Small RNAs (sRNAs) associated with the RNA chaperon protein Hfq are key posttranscriptional regulators of gene expression in bacteria. Deciphering the sRNA-target interactome is an essential step toward understanding the roles of sRNAs in the cellular networks. We developed a broadly applicable methodology termed RIL-seq (RNA interaction by ligation and sequencing), which integrates experimental and computational tools for in vivo transcriptome-wide identification of interactions involving Hfq-associated sRNAs. By applying this methodology to Escherichia coli we discovered an extensive network of interactions involving RNA pairs showing sequence complementarity. We expand the ensemble of targets for known sRNAs, uncover additional Hfq-bound sRNAs encoded in various genomic regions along with their trans encoded targets, and provide insights into binding and possible cycling of RNAs on Hfq. Comparison of the sRNA interactome under various conditions has revealed changes in the sRNA repertoire as well as substantial re-wiring of the network between conditions.

Human speech is often accompanied by hand and arm gestures. We present a method for cross-modal translation from "in-the-wild" monologue speech of a single speaker to their conversational gesture motion. We train on unlabeled videos for which we only have noisy pseudo ground truth from an automatic pose detection system. Our proposed model significantly outperforms baseline methods in a quantitative comparison. To support research toward obtaining a computational understanding of the relationship between gesture and speech, we release a large video dataset of person-specific gestures.

Self-supervised learning, dubbed the dark matter of intelligence, is a promising path to advance machine learning. Yet, much like cooking, training SSL methods is a delicate art with a high barrier to entry. While many components are familiar, successfully training a SSL method involves a dizzying set of choices from the pretext tasks to training hyper-parameters. Our goal is to lower the barrier to entry into SSL research by laying the foundations and latest SSL recipes in the style of a cookbook. We hope to empower the curious researcher to navigate the terrain of methods, understand the role of the various knobs, and gain the know-how required to explore how delicious SSL can be.

Abstract Hypervirulent Klebsiella pneumoniae (hvKp) can infect healthy individuals, in contrast to classical strains that commonly cause nosocomial infections. The recent convergence of hypervirulence with carbapenem-resistance in K. pneumoniae can potentially create ‘superbugs’ that are challenging to treat. Understanding virulence regulation of hvKp is thus critical. Accumulating evidence suggest that posttranscriptional regulation by small RNAs (sRNAs) plays a role in bacterial virulence, but it has hardly been studied in K. pneumoniae. We applied RIL-seq to a prototypical clinical isolate of hvKp to unravel the Hfq-dependent RNA-RNA interaction (RRI) network. The RRI network is dominated by sRNAs, including predicted novel sRNAs, three of which we validated experimentally. We constructed a stringent subnetwork composed of RRIs that involve at least one hvKp virulence-associated gene and identified the capsule gene loci as a hub target where multiple sRNAs interact. We found that the sRNA OmrB suppressed both capsule production and hypermucoviscosity when overexpressed. Furthermore, OmrB base-pairs within kvrA coding region and partially suppresses translation of the capsule regulator KvrA. This agrees with current understanding of capsule as a major virulence and fitness factor. It emphasizes the intricate regulatory control of bacterial phenotypes by sRNAs, particularly of genes critical to bacterial physiology and virulence.