// Sugunadevi Sakkiah 1 , Chandrabose Selvaraj 1 , Ping Gong 2 , Chaoyang Zhang 3 , Weida Tong 1 and Huixiao Hong 1 1 Division of Bioinformatics and Biostatistics, National Center for Toxicological Research, U.S. Food and Drug Administration, Jefferson, AR, USA 2 Environmental Laboratory, U.S. Army Engineer Research and Development Center, Vicksburg, MS, USA 3 School of Computer Science, University of Southern Mississippi, Hattiesburg, MS, USA Correspondence to: Huixiao Hong, email: huixiao.hong@fda.hhs.gov Keywords: decision forest, estrogen receptor, QSAR, Mold 2 , predictive model Received: July 20, 2017 Accepted: August 27, 2017 Published: October 10, 2017 ABSTRACT We developed an ER β binding prediction model to facilitate identification of chemicals specifically bind ER β or ER α together with our previously developed ER α binding model. Decision Forest was used to train ER β binding prediction model based on a large set of compounds obtained from EADB. Model performance was estimated through 1000 iterations of 5-fold cross validations. Prediction confidence was analyzed using predictions from the cross validations. Informative chemical features for ER β binding were identified through analysis of the frequency data of chemical descriptors used in the models in the 5-fold cross validations. 1000 permutations were conducted to assess the chance correlation. The average accuracy of 5-fold cross validations was 93.14% with a standard deviation of 0.64%. Prediction confidence analysis indicated that the higher the prediction confidence the more accurate the predictions. Permutation testing results revealed that the prediction model is unlikely generated by chance. Eighteen informative descriptors were identified to be important to ER β binding prediction. Application of the prediction model to the data from ToxCast project yielded very high sensitivity of 90-92%. Our results demonstrated ER β binding of chemicals could be accurately predicted using the developed model. Coupling with our previously developed ER α prediction model, this model could be expected to facilitate drug development through identification of chemicals that specifically bind ER β or ER α .

ABSTRACT Structural variations (SVs) are a major source of domestication and improvement traits, however SV profiles of duck and their phenotypic impacts largely hidden. We present the first duck pan-genome constructed using five genome assemblies capturing ∼40.98 Mb new sequences. This pan-genome together with high-depth sequencing data (∼46.5X) identified 101,041 SVs, of which substantial proportions were derived from transposable element (TE) activity. Many TE-derived SVs anchoring in a gene body or regulatory region are linked to duck’s domestication and improvement. By combining quantitative genetics with molecular experiments, we dissect how TE-derived SVs change gene expression of IGF2BP1 and generate a novel transcript of MITF , shaping bodyweight and white plumage. In the IGF2BP1 locus, the TE-derived SV explains the largest effect on bodyweight among avian species (27.61% of phenotypic variation). Our findings highlight the importance of using a pan-genome as a reference in genomics studies and explore the roles of TE-derived SVs in trait formation and in livestock breeding.

Abstract Background Breeding polled goats is a welfare-friendly approach for horn removal in comparison to invasive methods. To gain a comprehensive understanding of the genetic basis underlying polledness in goats, we conducted whole-genome sequencing of 106 Xinong Saanen dairy goats, including 33 horned individuals, 70 polled individuals, and 3 polled intersexuality syndrome (PIS) individuals. Methods The present study employed a genome-wide association study (GWAS) and linkage disequilibrium (LD) analysis to precisely map the genetic locus underlying the polled phenotype in goats. Results The analysis conducted in our study revealed a total of 320 genome-wide significant single nucleotide polymorphisms (SNPs) associated with the horned/polled phenotype in goats. These SNPs exhibited two distinct peaks on chromosome 1, spanning from 128,817,052 to 133,005,441 bp and from 150,336,143 to 150,808,639 bp. The present study identified three genome-wide significant SNPs, namely Chr1:129789816, Chr1:129791507, and Chr1:129791577, as potential markers of PIS-affected goats. The results of our LD analysis suggested a potential association between MRPS22 and infertile intersex individuals, as well as a potential association between ERG and the polled trait in goats. Conclusion We have successfully identified three marker SNPs closely linked to PIS, as well as several candidate genes associated with the polled trait in goats. These results may contribute to the development of SNP chips for early prediction of PIS in goats, thereby facilitating breeding programs aimed at producing fertile herds with polled traits.

Bloodstream infections (BSIs) are a critical medical concern, characterized by elevated morbidity, mortality, extended hospital stays, substantial healthcare costs, and diagnostic challenges. The clinical outcomes for patients with BSI can be markedly improved through the prompt identification of the causative pathogens and their susceptibility to antibiotics and antimicrobial agents. Traditional BSI diagnosis via blood culture is often hindered by its lengthy incubation period and its limitations in detecting pathogenic bacteria and their resistance profiles. Surface-enhanced Raman scattering (SERS) has recently gained prominence as a rapid and effective technique for identifying pathogenic bacteria and assessing drug resistance. This method offers molecular fingerprinting with benefits such as rapidity, sensitivity, and non-destructiveness. The objective of this study was to integrate deep learning (DL) with SERS for the rapid identification of common pathogens and their resistance to drugs in BSIs. To assess the feasibility of combining DL with SERS for direct detection, erythrocyte lysis and differential centrifugation were employed to isolate bacteria from blood samples with positive blood cultures. A total of 12,046 and 11,968 SERS spectra were collected from the two methods using Raman spectroscopy and subsequently analyzed using DL algorithms. The findings reveal that convolutional neural networks (CNNs) exhibit considerable potential in identifying prevalent pathogens and their drug-resistant strains. The differential centrifugation technique outperformed erythrocyte lysis in bacterial isolation from blood, achieving a detection accuracy of 98.68% for pathogenic bacteria and an impressive 99.85% accuracy in identifying carbapenem-resistant

Abstract Backgroud Our study aimed to assess the impact of inter- and intra-observer variations when utilizing an artificial intelligence (AI) system for bone age assessment (BAA) of preschool children. Methods A retrospective study was conducted involving a total sample of 53 female individuals and 41 male individuals aged 3–6 years in China. Radiographs were assessed by four mid-level radiology reviewers using the TW3 and RUS–CHN methods. Bone age (BA) was analyzed in two separate situations, with/without the assistance of AI. Following a 4-week wash-out period, radiographs were reevaluated in the same manner. Accuracy metrics, the correlation coefficient (ICC)and Bland-Altman plots were employed. Results The accuracy of BAA by the reviewers was significantly improved with AI. The results of RMSE and MAE decreased in both methods ( p < 0.001). When comparing inter-observer agreement in both methods and intra-observer reproducibility in two interpretations, the ICC results were improved with AI. The ICC values increased in both two interpretations for both methods and exceeded 0.99 with AI. Conclusion In the assessment of BA for preschool children, AI was found to be capable of reducing inter-observer variability and enhancing intra-observer reproducibility, which can be considered an important tool for clinical work by radiologists. Impact The RUS-CHN method is a special bone age method devised to be suitable for Chinese children. The preschool stage is a critical phase for children, marked by a high degree of variability that renders BA prediction challenging. The accuracy of BAA by the reviewers can be significantly improved with the aid of an AI model system. This study is the first to assess the impact of inter- and intra-observer variations when utilizing an AI model system for BAA of preschool children using both the TW3 and RUS-CHN methods.

Background/Aims: Radiotherapy does not only kill tumor cells but also impairs the function of adjacent tissues, especially bone metabolism by damaging bone marrow stromal stem cells (BMSCs). This study aimed to investigate the effect of semaphorin 3a (Sema3a) on BMSCs exposed to 2 Gy radiation. Materials: BMSCs were divided into four groups, namely, group A (0 Gy), group B (2 Gy), group C (0 Gy + Sema3a), and group D (2 Gy + Sema3a). A Cell Counting Kit-8 kit, Alizarin-Red and Oil-Red-O staining, alkaline phosphatase activity kit, and dichlorodihydro-fluoresce in diacetate were used to test cell proliferation, cell cycle, osteogenic ability, adipogenic ability, and the level of reactive oxygen species (ROS), respectively, in each group. Real-time PCR was performed to test the expression of osteogenic (osteocalcin and Runt-related transcription factor 2), adipogenic (peroxisome proliferator-activated receptor gamma), interleukin (IL)-6, and tumor necrosis factor (TNF)-α genes. Results: BMSC proliferation, osteogenic differentiation, and the number of cells undergoing division (S+G2 phase of the cell cycle) were found to be lower in group B than in group A. and the cellular levels of ROS, adipogenic differentiation, and expression of inflammatory factors (IL-6 and TNF-α) were higher in group B than in group A. Furthermore, osteogenic differentiation ability was higher in group D than in group B, and adipogenic differentiation ability, cellular levels of ROS, and gene expression of TNF-α and IL-6 were lower in group D than in group B. Conclusion: This study demonstrated that 2 Gy radiation could decrease the osteogenic differentiation ability of BMSCs and increase their adipogenic differentiation ability by increasing the production of ROS. However, Sema3a could reduce these side effects by decreasing the levels of ROS.

Abstract Severe trauma frequently leads to nerve damage. Peripheral nerves possess a degree of regenerative ability, and actively promoting their recovery can help restore the sensory and functional capacities of tissues. The neuropeptide calcitonin gene‐related peptide (CGRP) is believed to regulate the repair of injured peripheral nerves, with neuronal transient receptor potential vanilloid type 1 (TRPV1) potentially serving as a crucial upstream factor. In this study, we established a mouse model of sciatic nerve (SN) crush injury and found that intrathecal injection of capsaicin (Cap) activated the neuronal TRPV1‐CGRP axis, thereby promoting SN repair. Conversely, the application of capsazepine (Cpz), which inhibits the neuronal TRPV1‐CGRP axis, delayed SN repair. Local restoration of CGRP expression at the injury site enhanced the repair process. In vitro experiments, we employed the rat Schwann cell (SC) line RSC96 to establish an indirect co‐culture model of neurons and SCs. We observed that the proliferation, migration, expression of myelination‐associated proteins, and neurotrophic secretion functions of RSC96 cells are positively correlated with the degree of activation of neuronal TRPV1. Inhibition of neuronal TRPV1, followed by the restoration of CGRP levels, improved these functions in RSC96 cells. Furthermore, activation of the neuronal TRPV1‐CGRP axis resulted in an upregulation of extracellular signal‐regulated kinases 1/2 (ERK1/2) phosphorylation levels and an increase in hypoxia‐inducible factor 1α (HIF‐1α) accumulation in RSC96 cells, thereby promoting their proliferation and migration. In summary, this study demonstrates that neuronal TRPV1‐CGRP axis can regulate biological behavior of SCs and axon regeneration by activating the ERK/HIF‐1 signaling pathway following peripheral nerve injury. This finding clarifies the role of CGRP in neuroregulatory networks and provides a novel reference point for the development of drugs and biomaterials for treating nerve damage. image