Abstract The current SARS-CoV-2/COVID-19 pandemic wreaks medical and socioeconomic havoc. Despite the availability of vaccines, cost-effective acute treatment options preventing morbidity and mortality are urgently needed. To identify affordable, ubiquitously available, and effective treatments, we tested herbs consumed worldwide as herbal teas regarding their antiviral activity against SARS-CoV-2. Aqueous infusions prepared by boiling leaves of the Lamiaceae perilla and sage elicit potent and sustained antiviral activity against SARS-CoV-2 in therapeutic as well as prophylactic regimens. The herbal infusions exerted antiviral effects comparable to interferon-β and remdesivir but outperformed convalescent sera and interferon-α2 upon short-term treatment early after infection. Based on protein fractionation analyses, we identified caffeic acid, perilla aldehyde, and perillyl alcohol as antiviral compounds. Global mass spectrometry (MS) analyses performed comparatively in two different cell culture infection models revealed changes of the proteome upon treatment with herbal infusions and provided insights into the mode of action. As inferred by the MS data, induction of heme oxygenase 1 (HMOX-1) was confirmed as effector mechanism by the antiviral activity of the HMOX-1-inducing compounds sulforaphane and fraxetin. In conclusion, herbal teas based on perilla and sage exhibit antiviral activity against SARS-CoV-2 including variants of concern such as Alpha, Beta, Delta, and Omicron.

We introduce Goslin, a polyglot grammar for common lipid shorthand nomenclatures based on the LipidMaps nomenclature and the shorthand nomenclature established by Liebisch et al. and used by LipidHome and SwissLipids. Goslin was designed to address the following pressing issues in the lipidomics field: 1) to simplify the implementation of lipid name handling for developers of mass spectrometry-based lipidomics tools; 2) to offer a tool that unifies and normalizes the main existing lipid name dialects enabling a lipidomics analysis in a high-throughput fashion. We provide implementations of Goslin in four major programming languages, namely C++, Java, Python 3, and R to kick-start adoption and integration. Further, we set up a web service for users to work with Goslin directly. All implementations are available free of charge under a permissive open source license.### Competing Interest StatementThe authors have declared no competing interest.

The rapid increase in lipidomic studies has led to a collaborative effort within the community to establish standards and criteria for producing, documenting, and disseminating data. Creating a dynamic easy-to-use checklist that condenses key information about lipidomic experiments into common terminology will enhance the field's consistency, comparability, and repeatability. Here, we describe the structure and rationale of the established Lipidomics Minimal Reporting Checklist to increase transparency in lipidomics research.

ABSTRACT With the increasing number of lipidomic studies, there is a need for efficient and automated analysis of lipidomic data. One of the challenges faced by most existing approaches to lipidomic data analysis is lipid nomenclature. The systematic nomenclature of lipids contains all available information about the molecule, including its hierarchical representation, which can be used for statistical evaluation. The Lipid Over-Representation Analysis (LORA) web application ( https://lora.metabolomics.fgu.cas.cz ) analyzes this information using the Java-based Goslin framework, which translates lipid names into a standardized nomenclature. Goslin provides the level of lipid hierarchy, including information on headgroups, acyl chains, and their modifications, up to the ‘complete structure’ level. LORA allows the user to upload the experimental query and universe datasets, select a grammar for lipid name normalization, and then process the data. The user can then interactively explore the results and perform lipid overrepresentation analysis based on selected criteria. The results are graphically visualized according to the lipidome hierarchy. The lipids present in the most over-represented terms (lipids with the highest number of enriched shared structural features) are defined as Very Important Lipids (VILs). For example, the main result of a demo dataset is the information that the query is significantly enriched with ‘glycerophospholipids’ containing ‘acyl 20:4’ at ‘ sn -2 position’. These terms define a set of VILs (e.g., PC 18:2/20:4;O and PE 16:0/20:4(5,8,10,14);OH). All results, graphs, and visualizations are summarized in a report. LORA is a tool focused on the smart mining of epilipidomics datasets to facilitate their interpretation at the molecular level.