Lethal factor (LF) is a protein (relative molecular mass 90,000) that is critical in the pathogenesis of anthrax1,2,3. It is a highly specific protease that cleaves members of the mitogen-activated protein kinase kinase (MAPKK) family near to their amino termini, leading to the inhibition of one or more signalling pathways4,5,6. Here we describe the crystal structure of LF and its complex with the N terminus of MAPKK-2. LF comprises four domains: domain I binds the membrane-translocating component of anthrax toxin, the protective antigen (PA); domains II, III and IV together create a long deep groove that holds the 16-residue N-terminal tail of MAPKK-2 before cleavage. Domain II resembles the ADP-ribosylating toxin from Bacillus cereus, but the active site has been mutated and recruited to augment substrate recognition. Domain III is inserted into domain II, and seems to have arisen from a repeated duplication of a structural element of domain II. Domain IV is distantly related to the zinc metalloprotease family, and contains the catalytic centre; it also resembles domain I. The structure thus reveals a protein that has evolved through a process of gene duplication, mutation and fusion, into an enzyme with high and unusual specificity.

Abstract Transposable elements (TEs) are mobile genetic elements in eukaryotic genomes. Recent research highlights the important role of TEs in the embryogenesis, neurodevelopment, and immune functions. However, there is a lack of a one-stop and easy to use computational pipeline for expression analysis of both genes and locus-specific TEs from RNA-Seq data. Here, we present GeneTEFlow, a fully automated, reproducible and platform-independent workflow, for the comprehensive analysis of gene and locus-specific TEs expression from RNA-Seq data employing Nextflow and Docker technologies. This application will help researchers more easily perform integrated analysis of both gene and TEs expression, leading to a better understanding of roles of gene and TEs regulation in human diseases. GeneTEFlow is freely available at https://github.com/zhongw2/GeneTEFlow .

The use of ultra-deep, next generation sequencing of circulating tumor DNA (ctDNA) holds great promise for early detection of cancer as well as a tool for monitoring disease progression and therapeutic responses. However, the low abundance of ctDNA in the bloodstream coupled with technical errors introduced during library construction and sequencing complicates mutation detection. To achieve high accuracy of variant calling via better distinguishing low frequency ctDNA mutations from background errors, we introduce TNER (Tri-Nucleotide Error Reducer), a novel background error suppression method that provides a robust estimation of background noise to reduce sequencing errors. It significantly enhances the specificity for downstream ctDNA mutation detection without sacrificing sensitivity. Results on both simulated and real healthy subjects' data demonstrate that the proposed algorithm consistently outperforms a current, state of the art, position-specific error polishing model, particularly when the sample size of healthy subjects is small. TNER is publicly available at https://github.com/ctDNA/TNER.

The clinical success of immune checkpoint inhibitors that target cytotoxic T-lymphocyte associated protein 4 (CTLA4) and programmed cell death protein 1 (PD-1) or programmed death ligand-1 (PD-L1) demonstrates that reactivation of the human immune system delivers durable responses for some patients and represents an exciting approach for cancer treatment. The combination of multiple immunotherapies as well as the combination of immunotherapy with targeted therapy is being pursued vigorously to increase the rate and extend the duration of response. Preclinical in vivo models for immuno-oncology (IO) typically require immunocompetent mice bearing murine syngeneic tumors. To facilitate translation of preclinical studies into human, we characterized the genomic, transcriptomic, and protein expression of a panel of mouse tumor cell lines grown in vitro culture as well as in vivo tumor samples. Our studies identified many genetic and cellular phenotypic differences that distinguish murine syngeneic models from human cancers. For example, only a small fraction of the somatic single nucleotide variants (SNVs) in mouse cell lines directly match SNVs from human actionable cancer genes. At the cellular level, some epithelial tumor models have a more mesenchymal phenotype with relatively low T-lymphocyte infiltration compared to the corresponding human cancers. Furthermore, in contrast to what has been reported for human tumors, we did not observe a correlation between neoantigen load and cytolytic activity in syngeneic models. Finally, the relative immunogenicity of syngeneic tumors does not typically resemble that of human tumors of the same tissue origin. CT26, a colon tumor model, had the highest immunogenicity and was the most responsive model to CTLA4 inhibitor treatment, by contrast to the relatively low immunogenicity and response rate to checkpoint inhibitor therapies in human colon cancers. These differences highlight limitations of syngeneic models for evaluating novel immune therapies and rationalize some of the challenges associated with translating preclinical findings to clinical studies.