Abstract We propose a polynomial algorithm computing a minimum plain-text representation of kmer sets, as well as an efficient near-minimum greedy heuristic. When compressing read sets of large model organisms or bacterial pangenomes, with only a minor runtime increase, we shrink the representation by up to 60% over unitigs and 27% over previous work. Additionally, the number of strings is decreased by up to 97% over unitigs and 91% over previous work. Finally, a small representation has advantages in downstream applications, as it speeds up SSHash-Lite queries by up to 4.26× over unitigs and 2.10× over previous work. Availability matchtigs: https://github.com/algbio/matchtigs SSHash-Lite: https://github.com/jermp/sshash-lite

Abstract Recurrence of solid tumors renders patients vulnerable to a distinctly advanced, highly treatment-refractory disease state that has an increased mutational burden and novel oncogenic drivers not detected at initial diagnosis. Improving outcomes for recurrent cancers requires a better understanding of cancer cell populations that expand from the post-therapy, minimal residual disease (MRD) state. We profiled barcoded tumor stem cell populations through therapy at tumor initiation/engraftment, MRD and recurrence in our therapy-adapted, patient-derived xenograft models of glioblastoma (GBM). Tumors showed distinct patterns of recurrence in which clonal populations exhibited either an a priori , pre-existing fitness advantage, or a priori equipotency fitness acquired through therapy. Characterization of the MRD state by single-cell and bulk RNA sequencing revealed a tumor-intrinsic immunomodulatory signature with strong prognostic significance at the transcriptomic level and in proteomic analysis of cerebrospinal fluid (CSF) collected from GBM patients at all stages of disease. Our results provide insight into the innate and therapy-driven dynamics of human GBM, and the prognostic value of interrogating the MRD state in solid cancers.

The link between cancer maintenance and an ability to sustain continued growth through stresses conferred by the cancer state itself is growing. However, there are significant gaps in our understanding of how this stress is managed, particularly at the level of cancer initiating cells. Here, we identify proteins comprising the dynamic, stress-adaptive ribonucleoprotein complexes known as stress granules (SG) to be enriched among the factors essential for leukemic stem cell (LSC)-driven leukemic propagation. Focusing on core SG nucleator G3BP1, we dissect the role of SGs in human acute myeloid leukemia (AML), their targetability, and the mechanisms they govern to uncover a novel propensity for AML, and in particular LSC-enriched fractions, to prime the expression of SG components, form SGs with greater fidelity and to be reliant on their establishment and continued integrity for LSC maintenance. We further unveil the transcript and protein interactome of G3BP1 in the AML context and show that consolidated control of innate immune signaling, and apoptosis repression is executed through regional binding specificity of G3BP1 to highly structured 3'UTRs and cooperation with the RNA helicase UPF1 to mediate transcript decay in SGs. Altogether our findings advance novel fundamental principles of stress adaptation exploited in AML and LSCs that may extend to other cancers and uncover SGs as a novel axis for therapy development.

A decomposition} of a network flow is a set of weighted paths whose superposition equals the flow. The problem of characterising and computing safe walks for flow decompositions has so far seen only a partial solution by restricting the flow decomposition to consist of paths, and the graph to be directed and acyclic (emphDAG). However, the problem of decomposing into closed walks in a general graph (allowing cycles) is still open. In this paper, we give a simple and linear-time-verifiable complete characterisation (emphflowtigs) of walks that are emphsafe in such general flow decompositions, i.e. that are subwalks of any possible flow decomposition. Our characterisation generalises over the previous one for DAGs, using a more involved proof of correctness that works around various issues introduced by cycles. We additionally provide an optimal O(mn)-time algorithm that identifies all maximal flowtigs and represents them inside a compact structure. We also implement this algorithm and show that it is very fast in practice. On the practical side, we study flowtigs in the use-case of metagenomic assembly. By using the abundances of the metagenomic assembly graph as flow values, we can model the possible assembly solutions as flow decompositions into closed walks. Compared to reporting unitigs or maximal safe walks based only on the graph structure (emphstructural contigs), reporting flowtigs results in a notably more contiguous assembly. Specifically, on shorter contigs (75-percentile), we get an improvement in assembly contiguity of up to 100% over unitigs, and up to 61.9% over structural contigs. For the 50-percentile of contiguity we get an improvement of up to 17.0% over unitigs and up to 14.6% over structural contigs. These improvements are more pronounced the more complex the assembly graphs are, and the improvements of flowtigs over unitigs are multiple times larger compared to the improvements of previous safe walks over unitigs.

SUMMARY Micronuclei (MN) are induced by various genotoxic stressors and amass nuclear- and cytoplasmic-resident proteins, priming the cell for MN-driven signalling cascades. Here, we measure the proteome of micronuclear, cytoplasmic, and nuclear fractions from human cells exposed to a panel of six genotoxins, comprehensively profiling their MN protein landscape. We find that MN assemble a proteome distinct from both surrounding cytoplasm and parental nuclei, with a core composition that is independent of the specific inciting stressor. Across stress conditions, MN are significantly depleted for spliceosome machinery and replication stress response proteins, but are enriched for a subset of the replisome. We find that the loss of splicing machinery within transcriptionally active MN contributes to intra-MN DNA damage, a known precursor to chromothripsis. This dataset represents a unique resource detailing the proteomic landscape of MN, guiding mechanistic studies of MN generation and MN-associated outcomes of genotoxic stress.

Abstract Deep proteomic profiling of rare cell populations has been constrained by sample input requirements. Here, we present DROPPS, an accessible low-input platform that generates high-fidelity proteomic profiles of 100 - 2,500 cells. By applying DROPPS within the mammary epithelium, we elucidated the connection between mitochondrial activity and clonogenicity, discovering and validating CD36 as a marker of progenitor capacity in the basal cell compartment. We anticipate DROPPS will accelerate biology-driven proteomic research for a multitude of rare cell populations.