Motivation: An important application of microarray technology is to relate gene expression profiles to various clinical phenotypes of patients. Success has been demonstrated in molecular classification of cancer in which the gene expression data serve as predictors and different types of cancer serve as a categorical outcome variable. However, there has been less research in linking gene expression profiles to the censored survival data such as patients' overall survival time or time to cancer relapse. It would be desirable to have models with good prediction accuracy and parsimony property.

Abstract The microbial interactions within the human microbiome are complex and temporally dynamic, but few methods are available to model this system within a longitudinal network framework. Based on general longitudinal 16S rRNA sequence data, we propose a stationary Gaussian graphical model (SGGM) for microbial interaction networks (MIN) which can accommodate the possible correlations between the high-dimensional observations. For SGGM, an EM-type algorithm is devised to compute the L 1 -penalized maximum likelihood estimate of MIN which employs the classic graphical LASSO algorithm as the building block and can therefore be implemented easily. Simulation studies show that the proposed algorithms can significantly outperform the conventional algorithms when the correlations between measurements grow large. The algorithms are then applied to a real 16S rRNA gene sequence data set for gut microbiome. With the estimated MIN in hand, module-preserving permutation test is proposed to test the independence of the MIN and the corresponding phylogenetic tree. The results demonstrate strong evidence of an association between the MIN and the phylogenetic tree which indicates that the genetically related taxa tend to have more/stronger interactions. The proposed algorithms are implemented in R package lglasso at https://CRAN.R-project.org/package=lglasso .

Abstract Background Psychedelic drugs have resurged in neuroscience and psychiatry with promising success in psychedelic-assisted therapy for the treatment of anxiety, depression, and addiction. At the cellular level, psychedelic drugs elicit neuroplastic processes 24 hours after administration, priming neural circuits for change. The acute effects of psychedelic drugs are well characterized with functional imaging and neural oscillations showing an increase in the entropy of spontaneous cortical activity. Hypotheses We hypothesized that cortical-striatal oscillations recorded in rats would confirm the effects of psychedelic drugs. We also hypothesized that brain stimulation delivered 24 hours after LSD administration would lead to different effects than brain stimulation alone. Methods We recorded local field potential (LFP) oscillations from rats following lysergic acid diethylamide (LSD) or saline administration and determined if exposure to these treatments altered the effect of a targeted intervention (brain stimulation) 24 hours later. Results We confirmed acutely decreased low frequency power across the brain when rats are given LSD. We also demonstrated these altered states return to baseline after 24 hours. Brain stimulation applied in the previously reported window of heightened neuroplasticity produced distinct shifts in brain state compared to brain stimulation applied 24 hours after saline. Conclusions Despite the acute effects of LSD disappearing after 24 hours, there are still latent effects that interact with brain stimulation to create larger and distinct changes in brain activity compared to brain stimulation alone. Our proof-of-concept findings are the first to suggest that psychedelic drugs could work in combination with brain stimulation to achieve enhanced effects on brain activity and future work will assess impacts on stimulation induced changes in behavior.

Abstract Motivation Throughout their lifespans, humans continually interact with the microbial world, including those organisms which live in and on the human body. Research in this domain has revealed the extensive links between the human-associated microbiota and health. In particular, the microbiota of the human gut plays essential roles in digestion, nutrient metabolism, immune maturation and homeostasis, neurological signaling, and endocrine regulation. Microbial interaction networks are frequently estimated from data and are an indispensable tool for representing and understanding the relationships among the microbes of a microbiota. In this high-dimensional setting, the zero-inflated and compositional data structure (subject to unit-sum constraint) pose challenges to the accurate estimation of microbial interaction networks. Method We propose the zero-inflated latent Ising (ZILI) model for microbial interaction network which assumes that the distribution of relative abundance of microbiota is determined by finite latent states. This assumption is partly supported by the existing findings in literature [20]. The ZILI model can circumvents the unit-sum constraint and alleviates the zero-inflation problem under given assumptions. As for the model selection of ZILI, a two-step algorithm is proposed. ZILI and two-step algorithm are evaluated through simulated data and subsequently applied in our investigation of an infant gut microbiome dataset from New Hampshire Birth Cohort Study. The results are compared with results from traditional Gaussian graphical model (GGM) and dichotomous Ising model (DIS). Results Through the simulation studies, provided that the ZILI model is the true generative model for the data, it is shown that the two-step algorithm can estimate the graphical structure effectively and is robust to a range of alternative settings of the related factors. Both GGM and DIS can not achieve a satisfying performance in these settings. For the infant gut microbiome dataset, we use both ZILI and GGM to estimate microbial interaction network. The final estimated networks turn out to share a statistically significant overlap in which the ZILI and two-step algorithm tend to select the sparser network than those modeled by GGM. From the shared subnetwork, a hub taxon Lachnospiraceae is identified whose involvement in human disease development has been discovered recently in literature. Availability The data and programs involved in Section 4 and 5 are available on request from the correspondence author. Contact Anne.G.Hoen@dartmouth.edu Supplementary information Supplementary materials are available at Bioinformatics

We investigated tumor-cell-intrinsic chromatin accessibility patterns of pancreatic ductal adenocarcinoma (PDAC) by ATAC-seq on EpCAM+ PDAC malignant epithelial cells, sorted from 54 freshly resected human tumors, and discovered a signature of 1092 chromatin loci displaying differential accessibility between patients with disease free survival (DFS) < 1 year and patients with DFS > 1 year. Analyzing transcription factor (TF) binding motifs within these loci, we identified two TFs (ZKSCAN1 and HNF1b) displaying differential nuclear localization between patients with short vs. long DFS. We further developed a novel chromatin accessibility microarray methodology termed ATAC-Array, an easy-to-use platform obviating the time and cost of next generation sequencing. Applying this novel methodology to the original ATAC-seq libraries as well as independent libraries generated from patient-derived organoids, we validated ATAC-array technology in both the original ATAC-Seq cohort as well as in an independent validation cohort. We conclude that PDAC prognosis can be predicted by ATAC-array, which represents a novel, low-cost, clinically feasible technology for assessing chromatin accessibility profiles.

Background:

 Systemic lupus erythematosus (SLE) is an autoimmune disorder characterized by aberrant B cell activation and heightened autoantibody production. Targeting B cells constitutes a pivotal therapeutic strategy in managing SLE. Telitacicept, a novel biologic drug, specifically inhibits B lymphocyte stimulator (BLyS) and a proliferation-inducing ligand (APRIL), demonstrating promising efficacy in SLE treatment. 

Objectives:

 This study aims to investigate the early impact of telitacicept in combination with standard treatments on B cell subsets in SLE patients within the first 6 months. 

Methods:

 Twenty active SLE patients (SLEDAI-2K≥6) were enrolled, and B cell subset analyses were conducted at 0, 4, 12, and 24 weeks after initiating Telitacicept treatment. Flow cytometry was used to quantify B cell subset dynamics. The SLE Responder Index-4 (SRI-4) response rate at 6 months and changes in clinical and laboratory parameters were assessed. 

Results:

 After 6 months of treatment, the SRI-4 response rate was remarkable at 95% (19/20). In comparison to the baseline, significant improvements were observed in SLEDAI-2K scores (12.00 ± 3.28 VS. 1.78 ± 2.29, p< 0.001), anti-dsDNA levels, and complement C3 and C4 levels (p<0.05). A notable decrease in 24-hour urine protein (p=0.004) was recorded. B cell subset analysis in 15 patients completing four follow-ups revealed a decrease in the proportions of total B cells (14.03%± 6.87% VS. 4.44%± 2.63%, p< 0.001), naive B cell(54.985± 17.96% VS. 25.78 %± 10.72, p< 0.001), and short-lived plasma cells(0.10% ± 0.11% VS. 0.04% ± 0.04%, p=0.027), along with an increase in transitional B cells (T1) (0.10% ± 0.22% VS. 0.74% ± 1.11%, p=0.046), switched memory B cells(12.09%±15.39% VS. 24.68%±10.57%, p=0.020), double-negative B cells(8.73%± 8.46% VS. 15.8%±9.26%, p=0.001), and Breg cells (10.56% ± 10.61% VS. 19.33%±10.03%, p=0.002). 

Conclusion:

 The combination of Telitacicept with standard treatment led to significant improvements in disease activity, renal parameters, and B cell subset dynamics. These findings underscore the potential of Telitacicept in modulating the B cell landscape and achieving favorable treatment responses in active SLE patients. 

REFERENCES:

 NIL. 

Acknowledgements:

 Thanks to all the follow-up patients and the doctors involved in the follow-up. 

Disclosure of Interests:

 None declared.

Summary Petrophysical properties are important parameters for oil and gas exploration. Predicting the petrophysical properties of rocks from seismic data is challenging because the relationship between petrophysical properties of rocks and their seismic response is more complex and hidden than the relationship between elastic properties (velocity, impedance, etc.) and seismic response. The deep learning methods have advantages in mapping the complex nonlinear relationship between Petrophysical properties and seismic data. However, there are many challenges that might prevent deep learning algorithms from finding a proper mapping that can be generalized for an entire survey area. In this work, we proposed a new deep learning scheme for predicting petrophysical properties. The proposed scheme includes three parts: extended labeled dataset, multi-task inversion neural network architecture, and physical guidance loss. Through the numerical model test, we believe that the extended labeled dataset can significantly reduce the errors caused by insufficient training, the multi-attribute input with the multi-task inversion neural network architecture can provide more constraint information, and the physical guidance loss term can effectively reduce the multi-solution of prediction results.

Abstract Enhancing antiviral responses while controlling immune cell activation is an attractive strategy to reduce HIV-1 replication in the cervicovaginal mucosae, a primary site of heterosexual transmission. Interferon alpha and beta (IFNα/β) signaling up-regulates expression of inflammatory factors and Interferon-Stimulated Genes (ISGs). The simultaneous induction of both IFNs by pathogen-bound molecular pattern recognition receptors and the paucity of data on the anti-HIV-1 efficacy of a combination of these antiviral factors or their downstream targets in human experimental models taking into account mucosal and submucosal cell populations, motivated us to determine whether combined IFNα/β or ISGs could decrease HIV-1 replication in cervicovaginal tissues. IFNα/β reduced HIV-1 p24 release. This reduction was associated with upregulation of expression of a subset of ISGs, the type I IFN receptor and interferon regulatory factor seven. IFNα/β also enhanced immune cell activation. In contrast, when added directly to CV tissues, a combination of ISGs was more effective than IFNα/β in reducing HIV-1 p24 release. The ISG combination demonstrated early kinetics and a more robust reduction in HIV-1 p24 release. Opposite to IFNα/β, the combination of ISGs did not induce immune cell activation. IFNα/β-induced ISGs provide novel mucosal therapeutic targets with a greater capacity to reduce HIV-1 compared to IFNα/β, without inducing immune cell activation.