We present high quality, phased genome assemblies representative of taurine and indicine cattle, subspecies that differ markedly in productivity-related traits and environmental adaptation. We report a new haplotype-aware scaffolding and polishing pipeline using contigs generated by the trio binning method to produce haplotype-resolved, chromosome-level genome assemblies of Angus (taurine) and Brahman (indicine) cattle breeds. These assemblies were used to identify structural and copy number variants that differentiate the subspecies and we found variant detection was sensitive to the specific reference genome chosen. Six gene families with immune related functions are expanded in the indicine lineage. Assembly of the genomes of both subspecies from a single individual enabled transcripts to be phased to detect allele-specific expression, and to study genome-wide selective sweeps. An indicus-specific extra copy of fatty acid desaturase is under positive selection and may contribute to indicine adaptation to heat and drought.

Carefully designed control experiments provide a gold standard for benchmarking different genomics research tools. A shortcoming of many gene expression control studies is that replication involves profiling the same reference RNA sample multiple times. This leads to low, pure technical noise that is atypical of regular studies. To achieve a more realistic noise structure, we generated a RNA-sequencing mixture experiment using two cell lines of the same cancer type. Variability was added by extracting RNA from independent cell cultures and degrading particular samples. The systematic gene expression changes induced by this design allowed benchmarking of different library preparation kits (standard poly-A versus total RNA with Ribozero depletion) and analysis pipelines. Data generated using the total RNA kit had more signal for introns and various RNA classes (ncRNA, snRNA, snoRNA) and less variability after degradation. For differential expression analysis, voom with quality weights marginally outperformed other popular methods, while for differential splicing, DEXSeq was simultaneously the most sensitive and the most inconsistent method. For sample deconvolution analysis, DeMix outperformed IsoPure convincingly. Our RNA-sequencing dataset provides a valuable resource for benchmarking different protocols and data pre-processing workflows. The extra noise mimics routine lab experiments more closely, ensuring any conclusions are widely applicable.

Abstract In humans, N-glycanase 1 (NGLY1; Peptide: N-glycanase, PNGase) is responsible for the deglycosylation of misfolded glycoproteins. Pathogenic mutations in NGLY1 cause a clinical condition known as congenital disorder of deglycosylation (NGLY1-CDDG), a rare autosomal recessive disease first reported in 2012. Although NGLY1-CDDG was diagnosed through whole-exome or whole-genome sequencing and by evaluating the expression levels of NGLY1, the clinical relevance of a detected mutation in NGLY1 needs to be further confirmed. In this study, an in vitro enzymatic assay system was established to evaluate the thermal stability and substrate specificity of NGLY1, as well as the optimum reaction conditions for its activity. A panel of all mutations at the amino acid site R328 in NGLY1 was subjected to this assay. The results revealed that R328A, R328D, R328E, R328F, R328G, R328I, R328P, R328V, R328W, and R328Y were dysfunctional mutations (10/19); NGLY1 mutations with R328H and R328T exhibited similar activity as wild-type NGLY1 (2/19); and NGLY1 mutations with R328C, R328K, R328L, R328M, R328N, R328Q, and R328S showed decreased activity (7/19) compared to wild-type NGLY1. In addition, the effect of potential regulatory compounds, including N-acetyl-L-cysteine and dithiothreitol, on NGLY1 was examined. This in vitro assay may serve as a standard protocol to facilitate rapid diagnosis of all mutations on NGLY1 and a practical screening method for drugs and compounds with potential therapeutic value for NGLY1-CDDG patients.

Background: Accurate and robust pathological image analysis for colorectal cancer (CRC) diagnosis is time-consuming and knowledge-intensive, but is essential for CRC treatment. The current heavy workload of pathologists in clinics/hospitals may easily lead to unconscious misdiagnosis of CRC based on their daily image analyses. Methods: Based on a state-of-the-art transfer-learned deep convolutional neural network in artificial intelligence (AI), we proposed a novel patch aggregation strategy for clinic CRC prediction/diagnosis using weakly labeled pathological whole slide image (WSI) patches. This approach was trained and validated using an unprecedented and enormously large number of 170,099 patches, >14,680 WSIs, from >9,631 subjects that covered diverse and representative clinical cases from multi-independent-sources across China, U.S., and Germany. Results: Our innovative AI tool was consistently nearly perfectly agreed with (average Kappa-statistic 0.896) and even often better than most of the experienced expert pathologists when tested in diagnosing CRC WSIs from multi-centers. The average area under the receiver operating characteristics curve (AUC) of AI was greater than that of the pathologists (0.981 vs 0.970) and achieved the best performance among the application of other AI methods to CRC diagnosis. Our AI-generated heatmap highlights the image regions of cancer tissue/cells. Conclusions: This first-ever generalizable AI system can handle large amounts of WSIs consistently and robustly without potential bias due to fatigue commonly experienced by clinical pathologists. Hence, it will drastically alleviate the heavy clinical burden of daily pathology diagnosis, and improve the treatment for CRC patients. This tool is generalizable to other cancer diagnosis based on image recognition.

Abstract Nosocomial infection associated with Elizabethkingia spp. is an emerging clinical concern characterized by multi-drug resistance and severe clinical consequences particularly in immunocompromised individuals and infants. Efficient control of this infection demands quick and reliable methods to determine the right drugs for the treatment. In this study, E. meningoseptica ATCC 13253 and four clinical isolates of Elizabethkingia spp. obtained from China, were subjected to single cell Raman spectroscopy analysis coupling with deuterium probing (single cell Raman-DIP). The results demonstrated that single cell Raman-DIP could generate an antimicrobial susceptibility testing result for Elizabethkingia spp. colonies within 4 hours based on their metabolisms variations at single cell level, and the drug resistant spectra of Elizabethkingia spp. determined by single cell Raman-DIP were consistent with the classical MIC method. Meanwhile single cell Raman spectroscopy (single cell RS) was applied to analyze Raman spectra of Elizabethkingia spp., which were revealed that their ratios of nucleic acid/protein were lower than other gram-negative pathogens and isolates from different origins could be distinguished by their Raman fingerprint. The in vitro results confirmed that minocycline and levofloxacin are first-line antimicrobials for Elizabethkingia spp. infection.