multiple studies performed using different antibodies (10,14-16). CD37-directed antibody- and, more recently, cellular-based approaches have shown preclinical (7,10-14,17-23) and early promising clinical activity (24-32). Among the CD37-targeting agents, naratuximab emtansine (Debio 1562, IMGN529) is an antibody-drug conjugate (ADC) that incorporates the anti-CD37 humanized IgG1 monoclonal antibody K7153A conjugated to the maytansinoid DM1, as payload, via the thioether linker, N-succinimidyl-4-(N-maleimidomethyl)cyclohexane-1-carboxylate (SMCC) (10). Based on the initial in vitro and in vivo evidence of anti-tumor activity in lymphoma and chronic lymphocytic leukemia (CLL) (7,10), naratuximab emtansine entered the clinical evaluation as a single agent. The phase 1 study exploring naratuximab emtansine enrolled 39 patients with relapsed/refractory B cell lymphoma (27). The overall response rate (ORR) was 13% across all patients and 22% in DLBCL patients, including the only observed complete remission (CR) (27). In preliminary results of a phase 2 trial exploring the combination of naratuximab emtansine with the anti-CD20 monoclonal antibody rituximab (18), based on positive preclinical data (18), the ORR was 45% in 76 patients with DLBCL with 24 CRs (32%), 57% in 14 patients with follicular lymphoma (five CR), 50% in four MCL patients (2 CR) (31). Here, we studied the pattern of activity of naratuximab emtansine across a large panel of cell lines derived from DLBCL and other lymphoma subtypes and characterized two resistance mechanisms to the ADC.

Summary Myc is a pleiotropic transcription factor involved in cancer, cell proliferation, and metabolism. Its regulation and function in Natural Killer (NK) cells, which are innate cytotoxic lymphocytes important to control viral infections and cancer, remain poorly defined. Here we show that mice deficient for Myc in NK cells presented a severe reduction in these lymphocytes. Myc was required for NK cell development and expansion in response to the key cytokine interleukin (IL)-15, which induced Myc through transcriptional and posttranslational mechanisms. Mechanistically, Myc ablation in vivo largely impacted NK cells’ ribosomagenesis, reducing their translation and expansion capacities. Similar results were obtained by inhibiting MYC in human NK cells. Impairing translation by pharmacological intervention phenocopied the consequences of deleting or blocking MYC in vitro . Notably, mice lacking Myc in NK cells exhibited defective anticancer immunity, which reflected their decreased numbers of mature NK cells exerting suboptimal cytotoxic functions. These results indicate that MYC is a central node in NK cells, connecting IL-15 to translational fitness, expansion, and anticancer immunity.

Integrative analysis of heterogeneous omics data is essential to obtain a comprehensive overview of otherwise fragmented information and to better understand dysregulated biological pathways leading to a specific condition. One of the major challenges in systems biology is to develop computational methods for proper integration of multi-omics datasets. We propose OmicsNet that uses a multilayer network for the integration and analysis of multi-omics data of heterogeneous types. Each layer of the multilayer network represents a certain data type: input layers correspond to genotype features and nodes in the output layer correspond to phenotypes, while intermediate layers may represent genesets or biological concepts to facilitate functional interpretation of the data. OmicsNet then calculates the highest coefficient paths in multilayer network from each genomic feature to the phenotype by computing an integrated score along the paths. These paths may indicate the most plausible signalling cascade caused by perturbed genotype features leading to a particular phenotype response. With example applications, we illustrate the potential power of OmicsNet in the functional analysis, biomarker discovery and drug response prediction in personalized medicine using multi-omics data.

Raw copy number data is highly dimensional, noisy and can suffer from so-called genomic wave artifacts. We introduce a novel method based on multi-scale edge detection in derivative space. By using derivatives, the algorithm was very fast and robust against genomic waves. Our method compared very well to existing state-of-the-art segmentation methods and importantly outperformed these if noise and wave artifacts were well present.

Background: With the explosion of high-throughput data available in biology, the bottleneck is shifted to effective data interpretation. By taking advantage of the available data, it is possible to identify the biomarkers and signatures to distinguish subtypes of a specific cancer in the context of clinical trials. This requires sophisticated methods to retrieve the information out of the data, and various algorithms have been recently devised. Results: Here, we applied the prize-collecting Steiner tree (PCST) approach to obtain a gene expression signature for the classification of diffuse large B-cell lymphoma (DLBCL). The PCST is a network-based approach to capture new insights about genomic data by incorporating an interaction network landscape. Moreover, we adopted the ElasticNet incorporating PCA as a classification method. We used seven public gene expression profiling datasets (three for training, and four for testing) available in the literature, and obtained 10 genes as signature. We tested these genes by employing ElasticNet, and compared the performance with the DAC algorithm as current golden standard. The performance of the PCST signature with ElasticNet outperformed the DAC in distinguishing the subtypes. In addition, the gene expression signature was able to accurately stratify DLBCL patients on survival data. Conclusions: We developed a network-based optimization technique that performs unbiased signature selection by integrating genomic data with biological networks. Our classifier trained with the obtained signature outperformed the state-of-the-art method in subtype distinction and survival data stratification in DLBCL. The proposed method is a general approach that can be applied on other classification problems.

Abstract Motivation Batch effects (BEs) are a predominant source of noise in omics data and often mask real biological signals. BEs remain common in existing datasets. Current methods for BE correction mostly rely on specific assumptions or complex models, and may not detect and adjust BEs adequately, impacting downstream analysis and discovery power. To address these challenges we developed NPmatch, a nearest-neighbor matching-based method that adjusts BEs satisfactorily and outperforms current methods in a wide range of datasets. Results We assessed distinct metrics and graphical readouts, and compared our method to commonly used BE correction methods. NPmatch demonstrates overall superior performance in correcting for BEs while preserving biological differences than existing methods. Altogether, our method proves to be a valuable BE correction approach to maximize discovery in biomedical research, with applicability in clinical research where latent BEs are often dominant. Data availability and implementation NPmatch is freely available on Github ( https://github.com/bigomics/NPmatch ) and on Omics Playground ( https://bigomics.ch/omics-playground ). The datasets underlying this article are the following: GSE120099, GSE82177, GSE162760, GSE171343, GSE153380, GSE163214, GSE182440, GSE163857, GSE117970, GSE173078, GSE10846. All these datasets are publicly available and can be freely accessed on the Gene Expression Omnibus (GEO) repository.