ABSTRACT Structural variants (SVs) like translocations, deletions, and other rearrangements underlie genetic and phenotypic variation. SVs are often overlooked due to difficult detection from short-read sequencing. Most algorithms yield low recall on humans, but the performance in other organisms is unclear. Similarly, despite remarkable differences across species’ genomes, most approaches use parameters optimized for humans. To overcome this and enable species-tailored approaches, we developed perSVade (personalized Structural Variation Detection), a pipeline that identifies SVs in a way that is optimized for any input sample. Starting from short reads, perSVade uses simulations on the reference genome to choose the best SV calling parameters. The output includes the optimally-called SVs and the accuracy, useful to assess the confidence in the results. In addition, perSVade can call small variants and copy-number variations. In summary, perSVade automatically identifies several types of genomic variation from short reads using sample-optimized parameters. We validated that perSVade increases the SV calling accuracy on simulated variants for six diverse eukaryotes, and on datasets of validated human variants. Importantly, we found no universal set of “optimal” parameters, which underscores the need for species-specific parameter optimization. PerSVade will improve our understanding about the role of SVs in non-human organisms.

Abstract Information that regulates gene expression is encoded throughout each gene but if different regulatory regions can be understood in isolation, or if they interact, is unknown. Here we measure mRNA levels for 10,000 open reading frames (ORFs) transcribed from either an inducible or constitutive promoter. We find that the strength of co-translational regulation on mRNA levels is determined by promoter architecture. Using a novel computational-genetic screen of 6402 RNA-seq experiments we identify the RNA helicase Dbp2 as the mechanism by which co-translational regulation is reduced specifically for inducible promoters. Finally, we find that for constitutive genes, but not inducible genes, most of the information encoding regulation of mRNA levels in response to changes in growth rate is encoded in the ORF and not in the promoter. Thus the ORF sequence is a major regulator of gene expression, and a non-linear interaction between promoters and ORFs determines mRNA levels.

Cells regulate gene expression by changing the concentration and activity of transcription factors (TFs). The response of each gene to changes in TF activity is generally assumed to be encoded in the promoter. Here we show that, even when the promoter itself remains constant, each gene has a unique TF dose response curve. Many genes have an intrinsic ability to either buffer or amplify the effects of high promoter activity. We present a coupled mathematical model and experimental system for quantifying this property. Promoter activity buffering can be encoded by sequences in both the open reading frame and 3UTR and can be implemented by both autoregulatory feedback loops and by titration of limiting trans regulators. We show experimentally that promoter activity buffering insulates cells from fitness defects due to misexpression. The response of genes to changes in [TF] is encoded by sequences outside of the promoter, and this effect can either insulate or amplify the effects of aneuploidy and misregulation on organismal fitness.

Living organisms are error-prone. Every second a single human cell produces over 100 transcripts with a substitution, frameshift or splicing error. Multiple mRNA quality control pathways exist to degrade these transcripts. Many of these pathways involve co-translational regulation of mRNA stability, such as nonsense mediated decay (NMD) and reduced stability of transcripts with suboptimal codon usage. Recent work has shown the existence of a genetic link between NMD and codon-usage mediated mRNA decay. Here we present new computational evidence that, because the codons following most frameshift errors are suboptimal, removal of mRNAs with such errors may be mediated by degradation of mRNAs with sub-optimal codons. Thus, most transcripts that contain frameshifts are subject to two modes of degradation.

Auto regulatory feedback loops occur in the regulation of molecules ranging from ATP to MAP kinases to zinc. Negative feedback loops can increase a system′s robustness, while positive feedback loops can mediate transitions between cell states. Recent genome-wide experimental and computational studies predict hundreds of novel feedback loops. However, not all physical interactions are regulatory, and many experimental methods cannot detect self-interactions. Our understanding of regulatory feedback loops is therefore hampered by the lack of high-throughput methods to experimentally quantify the presence, strength, and temporal dynamics of auto regulatory feedback loops. Here we present a mathematical and experimental framework for high-throughput quantification of feedback regulation, and apply it to RNA binding proteins (RBPs) in yeast. Our method is able to determine the existence of both direct and indirect positive and negative feedback loops, and to quantify the strength of these loops. We experimentally validate our model using two RBPs which lack native feedback loops, and by the introduction of synthetic feedback loops. We find that the the RBP Puf3 does not natively participate in any direct or indirect feedback regulation, but that replacing the native 3′UTR with that of COX17 generates an auto-regulatory negative feedback loop which reduces gene expression noise. Likewise, the RBP Pub1 does not natively participate in any feedback loops, but a synthetic positive feedback loop involving Pub1 results in increased expression noise. Our results demonstrate a synthetic experimental system for quantifying the existence and strength of feedback loops using a combination of high-throughput experiments and mathematical modeling. This system will be of great use in measuring auto-regulatory feedback by RNA binding proteins, a regulatory motif that is difficult to quantify using existing high-throughput methods.

The limited number of available antifungal drugs and the increasing number of fungal isolates that show drug or multidrug resistance pose a serious medical threat. Several yeast pathogens, such as