Abstract The Genome Sequence Archive (GSA) is a data repository for archiving raw sequence data, which provides data storing and sharing services for worldwide scientific communities. Considering explosive data growth with diverse data types, here we present the GSA family by expanding into a set of resources for raw data archive with different purposes, namely, GSA ( https://ngdc.cncb.ac.cn/gsa/ ), GSA for Human (GSA-Human, https://ngdc.cncb.ac.cn/gsa-human/ ), and Open Archive for Miscellaneous Data (OMIX, https://ngdc.cncb.ac.cn/omix/ ). Compared with the 2017 version, GSA has been significantly updated in data model, online functionalities, and web interfaces. GSA-Human, as a new partner of GSA, is a data repository specialized in human genetics-related data with controlled access and security. OMIX, as a critical complement to the two resources mentioned above, is an open archive for miscellaneous data. Together, all these resources form a family of resources dedicated to archiving explosive data with diverse types, accept data submissions from all over the world and provide free open access to all publicly available data in support of worldwide research activities.

Abstract The outbreak of the COVID-19 pandemic caused catastrophic socioeconomic consequences and fundamentally reshaped the lives of billions across the globe. Our current understanding of the relationships between clinical variables (demographics, symptoms, follow-up symptoms, comorbidities, treatments, lab results, complications, and other clinical measurements) and COVID-19 outcomes remains obscure. Various computational approaches have been employed to elucidate the relationships between different COVID-19 clinical variables and their contributions to the disease outcomes. However, it is often challenging to capture the indirect relationships, as well as the direction of those relationships, with the conventional pairwise correlation methods. Graphical models (e.g., Bayesian networks) can address these limitations but are computationally expensive, which substantially limits their applications in reconstructing relationship networks of umpteen clinical variables. In this study, we have developed a method named RAMEN, which employs Genetic Algorithm and random walks to infer the Bayesian relationship network between clinical variables. We applied RAMEN to a comprehensive COVID-19 dataset, Biobanque Québécoise de la COVID-19 (BQC19). Most of the clinical variables in our reconstructed Bayesian network associated with COVID-19 severity, or long COVID, are supported by existing literature. We further computationally verified the effectiveness of the RAMEN method with statistical examinations of the multi-omics measurements (Clinical variables, RNA-seq, and Somascan) of the BQC19 data and simulations. The accurate inference of the relationships between clinical variables and disease outcomes powered by RAMEN will significantly advance the development of effective and early diagnostics of severe COVID-19 and long COVID, which can help save millions of lives.

Abstract Metabolic reprogramming is a hallmark of the immune cells in response to inflammatory stimuli. This metabolic process involves a switch from oxidative phosphorylation (OXPHOS) to glycolysis, or alterations in other metabolic pathways. However, most of the experimental findings have been acquired in murine immune cells and little is known about the metabolic reprogramming of human microglia. In this study, we investigated the transcriptomic and metabolic profiles of mouse and iPSC-derived human microglia challenged with the TLR4 agonist LPS. We found that both species displayed a metabolic shift and an overall increased glycolytic gene signature in response to LPS treatment. The metabolic reprogramming was characterized by the upregulation of hexokinases in mouse microglia and phosphofructokinases in human microglia. This study provides the first direct comparison of energy metabolism between mouse and human microglia, highlighting the species-specific pathways involved in immunometabolism and the importance of considering these differences in translational research.

The nucleus is the most prominent organelle in eukaryotic cells, and its deformation depends on interactions between the nuclear lamina (NL) and cytoskeleton structural tensions. The structural tensions can be quantified at a pico-Newton (pN) level using a genetically encoded optical probe. In living cells, NL tensions countered the 4.26pN resting strain imposed competitively by cytoskeletal tension. The depolymerization of microfilaments or microtubules drove an aberrant increase in outward osmotic pressure through the production of mass protein-nanoparticles. The osmotic pressure also served as a directional converter of inward cytoskeletal force, and contributed to the outward expansion of NL via the passive pull of intermediate filaments (IFs). The NL, but not IFs, can remotely detect extracellular osmosis pressure alterations, which are closely associated with highly polarized microfilament and microtubule structures and their directional force activities. The oxidative-induced increase of NL tension results from intracellular hyper-osmosis, associated closely with protein-nanoparticles production elicited by cofilin and stathmin activation. These data reveal that intracellular steerable forces interact direction-dependently to control NL tension in terms of their magnitude and vectors.

Abstract Low-light stress compromises photosynthetic and energy efficiency and leads to spikelet sterility; however, the effect of low-light stress on pollen tube elongation in the pistil remains poorly understood. The gene RGA1 , which encodes a Gα subunit of the heterotrimeric G protein, enhanced low-light tolerance in rice plants at anthesis by preventing the cessation of pollen tube elongation in the pistil. The levels of reactive oxygen species were higher and the content of ATP and ATPase was lower in RGA1 mutant (d1) plants compared with wild-type and RGA1 -overexpressing (OE-1) plants under low-light conditions. Energy deficits, rather than interference with signaling transduction pathways, were the main contributors to the inhibition of pollen tube elongation in the pistil by low-light stress. In this process, marked increases in the activities of acid invertase (INV), sucrose synthase (SUS), and mitochondrial respiratory electron transport chain complexes, as well as the relative expression levels of SUTs , SWEETs , SUSs , INVs , CINs , SnRK1A , and SnRk1B , were observed in OE-1 plants. INV and ATPase activators (sucrose and Na 2 SO 3 , respectively) increased spikelet fertility by improving the energy status in the pistil under low-light conditions, and the ATPase inhibitor Na 2 VO 4 induced spikelet sterility and decreased ATPase activity. Therefore, RGA1 could alleviate the low-light stress-induced impairment of pollen tube elongation to increase spikelet fertility by promoting sucrose unloading in the pistil and improving the metabolism and allocation of energy.

Cotton Verticillium wilt (VW) is a devastating disease seriously affecting fiber yield and quality, and the most effective and economical prevention measure at present is selection and extension of Gossypium varieties harboring high resistant VW. However, multiple attempts to improve the VW resistance of the most widely cultivated Upland cotton have brought in little significant progress, and it seems necessary and urgent to develop Chromosome segment substitution lines (CSSLs) for merging the superior genes related with high yield and wide adaptation from G. hirsutum and VW resistance and excellent fiber quality from G. barbadense . In this study, 300 CSSLs were chosen from the developed BC5F3:5 CSSLs constructed by G. hirsutum CCRI36 and G. barbadense Hai1 to conduct quantitative trait locus (QTL) mapping on VW resistance, and a total of 53 QTLs relevant to VW disease index (DI) were identified together with the phenotypic data of 2 years investigations in two fields with two replications per year. All the QTLs were distributed on 20 chromosomes with phenotypic variation of 3.74-11.89%, of which 29 stable ones were consistent in at least two environments. Based on Meta-analysis on the 53 QTLs, 43 novel ones were identified, while 10 ones consistent to previously identified QTLs. Meanwhile, 32 QTL hotspot regions were detected, including 15 ones were novel. This study concentrates on QTL identification and screening hotspot region related with VW in the 300 CSSLs, which lay a solid platform not only for revealing the genetic and molecular mechanisms of VW resistance, but also for further fine mapping, gene cloning and molecular designing in breeding program for resistant cotton varieties.