Abstract Motivation The Coronavirus Disease 2019 (COVID-19) pandemic poses a huge threat to human public health. Viral sequence data plays an important role in the scientific prevention and control of epidemics. A comprehensive virus database will be vital useful for virus data retrieval and deep analysis. To promote sharing of virus data, several virus databases and related analyzing tools have been created. Results To facilitate virus research and promote the global sharing of virus data, we present here VirusDIP, a one-stop service platform for archive, integration, access, analysis of virus data. It accepts the submission of viral sequence data from all over the world and currently integrates data resources from the National GeneBank Database (CNGBdb), Global initiative on sharing all influenza data (GISAID), and National Center for Biotechnology Information (NCBI). Moreover, based on the comprehensive data resources, BLAST sequence alignment tool and multi-party security computing tools are deployed for multi-sequence alignment, phylogenetic tree building and global trusted sharing. VirusDIP is gradually establishing cooperation with more databases, and paving the way for the analysis of virus origin and evolution. All public data in VirusDIP are freely available for all researchers worldwide. Availability https://db.cngb.org/virus/ Contact weixiaofeng@cngb.org

The evolution of therapeutic resistance is a major cause of death for patients with solid tumors. The development of therapy resistance is shaped by the ecological dynamics within the tumor microenvironment and the selective pressure induced by the host immune system. These ecological and selective forces often lead to evolutionary convergence on one or more pathways or hallmarks that drive progression. These hallmarks are, in turn, intimately linked to each other through gene expression networks. Thus, a deeper understanding of the evolutionary convergences that occur at the gene expression level could reveal vulnerabilities that could be targeted to treat therapy-resistant cancer. To this end, we used a combination of phylogenetic clustering, systems biology analyses, and wet-bench molecular experimentation to identify convergences in gene expression data onto common signaling pathways. We applied these methods to derive new insights about the networks at play during TGF-β-mediated epithelial-mesenchymal transition in a lung cancer model system. Phylogenetics analyses of gene expression data from TGF-β treated cells revealed evolutionary convergence of cells toward amine-metabolic pathways and autophagy during TGF-β treatment. Using high-throughput drug screens, we found that knockdown of the autophagy regulatory, ATG16L1, re-sensitized lung cancer cells to cancer therapies following TGF-β-induced resistance, implicating autophagy as a TGF-β-mediated chemoresistance mechanism. Analysis of publicly-available clinical data sets validated the adverse prognostic importance of ATG16L expression in multiple cancer types including kidney, lung, and colon cancer patients. These analyses reveal the usefulness of combining evolutionary and systems biology methods with experimental validation to illuminate new therapeutic vulnerabilities.