The emergence of next generation DNA sequencing technology is enabling high-resolution cancer genome analysis. Large-scale projects like the International Cancer Genome Consortium (ICGC) are systematically scanning cancer genomes to identify recurrent somatic mutations. Second generation DNA sequencing, however, is still an evolving technology and procedures, both experimental and analytical, are constantly changing. Thus the research community is still defining a set of best practices for cancer genome data analysis, with no single protocol emerging to fulfil this role. Here we describe an extensive benchmark exercise to identify and resolve issues of somatic mutation calling. Whole genome sequence datasets comprising tumor-normal pairs from two different types of cancer, chronic lymphocytic leukaemia and medulloblastoma, were shared within the ICGC and submissions of somatic mutation calls were compared to verified mutations and to each other. Varying strategies to call mutations, incomplete awareness of sources of artefacts, and even lack of agreement on what constitutes an artefact or real mutation manifested in widely varying mutation call rates and somewhat low concordance among submissions. We conclude that somatic mutation calling remains an unsolved problem. However, we have identified many issues that are easy to remedy that are presented here. Our study highlights critical issues that need to be addressed before this valuable technology can be routinely used to inform clinical decision-making.

Background: NFE2L2 (nuclear factor, erythroid 2 like 2; Nrf2), is a stress responsive transcription factor that regulates cellular redox homeostasis. The action mechanism of Nrf2 occurs through sensing oxidative stress in the cellular environment in responses to various stresses including altered metabolism, toxic insult and xenobiotic stresses. However, under the basal condition, the role of excess Nrf2 on global miRNA and mRNA interactions in the myocardium is unknown. Here, we tested a hypothesis that excess Nrf2 (transgene) will promote the transcription of antioxidants, which then might escalate the basal defense mechanisms in the heart. Furthermore, we investigated whether changes in the miRNA profile might have a strong role on the transcriptome in TG hearts. Methods: Non transgenic (NTG), and Cardiac specific Nrf2 transgenic (Nrf2 TG) mice in the C57/BL6 background at the age of 6 to 8 months were used to examine transcriptional and posttranscriptional signatures (mRNA and miRNA expressions) by performing next generation sequencing (NGS) for RNA (RNAseq) and small RNA (sRNAseq) for miRNA expressions in the heart (n=3 to 6/group). Validation of the NGS data was performed by quantitative real time PCR (qRT PCR) using specific primers targeting selected miRNAs or mRNAs. Finally, in silico analyses were performed to determine the miRNA and mRNA interactome networks and the pathways that are potentially regulated by these networks. Results: NGS analysis for mRNA indicated that there were 5727 differently expressed genes DEGs) in the Nrf2 TG vs. NTG myocardium. Of which, 3552 were upregulated and 2175 were downregulated significantly. Small RNAseq analysis revealed that 112 miRNAs were significantly altered in Nrf2TG versus NTG hearts. Among these miRNAs, 68 were upregulated and 44 were downregulated significantly. Validation of key targets for mRNA and miRNA by qPCR confirmed the NGS results. In silico analysis (IPA) revealed that the majority of the miRNAs and mRNAs that are significantly altered in response to transgene expression are potentially involved in Nrf2 mediated oxidative stress response, ILK Signaling, hypoxia signaling in the cardiovascular system and glutathione mediated detoxification etc. Conclusion: These high throughput sequencing data sets from cardiac specific Nrf2TG mice revealed the transcriptome wide effects of Nrf2 in the myocardium. Furthermore, our comprehensive analysis indicates that Nrf2 may directly or indirectly regulates these sub sets of cardiac miRNA and mRNA interactome networks under basal physiological setting.

Background: Transposon mutagenesis is highly valuable for bacterial genetic and genomic studies. The transposons are usually delivered into host cells through conjugation or electroporation of a suicide plasmid. However, many bacterial species cannot be efficiently conjugated or transformed for transposon saturation mutagenesis. For this reason, temperature-sensitive (ts) plasmids have also been developed for transposon mutagenesis, but prolonged incubation at high temperatures to induce ts plasmid loss can be harmful to the hosts and lead to enrichment of mutants with adaptive genetic changes. In addition, the ts phenotype of a plasmid is often strain- or species-specific, as it may become non-ts or suicidal in different bacterial species. Results: We have engineered several conditional suicide plasmids that have a broad host range and whose loss is IPTG-controlled. One construct, which has the highest stability in the absence of IPTG induction, was then used as a curable vector to deliver hyperactive miniTn5 transposons for insertional mutagenesis. Our analyses show that these new tools can be used for efficient and regulatable transposon mutagenesis in Escherichia coli, Acinetobacter baylyi and Pseudomonas aeruginosa. In P. aeruginosa PAO1, we have used this method to generate a Tn5 insertion library with an estimated diversity of ~108, which is ~2 logs larger than the best transposon insertional library of PAO1 and related Pseudomonas strains previously reported. Conclusion: We have developed a number of IPTG-controlled conditional suicide plasmids. By exploiting one of them for transposon delivery, a highly efficient and broadly useful mutagenesis system has been developed. As the assay condition is mild, we believe that our methodology will have broad applications in microbiology research.

Neuroendocrine (NE) cancers include a diverse spectrum of hormone-secreting neoplasms that arise from the endocrine and nervous systems. Current chemo- and radio- therapies have marginal curative benefits. This study aimed to develop an innovative antibody-drug conjugate (ADC) to effectively treat NE tumors (NETs). We first confirmed that somatostatin receptor 2 (SSTR2) is an ideal surface target by analyzing 38 patient-derived NET tissues, 33 normal organs, and 3 NET cell lines. We then developed a new monoclonal antibody (mAb, IgG1 and kappa) to target two extracellular domains of SSTR2, which showed strong and specific surface binding to NETs. The ADC was constructed by conjugating the anti-SSTR2 mAb and antimitotic monomethyl auristatin E. In vitro evaluations indicated that the ADC can effectively bind, internalize, release payload, and kill NET cells effectively. Finally, the ADC was evaluated in vivo using a NET xenografted mouse model to determine cancer targeting, maximal tolerated dosage, pharmacokinetics, and anti-cancer efficacy. The anti-SSTR2 ADC was able to exclusively target and kill NETs with minimal toxicity and high stability in vivo . This study demonstrates that the anti-SSTR2 mAb-based ADC has high therapeutic values for NET therapy.

Abstract We implemented a deep learning (DL) algorithm for the 3-dimensional segmentation of perivascular spaces (PVSs) in deep white matter (DWM) and basal ganglia (BG). This algorithm is based on an autoencoder and a U-shaped network (U-net), and was trained and tested using T1-weighted magnetic resonance imaging (MRI) data from a large database of 1,832 healthy young adults. An important feature of this approach is the ability to learn from relatively sparse data, which gives the present algorithm a major advantage over other DL algorithms. Here, we trained the algorithm with 40 T1-weighted MRI datasets in which all “visible” PVSs were manually annotated by an experienced operator. After learning, performance was assessed using another set of 10 MRI scans from the same database in which PVSs were also traced by the same operator and were checked by consensus with another experienced operator. The Sorensen-Dice coefficients for PVS voxel detection in DWM (resp. BG) were 0.51 (resp. 0.66), and 0.64 (resp. 0.71) for PVS cluster detection (volume threshold of 0.5 within a range of 0 to 1). Dice values above 0.90 could be reached for detecting PVSs larger than 10 mm 3 and 0.95 for PVSs larger than 15 mm 3 . We then applied the trained algorithm to the rest of the database (1,782 individuals). The individual PVS load provided by the algorithm showed a high agreement with a semi-quantitative visual rating done by an independent expert rater, both for DWM and for BG. Finally, we applied the trained algorithm to an age-matched sample from another MRI database acquired using a different scanner. We obtained a very similar distribution of PVS load, demonstrating the interoperability of this algorithm.