Abstract Background With the decrease of DNA sequencing costs, sequence-based typing methods are rapidly becoming the gold standard for epidemiological surveillance. These methods provide reproducible and comparable results needed for a global scale bacterial population analysis, while retaining their usefulness for local epidemiological surveys. Online databases that collect the generated allelic profiles and associated epidemiological data are available but this wealth of data remains underused and are frequently poorly annotated since no user-friendly tool exists to analyze and explore it. Results PHYLOViZ is platform independent Java software that allows the integrated analysis of sequence-based typing methods, including SNP data generated from whole genome sequence approaches, and associated epidemiological data. goeBURST and its Minimum Spanning Tree expansion are used for visualizing the possible evolutionary relationships between isolates. The results can be displayed as an annotated graph overlaying the query results of any other epidemiological data available. Conclusions PHYLOViZ is a user-friendly software that allows the combined analysis of multiple data sources for microbial epidemiological and population studies. It is freely available at http://www.phyloviz.net .

The YEASTRACT (http://www.yeastract.com) information system is a tool for the analysis and prediction of transcription regulatory associations in Saccharomyces cerevisiae. Last updated in June 2013, this database contains over 200 000 regulatory associations between transcription factors (TFs) and target genes, including 326 DNA binding sites for 113 TFs. All regulatory associations stored in YEASTRACT were revisited and new information was added on the experimental conditions in which those associations take place and on whether the TF is acting on its target genes as activator or repressor. Based on this information, new queries were developed allowing the selection of specific environmental conditions, experimental evidence or positive/negative regulatory effect. This release further offers tools to rank the TFs controlling a gene or genome-wide response by their relative importance, based on (i) the percentage of target genes in the data set; (ii) the enrichment of the TF regulon in the data set when compared with the genome; or (iii) the score computed using the TFRank system, which selects and prioritizes the relevant TFs by walking through the yeast regulatory network. We expect that with the new data and services made available, the system will continue to be instrumental for yeast biologists and systems biology researchers.

Abstract The YEASTRACT+ information system (http://YEASTRACT-PLUS.org/) is a wide-scope tool for the analysis and prediction of transcription regulatory associations at the gene and genomic levels in yeasts of biotechnological or human health relevance. YEASTRACT+ is a new portal that integrates the previously existing YEASTRACT (http://www.yeastract.com/) and PathoYeastract (http://pathoyeastract.org/) databases and introduces the NCYeastract (Non-Conventional Yeastract) database (http://ncyeastract.org/), focused on the so-called non-conventional yeasts. The information in the YEASTRACT database, focused on Saccharomyces cerevisiae, was updated. PathoYeastract was extended to include two additional pathogenic yeast species: Candida parapsilosis and Candida tropicalis. Furthermore, the NCYeastract database was created, including five biotechnologically relevant yeast species: Zygosaccharomyces baillii, Kluyveromyces lactis, Kluyveromyces marxianus, Yarrowia lipolytica and Komagataella phaffii. The YEASTRACT+ portal gathers 289 706 unique documented regulatory associations between transcription factors (TF) and target genes and 420 DNA binding sites, considering 247 TFs from 10 yeast species. YEASTRACT+ continues to make available tools for the prediction of the TFs involved in the regulation of gene/genomic expression. In this release, these tools were upgraded to enable predictions based on orthologous regulatory associations described for other yeast species, including two new tools for cross-species transcription regulation comparison, based on multi-species promoter and TF regulatory network analyses.

Abstract Under conditions of starvation, normal and tumor epithelial cells can rewire their metabolism towards the consumption of extracellular matrix-derived components as nutrient sources. The mechanism of pericellular matrix degradation by starved cells has been largely overlooked. Here we show that matrix degradation by breast and pancreatic tumor cells and patient-derived xenograft explants increases by one order of magnitude upon amino acid and growth factor deprivation. In addition, we found that collagenolysis requires the invadopodia components, TKS5 and the transmembrane metalloproteinase, MT1-MMP, which are key to the tumor invasion program. Increased collagenolysis is controlled by mTOR repression upon nutrient depletion or pharmacological inhibition by rapamycin. Our results reveal that starvation hampers clathrin-mediated endocytosis, resulting in MT1-MMP accumulation in arrested clathrin-coated pits. Our study uncovers a new mechanism whereby mTOR repression in starved cells leads to the repurposing of abundant plasma membrane clathrin-coated pits into robust ECM-degradative assemblies.

Abstract Intracellular organelle organisation is conserved in eukaryotic cells and is primarily achieved through active transport by motor proteins along the microtubule cytoskeleton. Microtubule posttranslational modifications (PTMs) contribute to microtubule diversity and differentially regulate motor-mediated transport. Here we show that centrosome amplification induces a global change in organelle positioning towards the cell periphery and facilitates nuclear migration through confined spaces. This reorganisation requires kinesin-1 and is analogous to loss of dynein. Cells with amplified centrosomes display increased levels of acetylated tubulin, a PTM known to enhance kinesin-1 mediated transport. Depletion of α-tubulin acetyltransferase 1 (αTAT1) to block tubulin acetylation, which has no impact on control cells, rescues the displacement of centrosomes, mitochondria and vimentin, but not Golgi or endosomes. Analyses of the distribution of acetylated microtubules indicates that the polarisation of modified microtubules, rather than levels alone, plays an important role in organelle positioning. We propose that tubulin acetylation differentially impacts kinesin-1-mediated organelle displacement, suggesting that each organelle must have its own sensing and response mechanisms to ensure fine-tuning of its distribution in cells.

Abstract Motivation Complex cellular processes can be represented by biological regulatory networks. Computational models of such networks have successfully allowed the reprodution of known behaviour and to have a better understanding of the associated cellular processes. However, the construction of these models is still mainly a manual task, and therefore prone to error. Additionally, as new data is acquired, existing models must be revised. Here, we propose a model revision approach of Boolean logical models capable of repairing inconsistent models confronted with time-series observations. Moreover, we account for both synchronous and asynchronous dynamics. Results The proposed tool is tested on five well known biological models. Different time-series observations are generated, consistent with these models. Then, the models are corrupted with different random changes. The proposed tool is able to repair the majority of the corrupted models, considering the generated time-series observations. Moreover, all the optimal solutions to repair the models are produced. Contact { filipe.gouveia@tecnico.ulisboa.pt , pedro.tiago.monteiro@tecnico.ulisboa.pt }

Computational modeling constitutes a crucial step towards the functional understanding of complex cellular networks. In particular, logical modeling has proven suitable for the dynamical analysis of large signaling and transcriptional regulatory networks. In this context, signaling input components are generally meant to convey external stimuli, or environmental cues. In response to such external signals, cells acquire specific gene expression patterns modeled in terms of attractors (e.g. stable states). The capacity for cells to alter or reprogram their differentiated states upon changes in environmental conditions is referred to as cell plasticity. In this article, we present a multivalued logical framework along with computational methods recently developed to efficiently analyze large models. We mainly focus on a symbolic model checking approach to investigate switches between attractors subsequent to changes of input conditions. As a case study, we consider the cellular network regulating the differentiation of T-helper cells, which orchestrate many physiological and pathological immune responses. To account for novel cellular subtypes, we present an extended version of a published model of T-helper cell differentiation. We then use symbolic model checking to analyze reachability properties between T-helper subtypes upon changes of environmental cues. This allows for the construction of a synthetic view of T-helper cell plasticity in terms of a graph connecting subtypes with arcs labeled by input conditions. Finally, we explore novel strategies enabling specific T-helper cell polarizing or reprograming events.

Analysing models of biological networks typically relies on workflows in which different software tools with sensitive parameters are chained together, many times with additional manual steps. The accessibility and reproducibility of such workflows is challenging, as publications often overlook analysis details, and because some of these tools may be difficult to install, and/or have a steep learning curve. The CoLoMoTo Interactive Notebook provides a unified environment to edit, execute, share, and reproduce analyses of qualitative models of biological networks. This framework combines the power of different technologies to ensure repeatability and to reduce users' learning curve of these technologies. The framework is distributed as a Docker image with the tools ready to be run without any installation step besides Docker, and is available on Linux, macOS, and Microsoft Windows. The embedded computational workflows are edited with through a Jupyter web interface, enabling the inclusion of textual annotations, along with the explicit code to execute, as well as the visualisation of the results. The resulting notebook files can then be shared and re-executed in the same environment. To date, the CoLoMoTo Interactive Notebook provides access to software tools including GINsim, BioLQM, Pint, MaBoSS, and Cell Collective for the modelling and analysis of Boolean and multi-valued networks. More tools will be included in the future. We developed a Python interface for each of these tools to offer a seamless integration in the Jupyter web interface and ease the chaining of complementary analyses.

The logical formalism is well adapted to model large cellular networks, for which detailed kinetic data are scarce. This tutorial focuses on this well-established qualitative framework. Relying on GINsim (release 3.0), a software implementing this formalism, we guide the reader step by step towards the definition, the analysis and the simulation of a four-node model of the mammalian p53-Mdm2 network.

The identification of large regulatory and signalling networks involved in the control of crucial cellular processes calls for proper modelling approaches. Indeed, models can help elucidate properties of these networks, understand their behaviour, and provide (testable) predictions by performing in silico experiments. In this context, qualitative, logical frameworks have emerged as relevant approaches as demonstrated by a growing number of published models, along with new methodologies and software tools. This productive activity now requires a concerted effort to ensure model reusability and interoperability between tools. Here, we outline the logical modelling framework and present the most important achievements of the Consortium for Logical Models and Tools, along with future objectives. This open community welcomes contributions from all researchers interested in logical modelling or in related mathematical and computational developments.