Abstract Gene set enrichment (GSE) analysis plays an essential role in extracting biological insight from genome-scale experiments. ORA (overrepresentation analysis), FCS (functional class scoring), and PT (pathway topology) approaches are three generations of GSE methods along the timeline of development. Previous versions of KOBAS provided services based on just the ORA method. Here we presented version 3.0 of KOBAS, which is named KOBAS-i (short for KOBAS intelligent version). It introduced a novel machine learning-based method we published earlier, CGPS, which incorporates seven FCS tools and two PT tools into a single ensemble score and intelligently prioritizes the relevant biological pathways. In addition, KOBAS has expanded the downstream exploratory visualization for selecting and understanding the enriched results. The tool constructs a novel view of cirFunMap, which presents different enriched terms and their correlations in a landscape. Finally, based on the previous version's framework, KOBAS increased the number of supported species from 1327 to 5944. For an easier local run, it also provides a prebuilt Docker image that requires no installation, as a supplementary to the source code version. KOBAS can be freely accessed at http://kobas.cbi.pku.edu.cn, and a mirror site is available at http://bioinfo.org/kobas.

Abstract In recent years, with global warming and increasing marine pollution, some novel marine viruses have become widespread in the aquaculture industry, causing huge losses to the aquaculture industry. Decapod iridescent virus 1 (DIV1) is one of the newly discovered marine viruses that has been reported to be detected in a variety of farmed crustacean and wild populations. Previous studies have found that DIV1 can induce the Warburg effect. To further explore the effect of DIV1-induced metabolic reprogramming on Marsupenaeus japonicus intestinal metabolome and microbiota and the consequence on immune response, histological analysis, enzyme activity analysis and the integrated analysis of intestinal microbiome and metabolomics were performed in this study. The results showed that obvious injury in the intestinal mucosa was observed after DIV1 infection. The oxidative and antioxidant capacity of the shrimp intestine was unbalanced, the activity of lysozyme was decreased, and the activities of digestive enzymes were disordered, causing secondary bacterial infection. In addition, the increased abundance of harmful bacteria, such as Photobacterium and Vibrio , synergized with DIV1 to promote the Warburg effect and induce metabolic reprogramming, thereby providing material and energy for DIV1 replication. This study is the first to report the changes of intestinal microbiota and metabolites of M. japonicus under DIV1 infection, demonstrating that DIV1 can induce secondary bacterial infection and metabolic reprogramming, and several highly related bacteria and metabolites were screened as biomarkers. These biomarkers can be leveraged for diagnosis of pathogenic infections or incorporated as exogenous metabolites to enhance immune response.

Abstract Viral infectious diseases (VIDs) impose a heavy burden on global public health. Traditional Chinese medicine (TCM) has previously and is currently contributing to the prevention and treatment of infectious diseases. Omics and information technology enable the precise identification of virus characteristics, virus‒host interactions and TCM mechanisms. In this study, we constructed the YiNet platform to better integrate the novel techniques and historical experience of TCM in infectious diseases. YiNet comprises three modules: knowledge base, database and toolkit. The YiNet knowledge base involves 43 VIDs, thereby systematically integrating the knowledge regarding viruses, host symptoms and TCM and Western medicine (commonly used chemical drugs, 6,899 herbs and 2,481 formulas). The YiNet database module includes multiple databases, comprising 57,340 genome sequences of 45,791 viral strains and 5,726 multi-omics datasets such as RNA-seq, ChIP-seq and ATAC-seq from different tissues and cell models. It also integrates 1,105 real-world TCM clinical cases. We adopted visual analysis tool to investigate pathogen–host–herb relationships. To explore pharmacological mechanisms for the core herbs, we added formula data mining and network pharmacology analysis pipelines and visualisation tools. YiNet can facilitate the mechanistic study of TCM and drug development for VIDs. The YiNet platform is publicly available at http://yinet.gene.ac/ .

Current diagnosis and treatment of rheumatoid arthritis (RA) is still challenging. More than one-third of patients with RA could not be accurately diagnosed because of lacking biomarkers. Our recent study reported that scavenger receptor-A (SR-A) is a biomarker for RA, especially for anticyclic citrullinated peptide antibody (anti-CCP)–negative RA. Here, we further identified the B cell autoantigenic epitopes of SR-A. By a large-scale multicenter study including one training and three validation cohorts of 1954 participants, we showed that anticitrullinated SR-A peptide antibody (anti-CSP) was exclusively elevated in RA as a biomarker, particularly useful for seronegative RA. Combination of anti-CSP with anti-CCP demonstrated superior diagnostic value for RA, with sensitivity of 84.83% and specificity of 92.43%. Moreover, RA anti-CSP revealed distinct glycosylation patterns, capable of provoking inflammation in cartilage organoids and exacerbating disease progression in experimental arthritis. Together, these data identify anti-CSP as an RA autoantibody clinically applicable and actively involved in disease pathogenesis.

The conflict between Israel and Palestinians significantly escalated after the October 7, 2023 Hamas attack, capturing global attention. To understand the public discourse on this conflict, we present a meticulously compiled dataset-IsamasRed-comprising nearly 400,000 conversations and over 8 million comments from Reddit, spanning from August 2023 to November 2023. We introduce an innovative keyword extraction framework leveraging a large language model to effectively identify pertinent keywords, ensuring a comprehensive data collection. Our initial analysis on the dataset, examining topics, controversy, emotional and moral language trends over time, highlights the emotionally charged and complex nature of the discourse. This dataset aims to enrich the understanding of online discussions, shedding light on the complex interplay between ideology, sentiment, and community engagement in digital spaces.