Abstract We describe a large-scale community effort to build an open-access, interoperable, and computable repository of COVID-19 molecular mechanisms - the COVID-19 Disease Map. We discuss the tools, platforms, and guidelines necessary for the distributed development of its contents by a multi-faceted community of biocurators, domain experts, bioinformaticians, and computational biologists. We highlight the role of relevant databases and text mining approaches in enrichment and validation of the curated mechanisms. We describe the contents of the Map and their relevance to the molecular pathophysiology of COVID-19 and the analytical and computational modelling approaches that can be applied for mechanistic data interpretation and predictions. We conclude by demonstrating concrete applications of our work through several use cases and highlight new testable hypotheses.

Abstract Background the current SARS-CoV-2 pandemic has emphasized the utility of viral whole genome sequencing in the surveillance and control of the pathogen. An unprecedented ongoing global initiative is increasingly producing hundreds of thousands of sequences worldwide. However, the complex circumstances in which viruses are sequenced, along with the demand of urgent results, causes a high rate of incomplete and therefore useless, sequences. However, viral sequences evolve in the context of a complex phylogeny and therefore different positions along the genome are in linkage disequilibrium. Therefore, an imputation method would be able to predict missing positions from the available sequencing data. Results We developed impuSARS, an application that includes Minimac, the most widely used strategy for genomic data imputation and, taking advantage of the enormous amount of SARS-CoV-2 whole genome sequences available, a reference panel containing 239,301 sequences was built. The impuSARS application was tested in a wide range of conditions (continuous fragments, amplicons or sparse individual positions missing) showing great fidelity when reconstructing the original sequences. The impuSARS application is also able to impute whole genomes from commercial kits covering less than 20% of the genome or only from the Spike protein with a precision of 0.96. It also recovers the lineage with a 100% precision for almost all the lineages, even in very poorly covered genomes (< 20%) Conclusions imputation can improve the pace of SARS-CoV-2 sequencing production by recovering many incomplete or low-quality sequences that would be otherwise discarded. impuSARS can be incorporated in any primary data processing pipeline for SARS-CoV-2 whole genome sequencing.

Abstract The relation of antipsychotics with severe Coronavirus Disease 19 (COVID-19) outcomes is a matter of debate since the beginning of the pandemic. To date, controversial results have been published on this issue. We aimed to prove whether antipsychotics might exert adverse or protective effects against fatal outcomes derived from COVID-19. A population-based retrospective cohort study (January 2020 to November 2020) comprising inpatients (15,968 patients) who were at least 18 years old and had a laboratory-confirmed COVID-19 infection. Two sub-cohorts were delineated, comprising a total of 2536 inpatients: individuals who either had no prescription medication or were prescribed an antipsychotic within the 15 days preceding hospitalization. We conducted survival and odds ratio analyses to assess the association between antipsychotic use and mortality, reporting both unadjusted and covariate-adjusted results. We computed the average treatment effects, using the untreated group as the reference, and the average treatment effect on the treated, focusing solely on the antipsychotic-treated population. Among the eight antipsychotics found to be in use, only aripiprazole showed a significant decrease in the risk of death from COVID-19 [adjusted odds ratio (OR) = 0.86; 95% CI, 0.79–0.93, multiple-testing adjusted p-value < 0.05]. Importantly, these findings were consistent for both covariate-adjusted and unadjusted analyses. Aripiprazole has been shown to have a differentiated beneficial effect in protecting against fatal clinical outcome in COVID-19 infected individuals. We speculate that the differential effect of aripiprazole on controlling immunological pathways and inducible inflammatory enzymes, that are critical in COVID19 illness, may be associated with our findings herein.

White adipose tissue (WAT) inflammation contributes to the development of insulin resistance in obesity. While the role of adipose tissue macrophage (ATM) pro-inflammatory signalling in the development of insulin resistance has been established, it is less clear how WAT inflammation is initiated. Here, we show that ATMs from obese mice and humans exhibit markers of increased de novo phosphatidylcholine (PC) biosynthesis rate. Macrophage-specific knockout of phosphocholine-cytidylyltransferase A (CCTα), the rate-limiting enzyme of de novo PC biosynthesis pathway, alleviated obesity-induced WAT inflammation and insulin resistance. Mechanistically, CCTα-deficient macrophages showed reduced ER stress and inflammation in response to palmitate. Surprisingly, this was not due to lower exogenous palmitate incorporation into cellular PCs. Instead, CCTα-null macrophages had lower PC turnover, leading to elevated membrane polyunsaturated fatty acids that negated the pro-inflammatory effects of palmitate. Our results reveal a link between obesity-associated increase in PC synthesis, accelerated PC turnover and pro-inflammatory activation of ATMs.

Background: The availability of hundreds of city microbiome profiles allows the development of increasingly accurate predictors of the origin of a sample based on its microbiota composition. Typical microbiome studies involve the analysis of bacterial abundance profiles. Results: Here we use a transformation of the conventional bacterial strain or gene abundance profiles to functional profiles that account for bacterial metabolism and other cell functionalities. These profiles are used as features for city classification in a machine learning algorithm that allows the extraction of the most relevant features for the classification. Conclusions: We demonstrate here that the use of functional profiles not only predict accurately the most likely origin of a sample but also to provide an interesting functional point of view of the biogeography of the microbiota. Interestingly, we show how cities can be classified based on the observed profile of antibiotic resistances.