Abstract Although mitochondrial DNA (mtDNA) variants hold promise as endogenous barcodes for tracking human cell lineages, their efficacy as reliable lineage markers is hindered by the complex dynamics of mtDNA in somatic tissues. Here, we utilized computational modeling and single-cell genomics to thoroughly interrogate the origin and clonal dynamics of mtDNA lineage markers across various biological settings. Our findings revealed the majority of purported “clone informative variants (CIVs)” were pre-existing heteroplamies in the first cell instead of de novo somatic mutations during divisions. Moreover, CIVs demonstrated limited discriminatory power among different lineages during normal development; however, certain CIVs with consistently high allele frequencies proved capable of faithfully labeling cell lineages in scenarios of stringent clonal expansion. Inspired by our simulations, we introduced a lineage informative (LI) score, facilitating the identification of reliable mitochondrial lineage markers across different modalities of single-cell genomic data.

Abstract Coronavirus disease 2019 (COVID-19), which is caused by SARS-CoV-2, varies with regard to symptoms and mortality rates among populations. Humoral immunity plays critical roles in SARS-CoV-2 infection and recovery from COVID-19. However, differences in immune responses and clinical features among COVID-19 patients remain largely unknown. Here, we report a database for COVID-19-specific IgG/IgM immune responses and clinical parameters (COVID-ONE humoral immune). COVID-ONE humoral immunity is based on a dataset that contains the IgG/IgM responses to 21 of 28 known SARS-CoV-2 proteins and 197 spike protein peptides against 2,360 COVID-19 samples collected from 783 patients. In addition, 96 clinical parameters for the 2,360 samples and information for the 783 patients are integrated into the database. Furthermore, COVID-ONE humoral immune provides a dashboard for defining samples and a one-click analysis pipeline for a single group or paired groups. A set of samples of interest is easily defined by adjusting the scale bars of a variety of parameters. After the “START” button is clicked, one can readily obtain a comprehensive analysis report for further interpretation. COVID-ONE-humoral immune is freely available at www.COVID-ONE.cn .

Abstract At present, coronavirus severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) and its variant virus are prevalent all over the world, taking a major toll on human lives worldwide. Oral mucosa and saliva are the high-risk routes of transmission. Inactivation of the virus in the mouth is one of the important strategies to reduce the source infectivity of the virus. However, the current preparations for inactivating oral virus are mainly aimed at ACE2 protein, and its effect needs to be improved. In this study, through literature mining, multi-target screening and other methods, we screened and optimized the volatile oil formula ( Artemisiae argyi folium, Chrysanthemum morifolium, Trollii chinensis flos, Lonicerae japonicae flos ) from the volatile oil of traditional Chinese medicine to inhibit the invasion and replication of SARS-CoV-2. A test using pseudotype virus with S glycoprotein confirmed that this formula could effectively bind to the S glycoprotein to prevent SARS-CoV-2 host cell entry. Molecular docking experiments showed that the m ultiple molecules in the formula might weakly bind to these targets including ACE2, cathepsin L, furin, mpro/3cl. In all, the volatile oil formula designed in this paper offers a general affordable strategy to protect patients from SARS-CoV-2 infections through debulking or minimizing transmission to others.

Background Gene fusion events are a significant source of somatic variation across adult and pediatric cancers and have provided some of the most effective clinically relevant therapeutic targets, yet computational algorithms for fusion detection from RNA sequencing data show low overlap of predictions across methods. In addition, events such as polymerase read-throughs, mis-mapping due to gene homology, and fusions occurring in healthy normal tissue require stringent filtering, making it difficult for researchers and clinicians to discern gene fusions that might be true underlying oncogenic drivers of a tumor and in some cases, appropriate targets for therapy. Results Here, we present annoFuse, an R package developed to annotate and identify biologically-relevant expressed gene fusions, along with highlighting recurrent novel fusions in a given cohort. We applied annoFuse to STAR-Fusion and Arriba results for 1028 pediatric brain tumor samples provided as part of the Open Pediatric Brain Tumor Atlas (OpenPBTA) Project. First, we used FusionAnnotator to identify and filter "red flag" fusions found in healthy tissues or in gene homology databases. Using annoFuse, we filtered out fusions known to be artifactual and retained high-quality fusion calls using support of at least one junction read and if there is disproportionate spanning fragment support of more than 10 reads compared to the junction read count, we removed them to remove false positives from background noise. Second, we prioritized and captured known, as well as putative oncogenic driver, fusions previously reported in TCGA, or fusions containing gene partners that are known oncogenes, tumor suppressor genes, or COSMIC genes. Finally, using annoFuse, we determined recurrent fusions across the cohort and recurrently-fused genes within each histology. Conclusions annoFuse provides a standardized filtering and annotation method for gene fusion calls from STAR-Fusion and Arriba by merging, filtering and prioritizing putative oncogenic fusions across large cancer datasets, as demonstrated here with the OpenPBTA dataset. We are expanding the package to be widely-applicable to other fusion algorithms, adding functionalities, and expect annoFuse to provide researchers a method for quickly evaluating and prioritizing fusions in patient tumors.