Motivation: Robust large-scale sequence analysis is a major challenge in modern genomic science, where biologists are frequently trying to characterize many millions of sequences. Here, we describe a new Java-based architecture for the widely used protein function prediction software package InterProScan. Developments include improvements and additions to the outputs of the software and the complete reimplementation of the software framework, resulting in a flexible and stable system that is able to use both multiprocessor machines and/or conventional clusters to achieve scalable distributed data analysis. InterProScan is freely available for download from the EMBl-EBI FTP site and the open source code is hosted at Google Code.

The EMBL-EBI provides access to various mainstream sequence analysis applications. These include sequence similarity search services such as BLAST, FASTA, InterProScan and multiple sequence alignment tools such as ClustalW, T-Coffee and MUSCLE. Through the sequence similarity search services, the users can search mainstream sequence databases such as EMBL-Bank and UniProt, and more than 2000 completed genomes and proteomes. We present here a new framework aimed at both novice as well as expert users that exposes novel methods of obtaining annotations and visualizing sequence analysis results through one uniform and consistent interface. These services are available over the web and via Web Services interfaces for users who require systematic access or want to interface with customized pipe-lines and workflows using common programming languages. The framework features novel result visualizations and integration of domain and functional predictions for protein database searches. It is available at http://www.ebi.ac.uk/Tools/sss for sequence similarity searches and at http://www.ebi.ac.uk/Tools/msa for multiple sequence alignments.

Since 2004 the European Bioinformatics Institute (EMBL-EBI) has provided access to a wide range of databases and analysis tools via Web Services interfaces. This comprises services to search across the databases available from the EMBL-EBI and to explore the network of cross-references present in the data (e.g. EB-eye), services to retrieve entry data in various data formats and to access the data in specific fields (e.g. dbfetch), and analysis tool services, for example, sequence similarity search (e.g. FASTA and NCBI BLAST), multiple sequence alignment (e.g. Clustal Omega and MUSCLE), pairwise sequence alignment and protein functional analysis (e.g. InterProScan and Phobius). The REST/SOAP Web Services (http://www.ebi.ac.uk/Tools/webservices/) interfaces to these databases and tools allow their integration into other tools, applications, web sites, pipeline processes and analytical workflows. To get users started using the Web Services, sample clients are provided covering a range of programming languages and popular Web Service tool kits, and a brief guide to Web Services technologies, including a set of tutorials, is available for those wishing to learn more and develop their own clients. Users of the Web Services are informed of improvements and updates via a range of methods.

Since 2009 the EMBL-EBI Job Dispatcher framework has provided free access to a range of mainstream sequence analysis applications. These include sequence similarity search services (https://www.ebi.ac.uk/Tools/sss/) such as BLAST, FASTA and PSI-Search, multiple sequence alignment tools (https://www.ebi.ac.uk/Tools/msa/) such as Clustal Omega, MAFFT and T-Coffee, and other sequence analysis tools (https://www.ebi.ac.uk/Tools/pfa/) such as InterProScan. Through these services users can search mainstream sequence databases such as ENA, UniProt and Ensembl Genomes, utilising a uniform web interface or systematically through Web Services interfaces (https://www.ebi.ac.uk/Tools/webservices/) using common programming languages, and obtain enriched results with novel visualisations. Integration with EBI Search (https://www.ebi.ac.uk/ebisearch/) and the dbfetch retrieval service (https://www.ebi.ac.uk/Tools/dbfetch/) further expands the usefulness of the framework. New tools and updates such as NCBI BLAST+, InterProScan 5 and PfamScan, new categories such as RNA analysis tools (https://www.ebi.ac.uk/Tools/rna/), new databases such as ENA non-coding, WormBase ParaSite, Pfam and Rfam, and new workflow methods, together with the retirement of depreciated services, ensure that the framework remains relevant to today's biological community.

How do organisms respond adaptively to environmental stress? Although some gene-specific responses have been explored, others remain to be identified, and there is a very poor understanding of the system-wide integration of response, particularly in complex, multitissue animals. Here, we adopt a transcript screening approach to explore the mechanisms underpinning a major, whole-body phenotypic transition in a vertebrate animal that naturally experiences extreme environmental stress. Carp were exposed to increasing levels of cold, and responses across seven tissues were assessed by using a microarray composed of 13,440 cDNA probes. A large set of unique cDNAs (≈3,400) were affected by cold. These cDNAs included an expression signature common to all tissues of 252 up-regulated genes involved in RNA processing, translation initiation, mitochondrial metabolism, proteasomal function, and modification of higher-order structures of lipid membranes and chromosomes. Also identified were large numbers of transcripts with highly tissue-specific patterns of regulation. By unbiased profiling of gene ontologies, we have identified the distinctive functional features of each tissue's response and integrate them into a comprehensive view of the whole-body transition from one strongly adaptive phenotype to another. This approach revealed an expression signature suggestive of atrophy in cooled skeletal muscle. This environmental genomics approach by using a well studied but nongenomic species has identified a range of candidate genes endowing thermotolerance and reveals a previously unrecognized scale and complexity of responses that impacts at the level of cellular and tissue function.

Abstract Microbes play important roles in human health and disease. The interaction between microbes and hosts is a reciprocal relationship, which remains largely under-explored. Current computational resources lack manually and consistently curated data to connect metagenomic data to pathogenic microbes, microbial core genes, and disease phenotypes. We developed the MicroPhenoDB database by manually curating and consistently integrating microbe-disease association data. MicroPhenoDB provides 5677 non-redundant associations between 1781 microbes and 542 human disease phenotypes across more than 22 human body sites. MicroPhenoDB also provides 696,934 relationships between 27,277 unique clade-specific core genes and 685 microbes. Disease phenotypes are classified and described using the Experimental Factor Ontology (EFO). A refined score model was developed to prioritize the associations based on evidential metrics. The sequence search option in MicroPhenoDB enables rapid identification of existing pathogenic microbes in samples without running the usual metagenomic data processing and assembly. MicroPhenoDB offers data browsing, searching and visualization through user-friendly web interfaces and web service application programming interfaces. MicroPhenoDB is the first database platform to detail the relationships between pathogenic microbes, core genes, and disease phenotypes. It will accelerate metagenomic data analysis and assist studies in decoding microbes related to human diseases. MicroPhenoDB is available through http://www.liwzlab.cn/microphenodb and http://lilab2.sysu.edu.cn/microphenodb .

Untargeted metabolomic analysis using mass spectrometry provides comprehensive metabolic profiling, but its medical application faces challenges of complex data processing, high inter-batch variability, and unidentified metabolites. Here, we present DeepMSProfiler, an explainable deep-learning-based method, enabling end-to-end analysis on raw metabolic signals with output of high accuracy and reliability. Using cross-hospital 859 human serum samples from lung adenocarcinoma, benign lung nodules, and healthy individuals, DeepMSProfiler successfully differentiates the metabolomic profiles of different groups (AUC 0.99) and detects early-stage lung adenocarcinoma (accuracy 0.961). Model flow and ablation experiments demonstrate that DeepMSProfiler overcomes inter-hospital variability and effects of unknown metabolites signals. Our ensemble strategy removes background-category phenomena in multi-classification deep-learning models, and the novel interpretability enables direct access to disease-related metabolite-protein networks. Further applying to lipid metabolomic data unveils correlations of important metabolites and proteins. Overall, DeepMSProfiler offers a straightforward and reliable method for disease diagnosis and mechanism discovery, enhancing its broad applicability.

ABSTRACT Many studies have uncovered that piRNAs (PIWI-interacting RNA) are associated with a broad range of diseases and might be a novel type of biomarkers and targets for precision medicine. However, public resource of high-quality curated human disease-associated piRNAs remains unavailable. Therefore, we developed the piRPheno ( http://www.biomedical-web.com/pirpheno ) database to provide an up-to-date, interactive and extensible data reference for human piRNA-disease associations. piRPheno includes 9057 experimentally supported associations between 474 piRNAs and 204 diseases through a manual curation of publications. To prioritize the piRNA-disease associations, each association in piRPheno is assigned with a confidence score and clinical correlations based on the experimentally supported evidences. piRPheno is freely available with user-friendly interface and novel applications to enable easy exploration and analysis of the human disease related piRNAs.

Abstract Tumoroids, also known as cancer organoids, are patient-derived cancer cells grown as 3D, self-organized multicellular structures that maintain key characteristics (e.g., genotype, gene expression levels) of the tumor from which they originated. These models have emerged as valuable tools for studying tumor biology, cytotoxicity, and response of patient-derived cells to cancer therapies. However, the establishment and maintenance of tumoroids has historically been challenging, labor intensive, and highly variable from lab to lab, hindering their widespread use. Here, we characterize the establishment and/or expansion of colorectal, lung, head and neck, breast, pancreas, and endometrial tumoroids using the standardized, serum-free Gibco OncoPro Tumoroid Culture Medium. Newly derived tumoroid lines ( n =20) were analyzed by targeted genomic profiling and RNA sequencing and were representative of tumor tissue samples. Tumoroid lines were stable for over 250 days in culture and freeze-thaw competent. Previously established tumoroid lines were also transitioned to OncoPro medium and exhibited, on average, similar growth rates and conserved donor-specific characteristics when compared to original media systems. Additionally, OncoPro medium was compatible with both embedded culture in extracellular matrix and growth in a suspension format for facile culture and scale up. An example application of these models for assessing the cytotoxicity of a natural killer cell line and primary natural killer cells over time and at various doses demonstrated the compatibility of these models with assays used in compound and cell therapy development. We anticipate that the standardization and versatility of this approach will have important benefits for basic cancer research, drug discovery, and personalized medicine and help make tumoroid models more accessible to the cancer research community.