COVID-19, which has resulted a worldwide health crisis with more than 74.9 million confirmed cases worldwide by December 2020, is caused by a newly emerging coronavirus identified and named SARS-CoV-2 in February in Wuhan, China. Experiences in defeating SARS, which infested during 2002-2003, can be used in treating the new disease. However, comparative genomics and epidemiology studies have shown much difference between SARS-CoV and SARS-CoV-2, which underlies the different clinical features and therapies in between those two diseases. Further studies comparing transcriptomes infected by these two viruses to uncover the differences in host responses would be necessary. Here we conducted a comprehensive transcriptome analysis of SARS-CoV and SARS-CoV-2-infected human cell lines, including Caco-2, Calu-3, H1299. Clustering analysis and expression of ACE2 show that SARS-CoV-2 has broader but weaker infection, where the largest discrepancy occurs in the epithelial lung cancer cell, Calu-3. SARS-CoV-2 genes also show less tissue specificity than SARS-CoV genes. Furthermore, we detected more general but moderate immune responses in SARS-CoV-2 infected transcriptomes by comparing weighted gene co-expression networks and modules. Our results suggest a different immune therapy and treatment scheme for COVID-19 patients than the ones used on SARS patients. The wider but weaker permissiveness and host responses of virus infection may also imply a long-term existence of SARS-CoV-2 among human populations.

Recent studies of ASD have mostly supported the existence of heterogeneity and genomic variation in ASD which have hindered and restrained development of any effective and targetable treatment for a long time. As numerous studies have shown, both genetic and phenotypic heterogeneity is presented in ASD, however, heterogeneity in genetic level is not fully understood which is the key challenges for the further research. Even dozens of ASD susceptibility genes have been discovered which is commonly accounting for 10 to 20 percent of ASD cases, the internal complex combination of mutated genes that determine the epigenetic factors of ASD is still not comprehensively recognized by the recent studies. First by discouraging the traditional method that have been applied in most of the current research of diseases, this research will then focus on dissecting the heterogeneity of polygenic diseases and analyzing with an unconventional approach for acquiring Differently Expressed Genes (DEGs) in Gupta's Dataset that provided transcriptome of frontal cortex of ASD patients. Divide categories by using unsupervised learning strategy, the results yielded by analyzing within clusters of ASD have supported the feasibility of the attempts to use heterogeneity to reveal its underlying mechanism. This study puts forward the inference that the heterogeneity of polygenic diseases will obscure the molecular signals related to the disease, and at the same time attempts to use heterogeneity to reveal the underlying mechanism.