Abstract Motivation: To understand the behaviour of complex biological regulatory networks, a proper integration of molecular data into a full-fledge formal dynamical model is ultimately required. As most available data on regulatory interactions are qualitative, logical modelling offers an interesting framework to delineate the main dynamical properties of the underlying networks. Results: Transposing a generic model of the core network controlling the mammalian cell cycle into the logical framework, we compare different strategies to explore its dynamical properties. In particular, we assess the respective advantages and limits of synchronous versus asynchronous updating assumptions to delineate the asymptotical behaviour of regulatory networks. Furthermore, we propose several intermediate strategies to optimize the computation of asymptotical properties depending on available knowledge. Availability: The mammalian cell cycle model is available in a dedicated XML format (GINML) on our website, along with our logical simulation software GINsim (). Higher resolution state transitions graphs are also found on this web site (Model Repository page). Contact: thieffry@ibdm.univ-mrs.fr

Because a large number of molecular mechanisms involved in gene regulation have been described during the last decades, it is now becoming possible to address questions about the global structure of gene regulatory networks, at least in the case of some of the best-characterized organisms. This paper presents a global characterization of the transcriptional regulation in Escherichia coli on the basis of the current data. The connectivity of the corresponding network was evaluated by analyzing the distribution of the number of genes regulated by a given regulatory protein, and the distribution of the number of regulatory genes regulating a given regulated gene. The mean connectivity found (between 2 and 3) shows a rather loosely interconnected structure. Special emphasis is given to circular sequences of interactions ("circuits") because of their critical dynamical properties. Only one-element circuits were found, in which negative autoregulation is the dominant architecture. These global properties are discussed in light of several pertinent theoretical approaches, as well as in terms of physiological and evolutionary considerations.

Abstract We have developed methods and tools based on the Gene Ontology (GO) resource allowing the identification of statistically over- or under-represented terms in a gene dataset; the clustering of functionally related genes within a set; and the retrieval of genes sharing annotations with a query gene. GO annotations can also be constrained to a slim hierarchy or a given level of the ontology. The source codes are available upon request, and distributed under the GPL license.

In breast cancer, overexpression of the transmembrane tyrosine kinase ERBB2 is an adverse prognostic marker, and occurs in almost 30% of the patients. For therapeutic intervention, ERBB2 is targeted by monoclonal antibody trastuzumab in adjuvant settings; however, de novo resistance to this antibody is still a serious issue, requiring the identification of additional targets to overcome resistance. In this study, we have combined computational simulations, experimental testing of simulation results, and finally reverse engineering of a protein interaction network to define potential therapeutic strategies for de novo trastuzumab resistant breast cancer. First, we employed Boolean logic to model regulatory interactions and simulated single and multiple protein loss-of-functions. Then, our simulation results were tested experimentally by producing single and double knockdowns of the network components and measuring their effects on G1/S transition during cell cycle progression. Combinatorial targeting of ERBB2 and EGFR did not affect the response to trastuzumab in de novo resistant cells, which might be due to decoupling of receptor activation and cell cycle progression. Furthermore, examination of c-MYC in resistant as well as in sensitive cell lines, using a specific chemical inhibitor of c-MYC (alone or in combination with trastuzumab), demonstrated that both trastuzumab sensitive and resistant cells responded to c-MYC perturbation. In this study, we connected ERBB signaling with G1/S transition of the cell cycle via two major cell signaling pathways and two key transcription factors, to model an interaction network that allows for the identification of novel targets in the treatment of trastuzumab resistant breast cancer. Applying this new strategy, we found that, in contrast to trastuzumab sensitive breast cancer cells, combinatorial targeting of ERBB receptors or of key signaling intermediates does not have potential for treatment of de novo trastuzumab resistant cells. Instead, c-MYC was identified as a novel potential target protein in breast cancer cells.

RSAT (Regulatory Sequence Analysis Tools) is a modular software suite for the analysis of cisregulatory elements in genome sequences.Its main applications are (i) motif discovery, appropriate to genome-wide data sets like ChIP-seq, (ii) transcription factor binding motif analysis (quality assessment, comparisons and clustering), (iii) comparative genomics and (iv) analysis of regulatory variations.Nine new programs have been added to the 43 described in the 2011 NAR Web Software Issue, including a tool to extract sequences from a list of coordinates (fetch-sequences from UCSC), novel programs dedicated to the analysis of regulatory variants from GWAS or population genomics (retrieve-variationseq and variation-scan), a program to cluster mo-tifs and visualize the similarities as trees (matrixclustering).To deal with the drastic increase of sequenced genomes, RSAT public sites have been reorganized into taxon-specific servers.The suite is well-documented with tutorials and published protocols.The software suite is available through Web sites, SOAP/WSDL Web services, virtual machines and stand-alone programs at http://www.rsat.eu/.

RSAT (Regulatory Sequence Analysis Tools) comprises a wide collection of modular tools for the detection of cis-regulatory elements in genome sequences. Thirteen new programs have been added to the 30 described in the 2008 NAR Web Software Issue, including an automated sequence retrieval from EnsEMBL (retrieve-ensembl-seq), two novel motif discovery algorithms (oligo-diff and info-gibbs), a 100-times faster version of matrix-scan enabling the scanning of genome-scale sequence sets, and a series of facilities for random model generation and statistical evaluation (random-genome-fragments, random-motifs, random-sites, implant-sites, sequence-probability, permute-matrix). Our most recent work also focused on motif comparison (compare-matrices) and evaluation of motif quality (matrix-quality) by combining theoretical and empirical measures to assess the predictive capability of position-specific scoring matrices. To process large collections of peak sequences obtained from ChIP-seq or related technologies, RSAT provides a new program (peak-motifs) that combines several efficient motif discovery algorithms to predict transcription factor binding motifs, match them against motif databases and predict their binding sites. Availability (web site, stand-alone programs and SOAP/WSDL (Simple Object Access Protocol/Web Services Description Language) web services): http://rsat.ulb.ac.be/rsat/.

A bstract Motivation Core sequencing facilities produce huge amounts of sequencing data that need to be analysed with automated workflows to ensure reproducibility and traceability. Eoulsan is a versatile open-source workflow engine meeting the needs of core facilities, by automating the analysis of a large number of samples. Its core design separates the description of the workflow from the actual commands to be run. This originality simplifies its usage as the user does not need to handle code, while ensuring reproducibility. Eoulsan was initially developed for bulk RNA-seq data, but the transcriptomics applications have recently widened with the advent of long-read sequencing and single-cell technologies, calling for the development of new workflows. Result We present Eoulsan 2, a major update that (i) enhances the workflow manager itself, (ii) facilitates the development of new modules, and (iii) expands its applications to long reads RNA-seq (Oxford Nanopore Technologies) and scRNA-seq (Smart-seq2 and 10x Genomics). The workflow manager has been rewritten, with support for execution on a larger choice of computational infrastructure (workstations, Hadoop clusters, and various job schedulers for cluster usage). Eoulsan now facilitates the development of new modules, by reusing wrappers developed for the Galaxy platform, with support for container images (Docker or Singularity) packaging tools to execute. Finally, Eoulsan natively integrates novel modules for bulk RNA-seq, as well as others specifically designed for processing long read RNA-seq and scRNA-seq. Eoulsan 2 is distributed with ready-to-use workflows and companion tutorials. Availability and implementation Eoulsan is implemented in Java, supported on Linux systems and distributed under the LGPL and CeCILL-C licenses at: http://outils.genomique.biologie.ens.fr/eoulsan/ . The source code and sample workflows are available on GitHub: https://github.com/GenomicParisCentre/eoulsan . A GitHub repository for modules using the Galaxy tool XML syntax is further provided at: https://github.com/GenomicParisCentre/eoulsan-tools Contact eoulsan@bio.ens.psl.eu

Abstract Precise patterns of gene expression are driven by interactions between transcription factors, regulatory DNA sequence, and chromatin. How DNA mutations affecting any one of these regulatory ‘layers’ is buffered or propagated to gene expression remains unclear. To address this, we quantified allele-specific changes in chromatin accessibility, histone modifications, and gene expression in F1 embryos generated from eight Drosophila crosses, at three embryonic stages, yielding a comprehensive dataset of 240 samples spanning multiple regulatory layers. Genetic variation in cis -regulatory elements is common, highly heritable, and surprisingly consistent in its effects across embryonic stages. Much of this variation does not propagate to gene expression. When it does, it acts through H3K4me3 or alternatively through chromatin accessibility and H3K27ac. The magnitude and evolutionary impact of mutations is influenced by a genes’ regulatory complexity ( i . e . enhancer number), with transcription factors being most robust to cis -acting, and most influenced by trans -acting, variation. Overall, the impact of genetic variation on regulatory phenotypes appears context-dependent even within the constraints of embryogenesis.

Abstract One of the aims of mathematical modeling is to understand and simulate the effects of biological perturbations and suggest ways to intervene and reestablish proper cell functioning. However, it remains a challenge, especially when considering the dynamics at the level of a cell population, with cells dying, dividing and interacting. Here, we introduce a novel framework for the dynamical modelling of cell populations packaged into a dedicated tool, UPMaBoSS. We rely on the preexisting tool MaBoSS, which enables probabilistic simulations of cellular networks, and add a novel layer to account for cell interactions and population dynamics. We illustrate our methodology by means of a case study dealing with TNF-induced cell death. Interestingly, the simulation of cell population dynamics with UPMaBoSS reveals a mechanism of resistance triggered by TNF treatment. This appoach can be applied to diverse models of cellular networks, for example to study the impact of ligand release or drug treatments on cell fate decisions, such as commitment to proliferation, differentiation, apoptosis, etc. Relatively easy to encode, UPMaBoSS simulations require only moderate computational power and execution time. To ease the reproduction of simulations, we provide several Jupyter notebooks that can be accessed within a new release of the CoLoMoTo Docker image, which contains all required software and the example models.