BackgroundInterleukin 22 promotes epidermal hyperplasia and inhibits skin barrier function.ObjectiveEvaluate interleukin 22 blockade in adults with moderate-to-severe atopic dermatitis (AD).MethodsWe performed a randomized, double-blind, placebo-controlled trial with intravenous fezakinumab monotherapy every 2 weeks for 10 weeks, with follow-up assessments until 20 weeks. The change in SCOring AD (SCORAD) score from baseline at 12 weeks served as the primary end point.ResultsAt 12 weeks, the mean declines in SCORAD for the entire study population were 13.8 ± 2.7 in the fezakinumab arm and 8.0 ± 3.1 in the placebo arm (P = .134). In the severe AD patient subset (with a baseline SCORAD of ≥50), SCORAD decline was significantly stronger in the drug-treated patients than placebo-treated patients at 12 weeks (21.6 ± 3.8 vs 9.6 ± 4.2, P = .029) and 20 weeks (27.4 ± 3.9 vs 11.5 ± 5.1, P = .010). At 12 weeks, improvements in body surface area involvement in the entire population were significantly stronger in the drug-treated than placebo-treated patients (12.4% ± 2.4 vs 6.2% ± 2.7; P = .009), and in the severe AD subset, the decline in Investigator Global Assessment was significantly higher in the drug-treated than placebo-treated patients (0.7 ± 0.2 vs 0.3 ± 0.1; P = .034). All scores showed progressive improvements after last dosing (10 weeks) until end of study (20 weeks). Common adverse events were upper respiratory tract infections.LimitationsThe limited sample size and lack of assessment with Eczema Area and Severity Index and a pruritus numerical rating scale were limiting factors. Significance was primarily obtained in severe AD.ConclusionFezakinumab was well-tolerated, with sustained clinical improvements after last drug dosing.

This paper presents PyElph, a software tool which automatically extracts data from gel images, computes the molecular weights of the analyzed molecules or fragments, compares DNA patterns which result from experiments with molecular genetic markers and, also, generates phylogenetic trees computed by five clustering methods, using the information extracted from the analyzed gel image. The software can be successfully used for population genetics, phylogenetics, taxonomic studies and other applications which require gel image analysis. Researchers and students working in molecular biology and genetics would benefit greatly from the proposed software because it is free, open source, easy to use, has a friendly Graphical User Interface and does not depend on specific image acquisition devices like other commercial programs with similar functionalities do.PyElph software tool is entirely implemented in Python which is a very popular programming language among the bioinformatics community. It provides a very friendly Graphical User Interface which was designed in six steps that gradually lead to the results. The user is guided through the following steps: image loading and preparation, lane detection, band detection, molecular weights computation based on a molecular weight marker, band matching and finally, the computation and visualization of phylogenetic trees. A strong point of the software is the visualization component for the processed data. The Graphical User Interface provides operations for image manipulation and highlights lanes, bands and band matching in the analyzed gel image. All the data and images generated in each step can be saved. The software has been tested on several DNA patterns obtained from experiments with different genetic markers. Examples of genetic markers which can be analyzed using PyElph are RFLP (Restriction Fragment Length Polymorphism), AFLP (Amplified Fragment Length Polymorphism), RAPD (Random Amplification of Polymorphic DNA) and STR (Short Tandem Repeat). The similarity between the DNA sequences is computed and used to generate phylogenetic trees which are very useful for population genetics studies and taxonomic classification.PyElph decreases the effort and time spent processing data from gel images by providing an automatic step-by-step gel image analysis system with a friendly Graphical User Interface. The proposed free software tool is suitable for researchers and students which do not have access to expensive commercial software and image acquisition devices.

Abstract Embryos are regeneration and wound healing masters. They not only rapidly close their wounds, remodel injured tissue without a scar, but also regenerate body parts. Many animal models with variable regenerative capabilities have already been studied. Additionally, with the introduction of high throughput techniques, novel regeneration mechanisms including genes and signaling pathways, and specialized cell types required for regeneration control in spatial and temporal aspects have been identified. Until now our knowledge has been limited to primarily the late phases of regeneration (> 1 day post injury). In this paper, we reveal the critical steps for regeneration initiation. We have discovered Regeneration Initiating Cells (RICs) using single cell and spatial transcriptomic analyses during tail regeneration in Xenopus laevis . RICs are formed transiently from the basal epidermal cells and are critical for the modification of the surrounding extracellular matrix to allow for migration of other cell types such as regeneration organizing cells that further promote regeneration. Absence or deregulation of RICs leads to excessive extracellular matrix deposition and regeneration defects.

A predominant source of complication in SARS-CoV-2 patients arises from the cytokine storm , an elevated expression of inflammatory helper T-cell associated cytokines that can lead to tissue damage and organ failure. The high inflammatory burden of this viral infection often results in cardiovascular comorbidities. A better understanding of the interaction between the cytokine storm and cardiovascular proteins might inform medical decisions and therapeutic approaches. We hypothesized that all major helper T-cell inflammatory pathways (Th1, Th2 and Th17) synergistically contribute to cardiometabolic modifications in serum of COVID-19 patients. We proved our hypothesis by integrating Th1, Th2 and Th17 cytokines to predict expression of cardiometabolic proteins profiled by OLINK proteomics.

Genetic alterations initiate tumors and enable the evolution of drug resistance. The pro-cancer view of mutations is however incomplete, and several studies show that mutational load can reduce tumor fitness. Given its negative effect, genetic load should make tumors more sensitive to anticancer drugs. Here, we test this hypothesis across all major types of cancer from the Cancer Cell Line Encyclopedia, which provides genetic and expression data of 496 cell lines together with their response to 24 common anticancer drugs. We found that the efficacy of 9 out of 24 drugs showed significant association with genetic load in a pan-cancer analysis. The associations for some tissue-drug combinations were remarkably strong, with genetic load explaining up to 83% of the variance in the drug response. Overall, the role of genetic load depended on both the drug and the tissue type with 10 tissues being particularly vulnerable to genetic load. We also identified changes in gene expression associated with increased genetic load, which included cell-cycle checkpoints, DNA damage and apoptosis. Our results show that genetic load is an important component of tumor fitness and can predict drug sensitivity. Beyond being a biomarker, genetic load might be a new, unexplored vulnerability of cancer.

Acne vulgaris affects millions of individuals and can lead to psychosocial impairment as well as permanent scarring. Previous studies investigating acne pathogenesis have either examined a targeted set of biological parameters in a modest-sized cohort or carried out high-throughput assays on a small number of samples. To develop a more comprehensive understanding of acne pathophysiology, we conducted an in-depth multi-omic study of 56 acne patients and 20 individuals without acne. We collected whole blood, skin punch biopsies, microbiota from skin follicles, and relevant clinical measurements to understand how multiple factors contribute to acne. We provide an integrative analysis of multi-omics data that results in a molecular network of acne. Comparisons of lesional and non-lesional skin highlighted multiple biological processes, including immune cell and inflammatory responses, response to stress, T cell activation, lipid biosynthesis, fatty acid metabolism, keratinocytes, antimicrobial activity, epithelial cell differentiation, and response to wounding, that are differentially altered in acne lesions compared to non-lesions. Our results suggest baseline differences in the skin that may predispose individuals to develop acne. These datasets and findings offer a framework for new target identification and reference for future studies.* RNA-seq : RNA sequencing FDR : False Discovery Rate C. acnes : Cutibacterium acnes FC : fold-change qRT-PCR : quantitative real-time polymerase chain reaction LM : lesion module NLM : non-lesion module.