smORFing for Calcium Genomes contain thousands of small open reading frames (smORFs), short DNA sequences coding for peptides of less than 100 amino acids. Magny et al. (p. 1116 , published on 22 August) describe two smORF-encoded peptides of less than 30 amino acids regulating calcium transport and, hence, regular heart contraction, in the fruit fly Drosophila . These peptides seem to have been conserved for more than 550 million years in a range of species from flies to humans, where they have been implicated in severe heart diseases. Such conservation suggests that smORFs might be an ancient part of our functional genome.

Using recently published experimental cancer cell-line gene essentiality data, human protein-protein interaction (PPI) network data and individual cell-line genomic alteration data we have trained a range of machine learning classifiers to predict cell line specific acquired essential genes. Genetic alterations found in each individual cell line were modelled by removing protein nodes, to reflect loss of function mutations, and changing the weights of edges in each PPI to reflect gain of function mutations and gene expression changes. We find that PPI networks can be used to successfully classify human cell line specific acquired essential genes within individual cell lines and between cell lines, even across tissue types with AUC ROC scores of between 0.75 and 0.85. Our novel perturbed PPI network models further improved prediction power compared to the base PPI model and are shown to be more sensitive to genes on which the cell becomes dependent as a result of other changes. These improvements offer opportunities for personalised therapy with each individual's cancer cell dependencies presenting a potential tailored drug target.

As there is growing evidence for the tumor microenvironment's (TME) role in tumorigenesis, we sought to investigate the role of fibroblast-expressed kinases in triple negative breast cancer (TNBC). Using a high-throughput kinome screen combined with 3D invasion assays, we identified fibroblast-expressed PIK3Cd) as a key regulator of rogression. Although PIK3Cd has been mainly described in leucocytes, we detected high expression in primary fibroblasts derived from TNBC patients, while PIK3Cδ was undetectable in cancer epithelial cell lines. Genetic and pharmacologic gain- and loss-of functions experiments verified the contribution of f-PIK3Cd in TNBC cell invasion. By employing an integrated secretomics and transcriptomics analysis, we revealed a paracrine mechanism via which f-PIK3Cd; confers its pro-tumorigenic effects. Inhibition of f-PIK3Cd promoted the secretion of factors, including PLGF and BDNF, which subsequently led to upregulation of NR4A1 in TNBC cells where it acts as a tumor suppressor. Inhibition of PIK3Cd in an orthotopic BC mouse model reduced tumor growth only after inoculation with fibroblasts, indicating a role of f-PIK3Cd in cancer progression. Similar results were observed in the MMTV-PyMT transgenic BC mouse model, in addition to a decrease on tumor metastasis emphasizing the potential immune-independent effects of PIK3Cd inhibition. Finally, analysis of BC patient cohorts and TCGA datasets identified f-PIK3Cd (protein and mRNA levels) as an independent prognostic factor for overall and disease free survival, highlighting it as a therapeutic target for TNBC.

ABSTRACT BLM (Bloom syndrome protein) is a RECQ-family helicase involved in the dissolution of complex DNA structures and repair intermediates. Synthetic lethality analysis implicates BLM as a promising target in a range of cancers with defects in the DNA damage response, however selective small molecule inhibitors of defined mechanism are currently lacking. Here we identify and characterise a specific inhibitor of BLM’s ATPase-coupled DNA helicase activity, by allosteric trapping of a DNA-bound translocation intermediate. Crystallographic structures of BLM-DNA-ADP-inhibitor complexes identify a hitherto unknown interdomain interface, whose opening and closing are integral to translocation of ssDNA, and which provides a highly selective pocket for drug discovery. Comparison with structures of other RECQ helicases provides a model for branch migration of Holliday junctions by BLM.

Abstract Applications of key technologies in biomedical research, such as qRT-PCR or LC-MS based proteomics, are generating large biological (-omics) data sets which are useful for the identification and quantification of biomarkers involved in molecular mechanisms of any research area of interest. Genome, transcriptome and proteome databases are already available for a number of model organisms including vertebrates and invertebrates. However, there is insufficient information available for protein sequences of certain invertebrates, such as the great pond snail Lymnaea stagnalis , a model organism that has been used highly successfully in elucidating evolutionarily conserved mechanisms of learning and memory, ageing and age-related as well as amyloid-β induced memory decline. In this investigation, we used a bioinformatics approach to designing and benchmarking a comprehensive CNS proteomics database (LymCNS-PDB) for the identification of proteins from the Central Nervous System (CNS) of Lymnaea stagnalis by LC-MS based proteomics. LymCNS-PDB was created by using the Trinity TransDecoder bioinformatics tool to translate amino acid sequences from mRNA transcript assemblies obtained from an existing published Lymnaea stagnalis transcriptomics database. The blast-style MMSeq2 software was used to match all translated sequences to sequences for molluscan proteins (including Lymnaea stagnalis and other molluscs) available from UniProtKB. LymCNS-PDB, which contains 9,628 identified matched proteins, was then benchmarked by performing LC-MS based proteomics analysis with proteins isolated from the CNS of Lymnaea stagnalis . MS/MS analysis using the LymCNS-PDB database led to the identification of 3,810 proteins while only 982 proteins were identified by using a non-specific Molluscan database. LymCNS-PDB provides a valuable tool that will enable us to perform quantitative proteomics analysis to identify a plethora of protein interactomes involved in several CNS functions in Lymnaea stagnalis including learning and memory, aging-related memory decline and others.