Abstract Small RNA-seq is increasingly being used for profiling of small RNAs. Quantitative characteristics of long RNA-seq have been extensively described, but small RNA-seq involves fundamentally different methods for library preparation, with distinct protocols and technical variations that have not been fully and systematically studied. We report here the results of a study using common references (synthetic RNA pools of defined composition, as well as plasma-derived RNA) to evaluate the accuracy, reproducibility and bias of small RNA-seq library preparation for five distinct protocols and across nine different laboratories. We observed protocol-specific and sequence-specific bias, which was ameliorated using adapters for ligation with randomized end-nucleotides, and computational correction factors. Despite this technical bias, relative quantification using small RNA-seq was remarkably accurate and reproducible, even across multiple laboratories using different methods. These results provide strong evidence for the feasibility of reproducible cross-laboratory small RNA-seq studies, even those involving analysis of data generated using different protocols.

Abstract Microbiome differential abundance analysis remains a challenging problem despite multiple methods proposed in the literature. The excessive zeros and compositionality of metagenomics data are two main challenges for differential abundance analysis. We propose a novel method called “analysis of differential abundance by pooling Tobit models” (ADAPT) to overcome these two challenges. ADAPT uniquely treats zero counts as left-censored observations to facilitate computation and enhance interpretation. ADAPT also encompasses a theoretically justified way of selecting non-differentially abundant microbiome taxa as a reference for hypothesis testing. We generate synthetic data using independent simulation frameworks to show that ADAPT has more consistent false discovery rate control and higher statistical power than competitors. We use ADAPT to analyze 16S rRNA sequencing of saliva samples and shotgun metagenomics sequencing of plaque samples collected from infants in the COHRA2 study. The results provide novel insights into the association between the oral microbiome and early childhood dental caries.

Measuring allele-specific expression (ASE) is a powerful approach for identifying cis-regulatory genetic variants. Here we developed a novel targeted proteomics method for quantification of allele-specific protein expression (ASPE) based on scheduled high resolution multiple reaction monitoring (sMRM-HR) with a heavy stable isotope-labeled quantitative concatamer (QconCAT) internal protein standard. This strategy was applied to the determination of the ASPE of UGT2B15 in human livers using the common UGT2B15 nonsynonymous variant rs1902023 (i.e. Y85D) as the marker to differentiate expressions from the two alleles. The QconCAT standard contains both the wild type tryptic peptide and the Y85D mutant peptide at a ratio of 1:1 to ensure accurate measurement of the ASPE of UGT2B15. The results from 18 UGT2B15 Y85D heterozygotes revealed that the ratios between wild type Y allele and mutant D allele varied from 0.60 to 1.46, indicating the presence of cis-regulatory variants. In addition, we observed no significant correlations between the ASPE and mRNA ASE of UGT2B15, suggesting the involvement of different cis-acting variants in regulating the transcription and translation processes of the gene. This novel ASPE approach provides a powerful tool for capturing cis-genetic variants involved in post-transcription processes, an important yet understudied area of research.

Endothelial cells (ECs) are highly specialized across vascular beds. However, given their interspersed anatomic distribution, comprehensive characterization of the molecular basis for this heterogeneity in vivo has been limited. By applying endothelial-specific translating ribosome affinity purification (EC-TRAP) combined with high-throughput RNA sequencing analysis, we identified pan EC-enriched genes and tissue-specific EC transcripts, which include both established markers and genes previously unappreciated for their presence in ECs. In addition, EC-TRAP limits changes in gene expression following EC isolation and in vitro expansion, as well as rapid vascular bed-specific shifts in EC gene expression profiles as a result of the enzymatic tissue dissociation required to generate single cell suspensions for fluorescence-activated cell sorting (FACS) or single cell RNA sequencing analysis. Comparison of our EC-TRAP to published single cell RNA sequencing data further demonstrates considerably greater sensitivity of EC-TRAP for the detection of low abundant transcripts. Application of EC-TRAP to examine the in vivo host response to lipopolysaccharide (LPS) revealed the induction of gene expression programs associated with a native defense response, with marked differences across vascular beds. Furthermore, comparative analysis of whole tissue and TRAP-selected mRNAs identified LPS-induced differences that would not have been detected by whole tissue analysis alone. Together, these data provide a resource for the analysis of EC-specific gene expression programs across heterogeneous vascular beds under both physiologic and pathologic conditions.