The BioMart Community Portal (www.biomart.org) is a community-driven effort to provide a unified interface to biomedical databases that are distributed worldwide. The portal provides access to numerous database projects supported by 30 scientific organizations. It includes over 800 different biological datasets spanning genomics, proteomics, model organisms, cancer data, ontology information and more. All resources available through the portal are independently administered and funded by their host organizations. The BioMart data federation technology provides a unified interface to all the available data. The latest version of the portal comes with many new databases that have been created by our ever-growing community. It also comes with better support and extensibility for data analysis and visualization tools. A new addition to our toolbox, the enrichment analysis tool is now accessible through graphical and web service interface. The BioMart community portal averages over one million requests per day. Building on this level of service and the wealth of information that has become available, the BioMart Community Portal has introduced a new, more scalable and cheaper alternative to the large data stores maintained by specialized organizations.

Metabolomics, similarly to other high-throughput "-omics" techniques, generates large arrays of data, whose analysis and interpretation can be difficult and not always straightforward. Several software for the detailed metabolomics statistical analysis are available, however there is a lack of simple protocols guiding the user through a standard statistical analysis of the data. Herein we present "muma", an R package providing a simple step-wise pipeline for metabolomics univariate and multivariate statistical analyses. Based on published statistical algorithms and techniques, muma provides user-friendly tools for the whole process of data analysis, ranging from data imputation and preprocessing, to dataset exploration, to data interpretation through unsupervised/supervised multivariate and/or univariate techniques. Of note, specific tools and graphics aiding the explanation of statistical outcomes have been developed. Finally, a section dedicated to metabolomics data interpretation has been implemented, providing specific techniques for molecular assignments and biochemical interpretation of metabolic patterns. muma is a free, user-friendly and versatile tool suite tailored to assist the user in the interpretation of metabolomics data in the identification of biomarkers and in the analysis of metabolic patterns. Keywords: Chemometrics, metabonomics, metabolic pattern, multivariate analysis, R package, statistical analysis, univariate analysis.

Abstract The development of a tractable small animal model faithfully reproducing human COVID-19 pathogenesis would arguably meet a pressing need in biomedical research. Thus far, most investigators have used transgenic mice expressing the human ACE2 in epithelial cells (K18-hACE2 transgenic mice) that are intranasally instilled with a liquid SARS-CoV-2 suspension under deep anesthesia. Unfortunately, this experimental approach results in disproportionate high CNS infection leading to fatal encephalitis, which is rarely observed in humans and severely limits this model’s usefulness. Here, we describe the use of an inhalation tower system that allows exposure of unanesthetized mice to aerosolized virus under controlled conditions. Aerosol exposure of K18-hACE2 transgenic mice to SARS-CoV-2 resulted in robust viral replication in the respiratory tract, anosmia, and airway obstruction, but did not lead to fatal viral neuroinvasion. When compared to intranasal inoculation, aerosol infection resulted in a more pronounced lung pathology including increased immune infiltration, fibrin deposition and a transcriptional signature comparable to that observed in SARS-CoV-2- infected patients. This model may prove useful for studies of viral transmission, disease pathogenesis (including long-term consequences of SARS-CoV-2 infection) and therapeutic interventions.

ABSTRACT Transcription factor dynamics is fundamental to determine the activation of accurate transcriptional programs and yet is heterogeneous at single-cell level, even between very similar cells. We asked how such heterogeneity emerges for the nuclear factor κB (NF-κB), whose dynamics have been reported to cover a wide spectrum of behaviors, including persistent, oscillatory and weak activation. We found that clonal populations of immortalized fibroblasts derived from a single mouse embryo display robustly distinct dynamics upon tumor necrosis factor α (TNF-α) stimulation, which give rise to differences in the transcription of NF-κB targets. Notably, standard transcriptomic analyses indicate that the clones differ mostly in transcriptional programs related with development, but not in TNF-α signaling. However, by combining transcriptomics data and simulations we show how the expression levels of genes coding for proteins of the signaling cascade determine the differences in early NF-κB activation; differences in the expression of IκBα determine differences in its persistence and oscillatory behavior. The same analysis predicts inter-clonal differences in the NF-κB response to IL-1 β . We propose that small (less than twofold) differences at transcript level can lead to distinct transcription factor dynamics in cells within homogeneous cell populations, and all the more so among different cell types.

Reversing CD8+ T cell dysfunction is crucial in treating chronic hepatitis B virus (HBV) infection, yet specific molecular targets remain unclear. Our study analyzed co-signaling receptors during hepatocellular priming and traced the trajectory and fate of dysfunctional HBV-specific CD8+ T cells. Early on, these cells upregulate PD-1, CTLA-4, LAG-3, OX40, 4-1BB, and ICOS. While blocking co-inhibitory receptors had minimal effect, activating 4-1BB and OX40 converted them into antiviral effectors. Prolonged stimulation led to a self-renewing, long-lived, heterogeneous population with a unique transcriptional profile. This includes dysfunctional progenitor/stem-like (TSL) cells and two distinct dysfunctional tissue-resident memory (TRM) populations. While 4-1BB expression is ubiquitously maintained, OX40 expression is limited to TSL. In chronic settings, only 4-1BB stimulation conferred antiviral activity. In HBeAg+ chronic patients, 4-1BB activation showed the highest potential to rejuvenate dysfunctional CD8+ T cells. Targeting all dysfunctional T cells, rather than only stem-like precursors, holds promise for treating chronic HBV infection.