Cytoplasmic male sterility (CMS) plays an important role in the production of soybean hybrid seeds. MicroRNAs (miRNAs) are a class of non-coding endogenous ~21 nt small RNAs that play crucial roles in flower and pollen development by targeting genes in plants. Here, two small RNA libraries and two degradome libraries were constructed from the flower buds of the soybean CMS line NJCMS1A and its restorer (Rf) line NJCMS1C. Following high-throughput sequencing, 558 known miRNAs, 103 novel miRNAs on the other arm of known pre-miRNAs, 10 novel miRNAs, and a number of base-edited miRNAs were identified. Among the identified miRNAs, 76 differentially expressed miRNAs were discovered with greater than two-fold changes between NJCMS1A and NJCMS1C. By degradome analysis, a total of 466 distinct transcripts targeted by 200 miRNAs and 122 distinct transcripts targeted by 307 base-edited miRNAs were detected. Further integrated analysis of transcriptome and small RNA found some miRNAs and their targets’ expression patterns showing a negative correlation, such as miR156b-GmSPL and miR4413b-GmPPR. Previous reports showed that these targets might be related to flower bud development, suggesting that miRNAs might act as regulators of soybean CMS fertility. These findings may provide a better understanding of the miRNA-mediated regulatory networks in CMS mechanisms of soybean.

PURPOSE The expanding presence of the electronic health record (EHR) underscores the necessity for improved interoperability. To test the interoperability within the field of oncology research, our team at Vanderbilt University Medical Center (VUMC) enabled our Epic-based EHR to be compatible with the Minimal Common Oncology Data Elements (mCODE), which is a Fast Healthcare Interoperability Resources (FHIR)–based consensus data standard created to facilitate the transmission of EHRs for patients with cancer. METHODS Our approach used an extract, transform, load tool for converting EHR data from the VUMC Epic Clarity database into mCODE-compatible profiles. We established a sandbox environment on Microsoft Azure for data migration, deployed a FHIR server to handle application programming interface (API) requests, and mapped VUMC data to align with mCODE structures. In addition, we constructed a web application to demonstrate the practical use of mCODE profiles in health care. RESULTS We developed an end-to-end pipeline that converted EHR data into mCODE-compliant profiles, as well as a web application that visualizes genomic data and provides cancer risk assessments. Despite the complexities of aligning traditional EHR databases with mCODE standards and the limitations of FHIR APIs in supporting advanced statistical methodologies, this project successfully demonstrates the practical integration of mCODE standards into existing health care infrastructures. CONCLUSION This study provides a proof of concept for the interoperability of mCODE within a major health care institution's EHR system, highlighting both the potential and the current limitations of FHIR APIs in supporting complex data analysis for oncology research.