Massively parallel sequencing (MPS) on DNA nanoarrays provides billions of reads at relatively low cost and enables a multitude of genomic applications. Further improvement in read length, sequence quality and cost reduction will enable more affordable and accurate comprehensive health monitoring tests. Currently the most efficient MPS uses dye-labeled reversibly terminated nucleotides (RTs) that are expensive to make and challenging to incorporate. Furthermore, a part of the dye-linker (scar) remains on the nucleobase after cleavage and interferes with subsequent sequencing cycles. We describe here the development of a novel MPS chemistry (CoolMPS™) utilizing unlabeled RTs and four natural nucleobase-specific fluorescently labeled antibodies with fast (30 sec) binding. We implemented CoolMPS™ on MGI′s PCR-free DNBSEQ MPS platform using arrays of 200nm DNA nanoballs (DNBs) generated by rolling circle replication and demonstrate 3-fold improvement in signal intensity and elimination of scar interference. Single-end 100-400 base and pair-end 2x150 base reads with high quality were readily generated with low out-of-phase incorporation. Furthermore, DNBs with less than 50 template copies were successfully sequenced by strong-signal CoolMPS ™ with 3-times higher accuracy than in standard MPS. CoolMPS™ chemistry based on natural nucleobases has potential to provide longer, more accurate and less expensive MPS reads, including highly accurate ″4-color sequencing″ on the most efficient dye-crosstalk-free 2-color imagers with an estimated sequencing error rate of 0.00058% (one error in 170,000 base calls) in a proof-of-concept demonstration.

Abstract Over the last decades, deep learning models have rapidly gained popularity for their ability to achieve state-of-the-art performances in different inference settings. Novel domains of application define a new set of requirements that transcend accurate predictions and depend on uncertainty measures. The aims of this study are to implement Bayesian neural networks and use the corresponding uncertainty estimates to improve predictions and perform dataset analysis. We identify two main advantages in modeling the predictive uncertainty of deep neural networks performing classification tasks. The first is the possibility to discard highly uncertain predictions to increase model accuracy. The second is the identification of unfamiliar patterns in the data that correspond to outliers in the model representation of the training data distribution. Such outliers can be further characterized as either corrupted observations or data belonging to different domains. Both advantages are well demonstrated on benchmark datasets. Furthermore we apply the Bayesian approach to a biomedical imaging dataset where cancer cells are treated with diverse drugs, and show how one can increase classification accuracy and identify noise in the ground truth labels with uncertainty analysis.

Abstract Bestrophin isoform 4 ( BEST4 ) is a newly identified subtype of the calcium-activated chloride channel family. Analysis of colonic epithelial cell diversity by single cell RNA-sequencing has revealed the existence of a cluster of BEST4 + mature colonocytes in humans. However, if the role of BEST4 is involved in regulating tumour progression remains largely unknown. In this study, we demonstrate that BEST4 overexpression attenuates cell proliferation, colony formation, and mobility in colorectal cancer (CRC) in vitro , and impedes the tumor growth and the liver metastasis in vivo . BEST4 is coexpressed with hairy/enhancer of split 4 ( Hes4 ) in the nucleus of cells, and Hes4 signals BEST4 by interacting with the upstream region of the BEST4 promoter. BEST4 is epistatic to Hes4 and downregulates Twist1, thereby inhibiting epithelial-to-mesenchymal transition (EMT) in CRC. Conversely, knockout of BEST4 using CRISPR/Cas9 in CRC cells revitalises tumor growth and induces EMT. Furthermore, the low level of the BEST4 mRNA is correlated with advanced and the worse prognosis, suggesting that BEST4 functions as a tumor suppressor in CRC.

The basolateral amygdala (BLA) plays an important role in associative learning, by representing both conditioned stimuli (CSs) and unconditioned stimuli (USs) of positive and negative valences, and by forming associations between CSs and USs. However, how such associations are formed and updated during learning remains unclear. Here we show that associative learning driven by reward and punishment profoundly alters BLA neuronal responses at population levels, reducing noise correlations and transforming the representations of CSs to resemble the distinctive valence-specific representations of USs. This transformation is accompanied by the emergence of prevalent inhibitory CS and US responses, and by the plasticity of CS responses in individual BLA neurons. During reversal learning wherein the expected valences are reversed, BLA population CS representations are remapped onto ensembles representing the opposite valences and track the switching in valence specific behavioral actions. Our results reveal how signals predictive of opposing valences in the BLA evolve during reward and punishment learning, and how these signals might be updated and used to guide flexible behaviors.

Both the lateral and the central nuclei of the amygdala are required for adaptive behavioral responses to environmental cues predicting threats. While experience-driven synaptic plasticity in the lateral amygdala is thought to underlie the formation of association between a sensory stimulus and an ensuing threat, how the central amygdala participates in such learning process remains unclear. Here we show that a specific class of central amygdala neurons, the protein kinase C-δ-expressing neurons, is essential for the synaptic plasticity underlying learning in the lateral amygdala, as it is required for lateral amygdala neurons to respond to unconditioned stimulus, and furthermore carries information about the unconditioned stimulus to instruct learning. Our results uncover an amygdala functional organization that may play a key role in diverse learning processes.

Beta-lactam antibiotics comprise one of the earliest known classes of antibiotic therapies. These molecules covalently inhibit enzymes from the family of penicillin-binding proteins, which are essential to the construction of the bacterial cell wall. As a result, beta-lactams have long been known to cause striking changes to cellular morphology. The exact nature of the changes tend to vary by the precise PBPs engaged in the cell since beta-lactams exhibit a range of PBP enzyme specificity. The traditional method for exploring beta-lactam polyspecificity is a gel-based binding assay which is low-throughput and typically run ex situ in cell extracts. Here, we describe a medium-throughput, image-based assay combined with machine learning methods to automatically profile the activity of beta-lactams in E. coli cells. By testing for morphological change across a panel of strains with perturbations to individual PBP enzymes, our approach automatically and quantifiably relates different beta-lactam antibiotics according to their preferences for individual PBPs in cells. We show the potential of our approach for guiding the design of novel inhibitors towards different PBP-binding profiles by recapitulating the activity of two recently-reported PBP inhibitors.

Purpose: The retina is highly metabolically active, suggesting that metabolic dysfunction could underlie many retinal degenerative diseases. Nicotinamide adenine dinucleotide (NAD+) is a cofactor and a co-substrate in several cellular energetic metabolic pathways. Maintaining NAD+ levels may be therapeutic in retinal disease since retinal NAD+ levels decline with age and during retinal damage or degeneration. The purpose of this study was to investigate whether systemic treatment with nicotinamide riboside (NR), a NAD+ precursor, is protective in disparate models of retinal damage or degeneration. Methods: Three mouse models of retinal degeneration were tested: an albino mouse model of light-induced retinal degeneration (LIRD) and two models of retinitis pigmentosa (RP), including a mouse line deficient in interphotoreceptor binding protein (IRBP) gene expression (IRBP KO), and a naturally-occuring cGMP phosphodiesterase 6b mutant mouse model of RP (the Pde6brd10 mouse). Mice were intraperitoneally (IP) injected with PBS or NR at various times relative to damage or degeneration onset. One to two weeks later, retinal function was assessed by electroretinograms (ERGs) and retinal morphology was assessed by optical coherence tomography (OCT). Afterwards, retina sections were H&E stained for morphological analysis or by terminal deoxynucleiotidyl transferase dUTP nick and labeling (TUNEL). Retinal NAD+/NADH levels were enzymatically assayed. Results: The retinal degeneration models exhibited significantly suppressed retinal function, and where examined, severely disrupted photoreceptor cell layer and significantly decreased numbers of nuclei and increased accumulation of DNA breaks as measured by TUNEL-labeled cells in the outer nuclear layer (ONL). These effects were prevented by various NR treatment regimens. IP treatment with NR also resulted in increased levels of NAD+ in retina. Conclusions: This is the first study to report protective effects of NR treatment in mouse models of retinal degeneration. The positive outcomes in several models, coupled with human tolerance to NR dosing, suggest that maintaining retinal NAD+ via systemic NR treatment should be further explored for clinical relevance.

Infection triggers clonal expansion and effector differentiation of microbial antigen-specific T cells in association with metabolic reprograming. Here, we show that the glycolytic enzyme lactate dehydrogenase A (LDHA) is induced in CD8+ T effector cells via phosphoinositide 3-kinase (PI3K)-dependent mechanisms. In turn, ablation of LDHA inhibits PI3K-dependent phosphorylation of Akt and its transcription factor target Foxo1, causing defective antimicrobial immunity. LDHA deficiency cripples cellular redox control and diminishes glycolytic adenosine triphosphate (ATP) production in effector T cells, resulting in attenuated PI3K signaling. Thus, nutrient metabolism and growth factor signaling are highly integrated processes with glycolytic ATP serving as a rheostat to gauge PI3K/Akt/Foxo1 signaling in T cell immunity control. Such a bioenergetics mechanism of signaling regulation implies a root cause for the century-old phenomenon of Warburg effect, and could guide development of novel therapeutics for infectious diseases and cancer.

The aim of this study was to investigate the protective effects of systemically administered N-[2-(5-hydroxy-1H-indol-3-yl)ethyl]-2-oxopiperidine-3-carboxamide (HIOC) or tauroursodeoxycholic acid (TUDCA) in an optic nerve crush (ONC) mouse model. HIOC (50 mg/kg) or TUDCA (500mg/kg) were intraperitoneally (i.p.) injected into adult C57BL/6 mice three times per week. Two weeks after treatment (6 injections), unilateral optic nerve crush was conducted followed by treatment at the same day. The treatment was continued until 1 week or 2 weeks after ONC. A control cohort was identically treated with drug vehicle (phosphate-buffered saline; PBS). Retinas were harvested for whole mount immunofluorescence staining with RGC markers and imaged by fluorescent confocal microscopy at 40x magnification. Fluorescing cells were counted by computer-assisted automated identification and counting software (CellProfiler). Cohort sampling sizes were N=4 and statistical tesing was by the Wilcoxon-Mann-Whitney Test. Significant loss (80%’85%) occurred in the PBS-injected group 1 and 2 weeks after ONC. This loss was partially but significantly prevented in drug-treated cohorts (P < 0.05). Delivery of HIOC or TUDCA by i.p. injection increased survival of RGCs after ONC. Protection was similar between treatment with either drug. These data suggest that it is worthwhile to further explore possible protective effects of HIOC or TUDCA on RGC subtypes with regards to structure and function and in additional disease models that involve RGC loss.

Abstract The nexus model of social processing proposes that the right temporal parietal junction (rTPJ) serves as a neural hub for cognitive social functions. We test the hypothesis that the rTPJ is a domain general region including somatosensory social functions. Neuroimaging findings and cross-brain coherence for right- and left-hand handclasps with real vs. simulated hands were consistent with the domain general model.