Abstract The SARS-CoV-2 pandemic that we are currently experiencing is exerting a massive toll both in human lives and economic impact. One of the challenges we must face is to try to understand if and how different variants of the virus emerge and change their frequency in time. Such information can be extremely valuable as it may indicate shifts in aggressiveness, and it could provide useful information to trace the spread of the virus in the population. In this work we identified and traced over time 7 amino acid variants that are present with high frequency in Italy and Europe, but that were absent or present at very low frequencies during the first stages of the epidemic in China and the initial reports in Europe. The analysis of these variants helps defining 6 phylogenetic clades that are currently spreading throughout the world with changes in frequency that are sometimes very fast and dramatic. In the absence of conclusive data at the time of writing, we discuss whether the spread of the variants may be due to a prominent founder effect or if it indicates an adaptive advantage.

Motivations Disease phenotypes are interpreted as the consequence of interactions among molecular processes affected by a series of molecular alterations. Current omics approaches underline the importance of such interactions, focusing on molecular mechanisms, by using manually curated pathways or gene sets. As there are no clear boundaries between gene sets, cross-talks between them are relevant to investigate disease phenotypes. Here we present Ulisse, a method to (1) quantify cross-talks between gene sets, with application to pathways and intercellular cross-talks; (2) investigate the role of the genes involved in cross-talks, via functional relevance analysis, in terms of regulated processes/cell types. As a proof-of-concept, we studied pathway and cell-cell cross-talks in normal and tumoral breast samples, and compared the obtained results with other available tools: PathNet for pathway cross-talk, ICELLNET and SingleCellSignalR for intercellular cross-talk. Results Cross-talk analysis allowed to identify dysregulated interactions between tumor progression key mechanisms, while intercellular cross-talks describe well-known interactions of the tumor with the microenvironment. Through functional relevance analysis, Ulisse was able to pinpoint well known key players of the tumor, as well as potential therapeutic targets. The comparison of Ulisse to other packages highlighted the good performance of our package. In conclusion, Ulisse proved to be a valuable tool to study cross-talks, and provide a newly implemented approach to analyse involved genes. Availability and implementation Ulisse is an R package and available at https://github.com/emosca-cnr/Ulisse Contact ettore.mosca@itb.cnr.it Supplementary information Link to supplementary tables + reference to on-line supplementary material

Abstract As human activities on our planet persist, causing widespread and irreversible environmental degradation, the need to biomonitor ecosystems has never been more pressing. These circumstances have required a renewal in monitoring techniques, encouraged by necessity to develop more rapid and accurate tools which will support timely observations of ecosystem structure and function. The World Exposition (from now ‘EXPO2015’) hosted in Milan from May to October 2015 was a global event that could be categorized as a mega-event, which can be defined as an acute environmental stressor, possibly generating biodiversity alteration and disturbance. During the six months of EXPO2015, exhibitors from more than 135 countries and 22 million visitors insisted on a 1.1 million square meters area. Faced with such a massive event, we explore the potential of DNA metabarcoding using three molecular markers to improve the understanding of anthropogenic impacts in the area, both considering air and water monitoring. Furthermore, we explore the effectiveness of the taxonomy assignment phase considering different taxonomic levels of analysis and the use of data mining approaches to predict sample origin. Unless the degree of taxa identification still remains open, our results showed that DNA metabarcoding is a powerful genomic-based tool to monitor biodiversity at the microscale, allowing us to capture exact fingerprints of specific event sites and to explore in a comprehensive manner the eukaryotic community alteration. With this work, we aim to disentangle and overcome the crucial issues related to the generalization of DNA metabarcoding in order to support future applications.

Abstract INTRODUCTION Single-cell (SC) gene expression analysis is crucial to dissect the complex cellular heterogeneity of solid tumors, which is one of the main obstacles for the development of effective cancer treatments. Such tumors typically contain a mixture of cells with aberrant genomic and transcriptomic profiles affecting specific sub-populations that might have a pivotal role in cancer progression, whose identification eludes bulk RNA-sequencing approaches. We presentscMuffin, an R package that enables the characterization of cell identity in solid tumors on the basis of a various and complementary analyses on SC gene expression data. RESULTS scMuffin provides a series of functions to calculate qualitative and quantitative scores, such as: expression of marker sets for normal and tumor conditions, pathway activity, cell state trajectories, CNVs, transcriptional complexity and proliferation state. Thus, scMuffin facilitates the combination of various evidences that can be used to distinguish normal and tumoral cells, define cell identities, cluster cells in different ways, link genomic aberrations to phenotypes and identify subtle differences between cell subtypes or cell states. We analysed public SC expression datasets of human high-grade gliomas as a proof-of-concept to show the value of scMuffin and illustrate its user interface. Nevertheless, these analyses lead to interesting findings, which suggest that some chromosomal amplifications might underlie the invasive tumor phenotype and the presence of cells that possess tumor initiating cells characteristics. CONCLUSIONS The analyses offered by scMuffin and the results achieved in the case study show that our tool helps addressing the main challenges in the bioinformatics analysis of SC expression data from solid tumors.