Atopic dermatitis (AD) affects up to 20% of children and adults worldwide. To gain a deeper understanding of the pathophysiology of AD, we conducted a large-scale transcriptomic study of AD with deeply sequenced RNA-sequencing samples using long (126-bp) paired-end reads. In addition to the comparisons against previous transcriptomic studies, we conducted in-depth analysis to obtain a high-resolution view of the global architecture of the AD transcriptome and contrasted it with that of psoriasis from the same cohort. By using 147 RNA samples in total, we found striking correlation between dysregulated genes in lesional psoriasis and lesional AD skin with 81% of AD dysregulated genes being shared with psoriasis. However, we described disease-specific molecular and cellular features, with AD skin showing dominance of IL-13 pathways, but with near undetectable IL-4 expression. We also demonstrated greater disease heterogeneity and larger proportion of dysregulated long noncoding RNAs in AD, and illustrated the translational impact, including skin-type classification and drug-target prediction. This study is by far the largest study comparing the AD and psoriasis transcriptomes using RNA sequencing and demonstrating the shared inflammatory components, as well as specific discordant cytokine signatures of these two skin diseases. Atopic dermatitis (AD) affects up to 20% of children and adults worldwide. To gain a deeper understanding of the pathophysiology of AD, we conducted a large-scale transcriptomic study of AD with deeply sequenced RNA-sequencing samples using long (126-bp) paired-end reads. In addition to the comparisons against previous transcriptomic studies, we conducted in-depth analysis to obtain a high-resolution view of the global architecture of the AD transcriptome and contrasted it with that of psoriasis from the same cohort. By using 147 RNA samples in total, we found striking correlation between dysregulated genes in lesional psoriasis and lesional AD skin with 81% of AD dysregulated genes being shared with psoriasis. However, we described disease-specific molecular and cellular features, with AD skin showing dominance of IL-13 pathways, but with near undetectable IL-4 expression. We also demonstrated greater disease heterogeneity and larger proportion of dysregulated long noncoding RNAs in AD, and illustrated the translational impact, including skin-type classification and drug-target prediction. This study is by far the largest study comparing the AD and psoriasis transcriptomes using RNA sequencing and demonstrating the shared inflammatory components, as well as specific discordant cytokine signatures of these two skin diseases.

The PubMed database contains more than 34 million articles; consequently, it is becoming increasingly difficult for a biomedical researcher to keep up-to-date with different knowledge domains. Computationally efficient and interpretable tools are needed to help researchers find and understand associations between biomedical concepts. The goal of literature-based discovery (LBD) is to connect concepts in isolated literature domains that would normally go undiscovered. This usually takes the form of an A-B-C relationship, where A and C terms are linked through a B term intermediate. Here we describe Serial KinderMiner (SKiM), an LBD algorithm for finding statistically significant links between an A term and one or more C terms through some B term intermediate(s). The development of SKiM is motivated by the the observation that there are only a few LBD tools that provide a functional web interface, and that the available tools are limited in one or more of the following ways: 1) they identify a relationship but not the type of relationship, 2) they do not allow the user to provide their own lists of B or C terms, hindering flexibility, 3) they do not allow for querying thousands of C terms (which is crucial if, for instance, the user wants to query connections between a disease and the thousands of available drugs), or 4) they are specific for a particular biomedical domain (such as cancer). We provide an open-source tool and web interface that improves on all of these issues.We demonstrate SKiM's ability to discover useful A-B-C linkages in three control experiments: classic LBD discoveries, drug repurposing, and finding associations related to cancer. Furthermore, we supplement SKiM with a knowledge graph built with transformer machine-learning models to aid in interpreting the relationships between terms found by SKiM. Finally, we provide a simple and intuitive open-source web interface ( https://skim.morgridge.org ) with comprehensive lists of drugs, diseases, phenotypes, and symptoms so that anyone can easily perform SKiM searches.SKiM is a simple algorithm that can perform LBD searches to discover relationships between arbitrary user-defined concepts. SKiM is generalized for any domain, can perform searches with many thousands of C term concepts, and moves beyond the simple identification of an existence of a relationship; many relationships are given relationship type labels from our knowledge graph.

Abstract Literature-based discovery (LBD) uncovers undiscovered public knowledge by linking terms A to C via a B intermediate. Existing LBD systems are limited to process certain A, B, and C terms, and many are not maintained. We present SKiM (Serial KinderMiner), a generalized LBD system for processing any combination of A, Bs, and Cs. We evaluate SKiM via the rediscovery of discoveries by Don Swanson, who pioneered LBD. Using only literature from the 19th century up to a year before Swanson’s discoveries, SKiM uncovers all five discoveries. We apply SKiM to repurposing drugs for 26 conditions of high prevalence. Manual analysis confirmed 65 discoveries useful for four diseases from Swanson’s discoveries from one to 31 years prior to their first validation by clinical trials. SKiM predicts many new potential drug candidates representing prime targets for wet lab validation. SKiM can be applied to any biomedical inquiry sufficiently mentioned in the literature.

Stiff skin syndrome (SSS) is a rare (<100 reported cases), slowly progressive skin condition, caused by genetic mutation in the FBN1gene. It is characterized by thickened skin associated with muscle weakness and limited joint mobility. Currently there is no known treatment. While SSS is considered as scleroderma (Sc)-like disorder, there has not been any molecular study conducted to investigate the potential differences or similarities between the two diseases. Here, we report molecular profiling for the skin biopsies of 3 stiff skin syndrome and 3 scleroderma patients using bulk RNA-seq and single cell RNA-seq (scRNA-seq) techniques. We revealed >4,000 genes being differentially expressed in SSS skin that are highly correlated with genes dysregulated in scleroderma (Sc) skin. In stark contrast to scleroderma, which showed enrichment of myofibroblasts, there was marked enrichment of pericytes (distinguished by the expression of RGS5) in the dermal layer of SSS (10% in Sc versus >30% in SSS), confirmed by IHC. We also demonstrate expression of the therapeutically targetable adrenergic receptors (i.e. ADRA1D,ADRA2B) in pericytes, and ABCA1in fibroblasts in SSS. Previous work has suggested ADRA signaling as a promoter of fibroblast differentiation in smooth muscle. When restricting to SSS-dysregulated genes that are not differentially expressed in Sc, we identified fibroblast-expressing FGFR4(fibroblast growth factor receptor 4) as the most significantly up-regulated gene (FC=6.2; p=1.2x10-15). Our transcriptomic study illustrates the largely similar but subtle molecular differences between SSS and Sc and demonstrates that identification of dysregulated disease specific pathways can potentially facilitate the identification of therapeutic targets.

Abstract The Nile rat ( Avicanthis niloticus ) is an important animal model for biomedical research, including the study of diurnal rhythms and type 2 diabetes. Here, we report a 2.5 Gb, chromosome-level reference genome assembly with fully resolved parental haplotypes, generated with the Vertebrate Genomes Project (VGP). The assembly is highly contiguous, with contig N50 of 11.1 Mb, scaffold N50 of 83 Mb, and 95.2% of the sequence assigned to chromosomes. We used a novel workflow to identify 3,613 segmental duplications and quantify duplicated genes. Comparative analyses revealed unique genomic features of the Nile rat, including those that affect genes associated with type 2 diabetes and metabolic dysfunctions. These include 14 genes that are heterozygous in the Nile rat or highly diverged from the house mouse. Our findings reflect the exceptional level of genomic detail present in this assembly, which will greatly expand the potential of the Nile rat as a model organism for genetic studies.