The genome of the zebra finch — a songbird and a model for the study of vertebrate brain, behaviour and evolution — has been sequenced. Its comparison with the chicken genome, the only other bird genome available, shows that genes with neural function and implicated in cognitive processing of song have been rapidly evolving in the finch lineage. The study also shows that vocal communication engages much of the zebra finch brain transcriptome and identifies a potential integrator of microRNA signals linked to vocal communication. The genome of the zebra finch — a songbird and a model for studying the vertebrate brain, behaviour and evolution — has been sequenced. Comparison with the chicken genome, the only other bird genome available, shows that genes that have neural function and are implicated in the cognitive processing of song have been evolving rapidly in the finch lineage. Moreover, vocal communication engages much of the transcriptome of the zebra finch brain. The zebra finch is an important model organism in several fields1,2 with unique relevance to human neuroscience3,4. Like other songbirds, the zebra finch communicates through learned vocalizations, an ability otherwise documented only in humans and a few other animals and lacking in the chicken5—the only bird with a sequenced genome until now6. Here we present a structural, functional and comparative analysis of the genome sequence of the zebra finch (Taeniopygia guttata), which is a songbird belonging to the large avian order Passeriformes7. We find that the overall structures of the genomes are similar in zebra finch and chicken, but they differ in many intrachromosomal rearrangements, lineage-specific gene family expansions, the number of long-terminal-repeat-based retrotransposons, and mechanisms of sex chromosome dosage compensation. We show that song behaviour engages gene regulatory networks in the zebra finch brain, altering the expression of long non-coding RNAs, microRNAs, transcription factors and their targets. We also show evidence for rapid molecular evolution in the songbird lineage of genes that are regulated during song experience. These results indicate an active involvement of the genome in neural processes underlying vocal communication and identify potential genetic substrates for the evolution and regulation of this behaviour.

For bees, many roads lead to social harmony Eusociality, where workers sacrifice their reproductive rights to support the colony, has evolved repeatedly and represents the most evolved form of social evolution in insects. Kapheim et al. looked across the genomes of 10 bee species with varying degrees of sociality to determine the underlying genomic contributions. No one genomic path led to eusociality, but similarities across genomes were seen in features such as increases in gene regulation and methylation. It also seems that selection pressures relaxed after the emergence of complex sociality. Science , this issue p. 1139

Alkali bees (Nomia melanderi) are solitary relatives of the halictine bees, which have become an important model for the evolution of social behavior, but for which few solitary comparisons exist. These ground-nesting bees defend their developing offspring against pathogens and predators, and thus exhibit some of the key traits that preceded insect sociality. Alkali bees are also efficient native pollinators of alfalfa seed, which is a crop of major economic value in the United States. We sequenced, assembled, and annotated a high-quality draft genome of 299.6 Mbp for this species. Repetitive content makes up more than one-third of this genome, and previously uncharacterized transposable elements are the most abundant type of repetitive DNA. We predicted 10,847 protein coding genes, and identify 479 of these undergoing positive directional selection with the use of population genetic analysis based on low-coverage whole genome sequencing of 19 individuals. We found evidence of recent population bottlenecks, but no significant evidence of population structure. We also identify 45 genes enriched for protein translation and folding, transcriptional regulation, and triglyceride metabolism evolving slower in alkali bees compared to other halictid bees. These resources will be useful for future studies of bee comparative genomics and pollinator health research.

High throughput assays allow researchers to identify sets of genes related to experimental conditions or phenotypes of interest. These gene sets are frequently subjected to functional interpretation using databases of gene annotations. Recent approaches have extended this approach to also consider networks of gene-gene relationships and interactions when attempting to characterize properties of a gene set. We present here a supervised learning algorithm for gene set analysis, called 'GeneSet MAPR', that for the first time explicitly considers the patterns of direct as well as indirect relationships present in the network to quantify gene-gene similarities and then report shared properties of the gene set. Our extensive evaluations show that GeneSet MAPR performs better than other network-based methods for the task of identifying genes related to a given gene set, enabling more reliable functional characterizations of the gene set. When applied to the set of response-associated genes from a triple negative breast cancer study, GeneSet MAPR uncovers gene families such as claudins, kallikreins, and collagen type alpha chains related to patient's response to treatment, and which are not uncovered with traditional analysis.

We present KnowEnG, a free-to-use computational system for analysis of genomics data sets, designed to accelerate biomedical discovery. It includes tools for popular bioinformatics tasks such as gene prioritization, sample clustering, gene set analysis and expression signature analysis. The system offers 'knowledge-guided' data-mining and machine learning algorithms, where user-provided data are analyzed in light of prior information about genes, aggregated from numerous knowledge-bases and encoded in a massive 'Knowledge Network'. KnowEnG adheres to 'FAIR' principles: its tools are easily portable to diverse computing environments, run on the cloud for scalable and cost-effective execution of compute-intensive and data-intensive algorithms, and are interoperable with other computing platforms. They are made available through multiple access modes including a web-portal, and include specialized visualization modules. We present use cases and re-analysis of published cancer data sets using KnowEnG tools and demonstrate its potential value in democratization of advanced tools for the modern genomics era.

Motivation. A common but critical task in genomic data analysis is finding features that separate and thereby help explain differences between two classes of biological objects, e.g., genes that explain the differences between healthy and diseased patients. As lower-cost, high-throughput experimental methods greatly increase the number of samples that are assayed as objects for analysis, computational methods are needed to quickly provide insights into high-dimensional datasets with tens of thousands of objects and features. Results . We develop an interactive exploration tool called G ENVISAGE that rapidly discovers the most discriminative feature pairs that best separate two classes in a dataset, and displays the corresponding visualizations. Since quickly finding top feature pairs is computationally challenging, especially when the numbers of objects and features are large, we propose a suite of optimizations to make G ENVISAGE more responsive and demonstrate that our optimizations lead to a 400X speedup over competitive baselines for multiple biological data sets. With this speedup, G ENVISAGE enables the exploration of more large-scale datasets and alternate hypotheses in an interactive and interpretable fashion. We apply G ENVISAGE to uncover pairs of genes whose transcriptomic responses significantly discriminate treatments of several chemotherapy drugs. Availability. Free webserver at http://genvisage.knoweng.org:443/ with source code at https://github.com/KnowEnG/Genvisage

Abstract Understanding the regulatory architecture of phenotypic variation is a fundamental goal in biology, but connections between gene regulatory network (GRN) activity and individual differences in behavior are poorly understood. We characterized the molecular basis of behavioral plasticity in queenless honey bee ( Apis mellifera ) colonies, where individuals engage in both reproductive and non-reproductive behaviors. Using high-throughput behavioral tracking, we discovered these colonies contain a continuum of phenotypes, with some individuals specialized for either egg-laying or foraging and “generalists” that perform both. Brain gene expression and chromatin accessibility profiles were correlated with behavioral variation, with generalists intermediate in behavior and molecular profiles. Models of brain GRNs constructed for individuals revealed that transcription factor (TF) activity was highly predictive of behavior, and behavior-associated regulatory regions had more TF motifs. These results provide new insights into the important role played by brain GRN plasticity in the regulation of behavior, with implications for social evolution.

Abstract Metastatic castration-resistant prostate cancer (mCRPC) presents very low survival rates due to lack of response or acquired resistance to the available therapies. To date no molecular mechanisms of resistance have been identified, pointing out their complex dynamics. To identify key genes and processes associated with phenotypically-driven regulatory differences, we developed TraRe, a computational method that provides a three-tier analysis: i) at the network level, inferring differentially regulated modules; ii) at the regulon level, identifying regulatory relationships linked to phenotypic differences; and iii) at the single gene level, identifying TFs consistently linked to rewired modules. We applied TraRe (available in Bioconductor with full documentation) to transcriptomic data from 46 mCRPC patients with Abiraterone-response clinical data and uncovered abrogated immune response regulatory modules that showed strong differential regulation in Abi-resistant patients. These modules were replicated in an independent mCRPC study. Further, we experimentally validated key rewiring predictions and their associated transcription factors. Among them, ELK3, MXD1, and MYB were found to have a differential role in cell survival for Abi-response-specific settings. Moreover, we identified the role of ELK3 in cell migration capacity, which could have direct impact on mCRPC. Collectively, these findings shed light on the underlying regulatory mechanisms driving abiraterone response.

ABSTRACT Social challenges like territorial intrusions evoke behavioral responses in widely diverging species. Recent work has revealed that evolutionary “toolkits” – genes and modules with lineage-specific variations but deep conservation of function – participate in the behavioral response to social challenge. Here, we develop a multi-species computational-experimental approach to characterize such a toolkit at a systems level. Brain transcriptomic responses to social challenge was probed via RNA-seq profiling in three diverged species – honey bees, mice, and three-spined stickleback fish – following a common methodology, allowing fair comparisons across species. Data were collected from multiple brain regions and multiple time points after social challenge exposure, achieving anatomical and temporal resolution substantially greater than previous work. We developed statistically rigorous analyses equipped to find homologous functional groups among these species at the levels of individual genes, functional and coexpressed gene modules, and transcription factor sub-networks. We identified six orthogroups involved in response to social challenge, including groups represented by mouse genes Npas4 and Nr4a1 , as well as common modulation of systems such as transcriptional regulators, ion channels, G-protein coupled receptors, and synaptic proteins. We also identified conserved coexpression modules enriched for mitochondrial fatty acid metabolism and heat shock that constitute the shared neurogenomic response. Our analysis suggests a toolkit wherein nuclear receptors, interacting with chaperones, induce transcriptional changes in mitochondrial activity, neural cytoarchitecture, and synaptic transmission after social challenge. It reveals systems-level mechanisms that have been repeatedly co-opted during evolution of analogous behaviors, thus advancing the genetic toolkit concept beyond individual genes.