InWeb_InBioMap (InWeb_IM for short) is a scored, integrated human protein–protein interaction network resource aggregated from public, experimentally determined protein–protein interactions. The resource enables functional interpretation of large-scale genomics data. Genome-scale human protein–protein interaction networks are critical to understanding cell biology and interpreting genomic data, but challenging to produce experimentally. Through data integration and quality control, we provide a scored human protein–protein interaction network (InWeb_InBioMap, or InWeb_IM) with severalfold more interactions (>500,000) and better functional biological relevance than comparable resources. We illustrate that InWeb_InBioMap enables functional interpretation of >4,700 cancer genomes and genes involved in autism.

A BLUEPRINT of immune cell development To determine the epigenetic mechanisms that direct blood cells to develop into the many components of our immune system, the BLUEPRINT consortium examined the regulation of DNA and RNA transcription to dissect the molecular traits that govern blood cell differentiation. By inducing immune responses, Saeed et al. document the epigenetic changes in the genome that underlie immune cell differentiation. Cheng et al. demonstrate that trained monocytes are highly dependent on the breakdown of sugars in the presence of oxygen, which allows cells to produce the energy needed to mount an immune response. Chen et al. examine RNA transcripts and find that specific cell lineages use RNA transcripts of different length and composition (isoforms) to form proteins. Together, the studies reveal how epigenetic effects can drive the development of blood cells involved in the immune system. Science , this issue 10.1126/science.1251086 , 10.1126/science.1250684 , 10.1126/science.1251033

Abstract TRIM7 catalyses the ubiquitination of multiple substrates with unrelated biological functions. This cross-reactivity is at odds with the specificity usually displayed by enzymes, including ubiquitin ligases. Here we show that TRIM7’s extreme substrate promiscuity is due to a highly unusual binding mechanism, in which the PRYSPRY domain captures any ligand with a C-terminal helix that terminates in a hydrophobic residue followed by a glutamine. Many of the non-structural proteins found in RNA viruses contain C-terminal glutamines as a result of polyprotein cleavage by 3C protease. This viral processing strategy generates novel substrates for TRIM7 and explains its ability to inhibit Coxsackie virus and norovirus replication. In addition to viral proteins, cellular proteins such as glycogenin have evolved C-termini that make them a TRIM7 substrate. The ‘helix-ΦQ’ degron motif recognised by TRIM7 is reminiscent of the N-end degron system and is found in ∼ 1% of cellular proteins. These features, together with TRIM7’s restricted tissue expression and lack of immune regulation suggest that viral restriction may not be its physiological function.

Understanding the molecular basis of adaptation to the environment is a central question in evolutionary biology, yet linking detected signatures of positive selection to molecular mechanisms remains challenging. Here we demonstrate that combining sequence-based phylogenetic methods with structural information assists in making such mechanistic interpretations on a genomic scale. Our integrative analysis shows that positively selected sites tend to co-localise on protein structures and that positively selected clusters are found in functionally important regions of proteins, indicating that positive selection can contravene the well-known principle of evolutionary conservation of functionally important regions. This unexpected finding, along with our discovery that positive selection acts on structural clusters, opens new strategies for the development of better models of protein evolution. Remarkably, proteins where we detect the strongest evidence of clustering belong to just two functional groups: components of immune response and metabolic enzymes. This gives a coherent picture of immune response and xenobiotic metabolism as the drivers of adaptive evolution of mammals.

The poly(A) tail, co-transcriptionally added to most eukaryotic RNAs, plays an important role in post-transcriptional regulation through modulating mRNA stability and translational efficiency. The length of the poly(A) tail is dynamic, decreasing or increasing in response to various stimuli through the action of enzymatic complexes, and changes in tail length are exploited in regulatory pathways implicated in various biological processes. To date, assessment of poly(A) tail length has mostly relied on protocols targeting only a few transcripts. We present PASP ('poly(A) tail sequencing protocol'), a whole-transcriptome approach to measure tail lengths - including a computational pipeline implementing all necessary analyses. PASP uses direct Illumina sequencing of cDNA fragments obtained through G-tailing of poly(A)-selected mRNA followed by fragmentation and reverse transcription. Analysis of reads corresponding to spike-in poly(A) tracts of known length indicated that mean tail lengths can be confidently measured, given sufficient coverage. We further explored the utility of our approach by comparing tail lengths estimated from wild type and Δccr4-1/pan2 mutant yeasts. The yeast whole-transcriptome tail length distributions showed high consistency between biological replicates, and the expected upward shift in tail lengths in the mutant samples was detected. This suggests that PASP is suitable for the assessment of global polyadenylation status in yeast. The correlation of per-transcript mean tail lengths between biological and technical replicates was low (higher between mutant samples). Both, however, reached high values after filtering for transcripts with greater coverage. We also compare our results with those of other methods. We identify a number of improvements that could be used in future PASP experiments and, based on our results, believe that direct sequencing of poly(A) tails can become the method of choice for studying polyadenylation using the Illumina platform.

Human protein-protein interaction networks are critical to understanding cell biology and interpreting genetic and genomic data, but are challenging to produce in individual large-scale experiments. We describe a general computational framework that through data integration and quality control provides a scored human protein-protein interaction network (InWeb_IM). Juxtaposed with five comparable resources, InWeb_IM has 2.8 times more interactions (~585K) and a superior functional signal showing that the added interactions reflect real cellular biology. InWeb_IM is a versatile resource for accurate and cost-efficient functional interpretation of massive genomic datasets illustrated by annotating candidate genes from >4,700 cancer genomes and genes involved in neuropsychiatric diseases.