The fly Drosophila melanogaster is one of the most intensively studied organisms in biology and serves as a model system for the investigation of many developmental and cellular processes common to higher eukaryotes, including humans. We have determined the nucleotide sequence of nearly all of the ∼120-megabase euchromatic portion of the Drosophila genome using a whole-genome shotgun sequencing strategy supported by extensive clone-based sequence and a high-quality bacterial artificial chromosome physical map. Efforts are under way to close the remaining gaps; however, the sequence is of sufficient accuracy and contiguity to be declared substantially complete and to support an initial analysis of genome structure and preliminary gene annotation and interpretation. The genome encodes ∼13,600 genes, somewhat fewer than the smaller Caenorhabditis elegans genome, but with comparable functional diversity.

We have sequenced and annotated the genome of fission yeast (Schizosaccharomyces pombe), which contains the smallest number of protein-coding genes yet recorded for a eukaryote: 4,824. The centromeres are between 35 and 110 kilobases (kb) and contain related repeats including a highly conserved 1.8-kb element. Regions upstream of genes are longer than in budding yeast (Saccharomyces cerevisiae), possibly reflecting more-extended control regions. Some 43% of the genes contain introns, of which there are 4,730. Fifty genes have significant similarity with human disease genes; half of these are cancer related. We identify highly conserved genes important for eukaryotic cell organization including those required for the cytoskeleton, compartmentation, cell-cycle control, proteolysis, protein phosphorylation and RNA splicing. These genes may have originated with the appearance of eukaryotic life. Few similarly conserved genes that are important for multicellular organization were identified, suggesting that the transition from prokaryotes to eukaryotes required more new genes than did the transition from unicellular to multicellular organization.

The scarcity of usable nitrogen frequently limits plant growth. A tight metabolic association with rhizobial bacteria allows legumes to obtain nitrogen compounds by bacterial reduction of dinitrogen (N 2 ) to ammonium (NH 4 + ). We present here the annotated DNA sequence of the α-proteobacterium Sinorhizobium meliloti , the symbiont of alfalfa. The tripartite 6.7-megabase (Mb) genome comprises a 3.65-Mb chromosome, and 1.35-Mb pSymA and 1.68-Mb pSymB megaplasmids. Genome sequence analysis indicates that all three elements contribute, in varying degrees, to symbiosis and reveals how this genome may have emerged during evolution. The genome sequence will be useful in understanding the dynamics of interkingdom associations and of life in soil environments.

Whole transcriptome sequencing (RNA-seq) has become a standard for cataloguing and monitoring RNA populations. One of the main bottlenecks, however, is to correctly identify the different classes of RNAs among the plethora of reconstructed transcripts, particularly those that will be translated (mRNAs) from the class of long non-coding RNAs (lncRNAs). Here, we present FEELnc (FlExible Extraction of LncRNAs), an alignment-free program that accurately annotates lncRNAs based on a Random Forest model trained with general features such as multi k-mer frequencies and relaxed open reading frames. Benchmarking versus five state-of-the-art tools shows that FEELnc achieves similar or better classification performance on GENCODE and NONCODE data sets. The program also provides specific modules that enable the user to fine-tune classification accuracy, to formalize the annotation of lncRNA classes and to identify lncRNAs even in the absence of a training set of non-coding RNAs. We used FEELnc on a real data set comprising 20 canine RNA-seq samples produced by the European LUPA consortium to substantially expand the canine genome annotation to include 10 374 novel lncRNAs and 58 640 mRNA transcripts. FEELnc moves beyond conventional coding potential classifiers by providing a standardized and complete solution for annotating lncRNAs and is freely available at https://github.com/tderrien/FEELnc.

Coat color and type are essential characteristics of domestic dog breeds. Although the genetic basis of coat color has been well characterized, relatively little is known about the genes influencing coat growth pattern, length, and curl. We performed genome-wide association studies of more than 1000 dogs from 80 domestic breeds to identify genes associated with canine fur phenotypes. Taking advantage of both inter- and intrabreed variability, we identified distinct mutations in three genes, RSPO2, FGF5, and KRT71 (encoding R-spondin-2, fibroblast growth factor-5, and keratin-71, respectively), that together account for most coat phenotypes in purebred dogs in the United States. Thus, an array of varied and seemingly complex phenotypes can be reduced to the combinatorial effects of only a few genes.

Abstract Circulating tumor DNA (ctDNA) has become an attractive biomarker in human oncology and may be informative in cancer-affected dogs. By performing ddPCR or PARR methods, we detected tumor-specific point mutations, copy number alterations and chromosomal rearrangements in the plasma of cancer-affected dogs. It allowed the detection of ctDNA in 2/8 (25%) oral malignant melanoma cases, 12/13 (92.3%) lymphoma cases and 21/23 (91.3%) histiocytic sarcoma (HS) cases. The value of ctDNA to diagnose HS was explored in 133 dogs including 49 with HS. In this cohort, screening recurrent PTPN11 mutations in plasma had a specificity of 98.8%, and a sensitivity between 42.8-77% according to HS clinical presentation, being higher in internal forms, especially with pulmonary location. Regarding lymphoma, the follow-up of four dogs showed that the minimal residual disease detection by targeting lymphoma-specific antigen receptor rearrangement in the plasma was concordant with the clinical evaluation. Moreover, ctDNA analysis appeared interesting to assess treatment response and to predict relapse. This study shows that ctDNA is detectable in the plasma of cancer-affected dogs and is a relevant biomarker for diagnosis and clinical follow-up. With a growing interest in integrating natural canine tumors to explore new therapies, this biomarker appears promising in comparative oncology research.

Abstract Histiocytic sarcoma (HS) is a rare but aggressive cancer in humans and dogs. The spontaneous canine model, with the clinical, epidemiological and histological similarities with human HS and specific breed predispositions, is a unique model/opportunity to unravel the genetic bases of this cancer. In this study, we aimed to identify germline risk factors associated with the development of HS in canine predisposed breeds. We used a methodology that combined several genome-wide association studies in a multi-breed and multi-cancer approach, as well as targeted next generation sequencing, and imputation combining several breeds (Bernese mountain dog, Rottweiler, flat coated retriever and golden retriever) and three haematopoietic cancers (HS, lymphoma and mast cell tumor). Results showed that we not only refined the previously identified HS risk CDKN2A locus but we identified new loci on canine chromosomes 2, 5, 12, 14, 20, 26 and X. Capture and targeted sequencing of specific loci pointed towards the existence of regulatory variants in non coding regions and/or methylation mechanisms linked to risk haplotypes, leading to strong cancer predispositions in specific dog breeds. Our results showed that these canine cancer predisposing loci appear to be due to the additive effect of several risk haplotype involved also in other haematopoietic cancers such lymphoma or mast cell tumor, illustrating the pleiotropic nature of these canine cancer loci as observed in human oncology, thus reinforcing the interest of predisposed dog breeds to study cancer initiation and progression.

Long non-coding RNAs (lncRNAs) are a family of heterogeneous RNAs that play major roles in multiple biological processes. We recently identified an extended repertoire of more than 10,000 lncRNAs of the domestic dog however, predicting their biological functionality remains challenging. In this study, we have characterised the expression profiles of 10,444 canine lncRNAs in 26 distinct tissue types, representing various anatomical systems. We showed that lncRNA expressions are mainly clustered by tissue type and we highlighted that 44% of canine lncRNAs are expressed in a tissue-specific manner. We further demonstrated that tissue-specificity correlates with specific families of canine transposable elements. In addition, we identified more than 900 conserved dog-human lncRNAs for which we show their overall reproducible expression patterns between dog and humans through comparative transcriptomics. Finally, co-expression analyses of lncRNA and neighbouring protein-coding genes identified more than 3,400 canine lncRNAs, suggesting that functional roles of these lncRNAs act as regulatory elements. Altogether, this genomic and transcriptomic integrative study of lncRNAs constitutes a major resource to investigate genotype to phenotype relationships and biomedical research in the dog species.

Whole transcriptome sequencing (RNA-seq) has become a standard for cataloguing and monitoring RNA populations. Among the plethora of reconstructed transcripts, one of the main bottlenecks consists in correctly identifying the different classes of RNAs, particularly those that will be translated (mRNAs) from the class of long non-coding RNAs (lncRNAs). Here, we present FEELnc (FlExible Extraction of LncRNAs), an alignment-free program which accurately annotates lncRNAs based on a Random Forest model trained with general features such as multi k-mer frequencies and relaxed open reading frames. Benchmarking versus five state-of-art tools shows that FEELnc achieves similar or better classification performance on GENCODE and NONCODE datasets. The program also provides several specific modules that enable to fine-tune classification accuracy, to formalize the annotation of lncRNA classes and to annotate lncRNAs even in the absence of training set of noncoding RNAs. We used FEELnc on a real dataset comprising 20 new canine RNA-seq samples produced in the frame of the European LUPA consortium to expand the canine genome annotation and classified 10,374 novel lncRNAs and 58,640 new mRNA transcripts. FEELnc represents a standardized protocol for identifying and annotating lncRNAs and is freely accessible at https://github.com/tderrien/FEELnc.

Genomic enhancers form the central nodes of gene regulatory networks by harbouring combinations of transcription factor binding sites. Deciphering the combinatorial code by which these binding sites are assembled within enhancers is indispensable to understand their regulatory involvement in establishing a cell's phenotype, especially within biological systems with dysregulated gene regulatory networks, such as melanoma. In order to unravel the enhancer logic of the two most common melanoma cell states, namely the melanocytic and mesenchymal-like state, we combined comparative epigenomics with machine learning. By profiling chromatin accessibility using ATAC-seq on a cohort of 27 melanoma cell lines across six different species, we demonstrate the conservation of the two main melanoma states and their underlying master regulators. To perform an in-depth analysis of the enhancer architecture, we trained a deep neural network, called DeepMEL, to classify melanoma enhancers not only in the human genome, but also in other species. DeepMEL revealed the presence, organisation and positional specificity of important transcription factor binding sites. Together, this extensive analysis of the melanoma enhancer code allowed us to propose the concept of a core regulatory complex binding to melanocytic enhancers, consisting of SOX10, TFAP2A, MITF and RUNX, and to disentangle their individual roles in regulating enhancer accessibility and activity.