ABSTRACT Detecting cancer signals in cell-free DNA (cfDNA) high-throughput sequencing data is emerging as a novel non-invasive cancer detection method. Due to the high cost of sequencing, it is crucial to make robust and precise prediction with low-depth cfDNA sequencing data. Here we propose a novel approach named DISMIR, which can provide ultrasensitive and robust cancer detection by integrating DNA sequence and methylation information in plasma cfDNA whole genome bisulfite sequencing (WGBS) data. DISMIR introduces a new feature termed as “ switching region ” to define cancer-specific differentially methylated regions, which can enrich the cancer-related signal at read-resolution. DISMIR applies a deep learning model to predict the source of every single read based on its DNA sequence and methylation state, and then predicts the risk that the plasma donor is suffering from cancer. DISMIR exhibited high accuracy and robustness on hepatocellular carcinoma detection by plasma cfDNA WGBS data even at ultra-low sequencing depths. Analysis showed that DISMIR tends to be insensitive to alterations of single CpG sites’ methylation states, which suggests DISMIR could resist to technical noise of WGBS. All these results showed DISMIR with the potential to be a precise and robust method for low-cost early cancer detection.

SUMMARY Single-cell omics data can characterize multifaceted features of massive cells and bring significant insights to biomedical researches. The accumulation of single-cell data provides growing resources for constructing atlases for all cells of a human organ or the whole body. The true assembly of a cell atlas should be cell-centric rather than file-centric. We proposed a unified information framework enabling seamless cell-centric data assembly and developed a human Ensemble Cell Atlas (hECA) as an instance. hECA version 1.0 assembled scRNA-seq data across multiple studies into one orchestrated data repository. It contains 1,093,299 labeled cells and metadata from 116 published human single-cell studies, covering 38 human organs and 11 systems. We invented three methods of applications based on the cell-centric assembly: “ In data ” cell sorting enables targeted data retrieval in the full atlas with customizable logic expressions; The “quantitative portraiture” system provides a multi-view presentation of biological entities (organs, cell types, and genes) of multiple granularities; The customizable reference creation allows users to use the cell-centric assembly to generate references for their own cell type annotations. Case studies on agile construction of user-defined sub-atlases and “ in data ” investigation of CAR-T off-targets in multiple organs showed the great potential of cell-centric atlas assembly.

Steroid-resistant asthma (SRA), resisting glucocorticoids such as dexamethasone (DEX), is a bottleneck in the treatment of asthma. It is characterized by a predominantly neutrophilic inflammatory subtype and is prone to developing into severe refractory asthma and fatal asthma. Currently, there is a lack of universally effective treatments for SRA. Moreover, since cold stimulation does increase the risk of asthma development and exacerbate asthma symptoms, the treatment of cold-stimulated SRA (CSRA) will face greater challenges. To find effective new methods to ameliorate CSRA, this study established a CSRA mouse model of allergic airway inflammation mimicking human asthma for the first time and evaluated the alleviating effects of 80% ethanol extract of mountain-cultivated ginseng (MCG) based on multi-omics analysis. The results indicate that cold stimulation indeed exacerbated the SRA-related symptoms in mice; the DEX individual treatment did not show a satisfactory effect; while the combination treatment of DEX and MCG could dose-dependently significantly enhance the lung function; reduce neutrophil aggregation; decrease the levels of LPS, IFN-γ, IL-1β, CXCL8, and IL-17; increase the level of IL-10; alleviate the inflammatory infiltration; and decrease the mucus secretion and the expression of MUC5AC. Moreover, the combination of DEX and high-dose (200 mg/kg) MCG could significantly increase the levels of tight junction proteins (TJs), regulate the disordered intestinal flora, increase the content of short-chain fatty acids (SCFAs), and regulate the abnormal gene profile and metabolic profile. Multi-omics integrated analysis showed that 7 gut microbes, 34 genes, 6 metabolites, and the involved 15 metabolic/signaling pathways were closely related to the pharmacological effects of combination therapy. In conclusion, integrated multi-omics profiling highlighted the benefits of MCG for CSRA mice by modulating the interactions of microbiota, genes, and metabolites. MCG shows great potential as a functional food in the adjuvant treatment of CSRA.

As the feature size of integrated circuit decreases, the critical charge of single-event effect decreases as well, making nano-scale devices more susceptible to the high-energy charged particles during their application in space. Here, we study the electron-induced single-event effect in 28 nm static random-access memory (SRAM)-based field programmable gate array (FPGA) utilizing high-energy electrons with energy of 1 MeV~5 MeV. The experimental results demonstrate that the 3 MeV electrons can cause single-event functional interrupts (SEFIs) in FPGA, while the electrons with other energies cannot. To further explore the mechanism of electron-induced SEFIs in this nanoscale FPGA, we combined Monte Carlo, Technology Computer-Aided Design (TCAD), and Simulation Program with Integrated Circuit Emphasis (SPICE) simulations. It is revealed that the SEFI was mainly caused by the direct ionization effect of high-energy electrons, and the SEFI was related to the interactions between multiple sensitive nodes.

Motivation: The matter of time efficiency for both CT and MRI remains a topic of ongoing debate. Goal(s): To provide an objective comparison of time efficiency between CT multimodal and MRI multimodal scans in patients with acute ischemic stroke in the late time window. Approach: Efficiency in terms of time was compared between AIS patients who underwent CT scans and those who underwent MRI scans. Results: The evaluation time for the MRI multimodal scan was found to be shorter than that of CT. MRI scans were recommended for use during the night shift. Furthermore, more experienced technicians had shorter scanning times. Impact: Implementing this approach can streamline the scanning procedure for radiology departments when dealing with acute stroke patients, aid in the training of technicians, and recommend a preference for MRI scans during nighttime shifts.

The establishment of a landscape of enhancers across human cells is crucial to deciphering the mechanism of gene regulation, cell differentiation, and disease development. High-throughput experimental approaches, though having successfully reported enhancers in typical cell lines, are still too costly and time consuming to perform systematic identification of enhancers specific to different cell lines under a variety of disease status. Existing computational methods, though capable of predicting regulatory elements purely relying on DNA sequences, lack the power of cell line-specific screening. Recent studies have suggested that chromatin accessibility of a DNA segment is closely related to its potential function in regulation, and thus may provide useful information in identifying regulatory elements. Motivated by the above understanding, we integrate DNA sequences and chromatin accessibility data to accurately predict enhancers in a cell line-specific manner. We proposed DeepCAPE, a deep convolutional neural network to predict enhancers via the integration of DNA sequences and DNase-seq data. We demonstrate that our model not only consistently outperforms existing methods in the classification of enhancers against background sequences, but also accurately predicts enhancers across different cell lines. We further visualize kernels of the first convolutional layer and show the match of identified sequence signatures and known motifs. We finally demonstrate the potential ability of our model to explain functional implications of putative disease-associated genetic variants and discriminate disease-related enhancers.

Effect of periodic thermal stratification in deep-water reservoirs on aquatic ecosystems has been a research hotspot. Nevertheless, there is limited information on the response patterns of microbial communities to environmental changes under such specialized conditions. To fill this gap, samples were collected from a typical deep-water reservoir during the thermal stratification period (SP) and mixed period (MP). Three crucial questions were answered: 1) How microbial communities develop with stratified to mixed succession, 2) how the relative importance of stochastic and deterministic processes to microbial community assembly, shifted in two periods, and 3) how environmental variables drive microbial co-occurrence networks and functional group alteration. We used Illumina Miseq high-throughput sequencing to investigate the dynamics of the microbial community over two periods, constructed molecular ecological networks (MENs), and unraveled assembly processes based on null and neutral models. The results indicated that a total of 33.9 % and 27.7 % of bacterial taxa, and 23.1 % and 19.4 % of fungal taxa were enriched in the stratified and mixed periods, respectively. Nitrate, water temperature, and total phosphorus drove the variation of microbial community structure. During the thermal stratification period, stochastic processes (dispersal limitation) and deterministic processes (variable selection) dominated the assembly of bacterial and fungal communities, followed by a shift to stochastic processes dominated by dispersal limitation in two communities. The MENs results revealed that thermal stratification-induced environmental stresses increased the complexity of microbial networks but decreased its robustness, resulting in more vulnerable ecological networks. Therefore, this work provides critical ecological insights for the longevity and sustainability of water quality management in an artificially regulated engineered system.