Genetics aims to understand the relation between genotype and phenotype. However, because complete deletion of most yeast genes (∼80%) has no obvious phenotypic consequence in rich medium, it is difficult to study their functions. To uncover phenotypes for this nonessential fraction of the genome, we performed 1144 chemical genomic assays on the yeast whole-genome heterozygous and homozygous deletion collections and quantified the growth fitness of each deletion strain in the presence of chemical or environmental stress conditions. We found that 97% of gene deletions exhibited a measurable growth phenotype, suggesting that nearly all genes are essential for optimal growth in at least one condition.

Cryptococcus neoformans is a basidiomycetous yeast ubiquitous in the environment, a model for fungal pathogenesis, and an opportunistic human pathogen of global importance. We have sequenced its âˆ¼20-megabase genome, which contains âˆ¼6500 intron-rich gene structures and encodes a transcriptome abundant in alternatively spliced and antisense messages. The genome is rich in transposons, many of which cluster at candidate centromeric regions. The presence of these transposons may drive karyotype instability and phenotypic variation. C. neoformans encodes unique genes that may contribute to its unusual virulence properties, and comparison of two phenotypically distinct strains reveals variation in gene content in addition to sequence polymorphisms between the genomes.

Systematic genetic interaction studies have illuminated many cellular processes. Here we quantitatively examine genetic interactions among 26 Saccharomyces cerevisiae genes conferring resistance to the DNA-damaging agent methyl methanesulfonate (MMS), as determined by chemogenomic fitness profiling of pooled deletion strains. We constructed 650 double-deletion strains, corresponding to all pairings of these 26 deletions. The fitness of single- and double-deletion strains were measured in the presence and absence of MMS. Genetic interactions were defined by combining principles from both statistical and classical genetics. The resulting network predicts that the Mph1 helicase has a role in resolving homologous recombination–derived DNA intermediates that is similar to (but distinct from) that of the Sgs1 helicase. Our results emphasize the utility of small molecules and multifactorial deletion mutants in uncovering functional relationships and pathway order.

Yeasty HIPHOP In order to identify how chemical compounds target genes and affect the physiology of the cell, tests of the perturbations that occur when treated with a range of pharmacological chemicals are required. By examining the haploinsufficiency profiling (HIP) and homozygous profiling (HOP) chemogenomic platforms, Lee et al. (p. 208 ) analyzed the response of yeast to thousands of different small molecules, with genetic, proteomic, and bioinformatic analyses. Over 300 compounds were identified that targeted 121 genes within 45 cellular response signature networks. These networks were used to extrapolate the likely effects of related chemicals, their impact upon genetic pathways, and to identify putative gene functions.

RNA sequencing is emerging as a powerful technique to detect a diverse array of fusions in human neoplasia, but few clinically validated assays have been described to date. We designed and validated a hybrid-capture RNAseq assay for FFPE tissue (Fusion-STAMP). It fully targets the transcript isoforms of 43 genes selected for their known impact as actionable targets of existing and emerging anti-cancer therapies (especially in lung adenocarcinomas), prognostic features, and/or utility as diagnostic cancer biomarkers (especially in sarcomas). 57 fusion results across 34 samples were evaluated. Fusion-STAMP demonstrated high overall accuracy with 98% sensitivity and 94% specificity for fusion detection. There was high intra- and inter-run reproducibility. Detection was sensitive to approximately 10% tumor, though this is expected to be impacted by fusion transcript expression levels, hybrid capture efficiency, and RNA quality. Challenges of clinically validating RNA sequencing for fusion detection include a low average RNA quality in FFPE specimens, and variable RNA total content and expression profile per cell. These challenges contribute to highly variable on-target rates, total read pairs, and total mapped read pairs. False positive results may be caused by intergenic splicing, barcode hopping / index hopping, or misalignment. Despite this, Fusion-STAMP demonstrates high overall performance metrics for qualitative fusion detection and is expected to provide clinical utility in identifying actionable fusions.