Using next-generation sequencing technology alone, we have successfully generated and assembled a draft sequence of the giant panda genome. The assembled contigs (2.25 gigabases (Gb)) cover approximately 94% of the whole genome, and the remaining gaps (0.05 Gb) seem to contain carnivore-specific repeats and tandem repeats. Comparisons with the dog and human showed that the panda genome has a lower divergence rate. The assessment of panda genes potentially underlying some of its unique traits indicated that its bamboo diet might be more dependent on its gut microbiome than its own genetic composition. We also identified more than 2.7 million heterozygous single nucleotide polymorphisms in the diploid genome. Our data and analyses provide a foundation for promoting mammalian genetic research, and demonstrate the feasibility for using next-generation sequencing technologies for accurate, cost-effective and rapid de novo assembly of large eukaryotic genomes. The genome of the giant panda — specifically of the female Beijing Olympics mascot Jingjing — has been determined using short-read sequencing technology, a first for such a complex genome. It consists of some 2.4 billion DNA base pairs, compared to 3 billion in humans, and contains around 21,000 protein-encoding genes, similar to the human genome. Genomic diversity reflected in the sequence is high, raising hopes that despite a population of only about 2,500, conservation efforts can keep the species from extinction. Intriguingly, the panda appears to have all the genes needed for a carnivorous digestive system but lacks digestive cellulase genes. It may therefore depend on its gut microbiome to handle its famously limited bamboo diet. Taste may be a diet-limiting factor: loss of function of the T1R1 gene means that pandas may not experience the umami taste associated with high-protein foods. Technical aspects of this work pave the way for the use of next-generation sequencing for rapid de novo assembly of large eukaryotic genomes. Here, a draft sequence of the giant panda genome is assembled using next-generation sequencing technology alone. Genome analysis reveals a low divergence rate in comparison with dog and human genomes and insights into panda-specific traits; for example, the giant panda's bamboo diet may be more dependent on its gut microbiome than its own genetic composition.

In this article we present a survey of transport protocols for wireless sensor networks (WSNs). We first highlight several unique aspects of WSNs, and describe the basic design criteria and challenges of transport protocols, including energy-efficiency, quality of service, reliability, and congestion control. We then provide a summary and comparison of existing transport protocols for WSNs. Finally, we discuss several open research problems.

Diverse forms of unwanted signal variations in mass spectrometry-based metabolomics data adversely affect the accuracies of metabolic profiling. A variety of normalization methods have been developed for addressing this problem. However, their performances vary greatly and depend heavily on the nature of the studied data. Moreover, given the complexity of the actual data, it is not feasible to assess the performance of methods by single criterion. We therefore developed NOREVA to enable performance evaluation of various normalization methods from multiple perspectives. NOREVA integrated five well-established criteria (each with a distinct underlying theory) to ensure more comprehensive evaluation than any single criterion. It provided the most complete set of the available normalization methods, with unique features of removing overall unwanted variations based on quality control metabolites and allowing quality control samples based correction sequentially followed by data normalization. The originality of NOREVA and the reliability of its algorithms were extensively validated by case studies on five benchmark datasets. In sum, NOREVA is distinguished for its capability of identifying the well performed normalization method by taking multiple criteria into consideration and can be an indispensable complement to other available tools. NOREVA can be freely accessed at http://server.idrb.cqu.edu.cn/noreva/.

The cynomolgus and Chinese rhesus macaques are used as animal models in biomedical research. Yan et al. sequence their genomes and compare the sequences to that of the Indian rhesus macaque, providing a genetic foundation for interpreting research results. The nonhuman primates most commonly used in medical research are from the genus Macaca1. To better understand the genetic differences between these animal models, we present high-quality draft genome sequences from two macaque species, the cynomolgus/crab-eating macaque and the Chinese rhesus macaque. Comparison with the previously sequenced Indian rhesus macaque reveals that all three macaques maintain abundant genetic heterogeneity, including millions of single-nucleotide substitutions and many insertions, deletions and gross chromosomal rearrangements. By assessing genetic regions with reduced variability, we identify genes in each macaque species that may have experienced positive selection. Genetic divergence patterns suggest that the cynomolgus macaque genome has been shaped by introgression after hybridization with the Chinese rhesus macaque. Macaque genes display a high degree of sequence similarity with human disease gene orthologs and drug targets. However, we identify several putatively dysfunctional genetic differences between the three macaque species, which may explain functional differences between them previously observed in clinical studies.

Abstract The tumor margin as the invasive front has been proven to be closely related to the progression and metastasis of oral squamous cell carcinoma (OSCC). However, how tumor cells in the marginal region obtain the extra energy needed for tumor progression is still unknown. Here, we used spatial metabolomics and the spatial transcriptome to identify enhanced energy metabolism in the tumor margin of OSCC and identified that the downregulation of Ras-related glycolysis inhibitor and calcium channel regulator (RRAD) in tumor cells mediated this process. The absence of RRAD enhanced the ingestion of glucose and malignant behaviors of tumor cells both in vivo and in vitro. Mechanically, the downregulation of RRAD promoted the internal flow of Ca 2+ and elevated its concentration in the nucleus, which resulted in the activation of the CAMKIV-CREB1 axis to induce the transcription of the glucose transporter GLUT3. GLUT inhibitor-1, as an inhibitor of GLUT3, could suppress this vigorous energy metabolism and malignant behaviors caused by the downregulation of RRAD. Taken together, our study revealed that enhanced energy metabolism in the tumor margin mediated by RRAD promotes the progression of OSCC and proved that GLUT3 is a potential target for future treatment of OSCC.

Abstract Background Single-cell RNA sequencing (scRNA-seq) and spatially resolved transcriptomics (SRT) have led to groundbreaking advancements in life sciences. To develop bioinformatics tools for scRNA-seq and SRT data and perform unbiased benchmarks, data simulation has been widely adopted by providing explicit ground truth and generating customized datasets. However, the performance of simulation methods under multiple scenarios has not been comprehensively assessed, making it challenging to choose suitable methods without practical guidelines. Results We systematically evaluated 49 simulation methods developed for scRNA-seq and/or SRT data in terms of accuracy, functionality, scalability, and usability using 152 reference datasets derived from 24 platforms. SRTsim, scDesign3, ZINB-WaVE, and scDesign2 have the best accuracy performance across various platforms. Unexpectedly, some methods tailored to scRNA-seq data have potential compatibility for simulating SRT data. Lun, SPARSim, and scDesign3-tree outperform other methods under corresponding simulation scenarios. Phenopath, Lun, Simple, and MFA yield high scalability scores but they cannot generate realistic simulated data. Users should consider the trade-offs between method accuracy and scalability (or functionality) when making decisions. Additionally, execution errors are mainly caused by failed parameter estimations and appearance of missing or infinite values in calculations. We provide practical guidelines for method selection, a standard pipeline Simpipe ( https://github.com/duohongrui/simpipe ; https://doi.org/10.5281/zenodo.11178409 ), and an online tool Simsite ( https://www.ciblab.net/software/simshiny/ ) for data simulation. Conclusions No method performs best on all criteria, thus a good-yet-not-the-best method is recommended if it solves problems effectively and reasonably. Our comprehensive work provides crucial insights for developers on modeling gene expression data and fosters the simulation process for users.

Abstract Genetic alterations in immune-related pathways are common hallmarks of cancer. However, to realize the full potential of immunotherapy, a comprehensive understanding of immune networks and how mutations impact network structure and functional output across cancer types is instrumental. Herein we systematically interrogated somatic mutations that could express neoantigens and alter immune responses in cancer patients compared to wild-type controls. To do so, we developed a network-based immunogenomics model (NIPPER) with scoring systems to prioritize critical genes and mutations eliciting differential HLA binding affinity and alternate responses to immunotherapy. These mutations are enriched in essential protein domains and often alter tumor infiltration by immune cells, affecting T cell receptor repertoire and B cell clonal expansion. Furthermore, we devised an interactome network propagation framework integrated with drug associated gene signatures to identify potential immunomodulatory drug candidates. Together, our systems-level analysis results help interpret the heterogeneous immune responses among patients, and serve as a resource for future functional studies and targeted therapeutics. Significance Cancer cells induce specific immune-related pathway perturbations by mutations, transcriptional dysregulation, and integration of multi-omics data can help identify critical molecular determinants for effective targeted therapeutics.

Hospital environment is paid great attention to due to its potential threat in transmission of pathogens and antibiotic resistances. This study was designed to evaluate the alteration of gut microbiome in medical workers compared to non-medical controls.175 healthy medical workers (1-3 months short-term workers, n = 80; >1 year long-term workers, n = 95) and 80 healthy normal controls.Fecal samples of all subjects were analyzed using the 16S rRNA gene sequencing. Medical workers exhibited remarkable deviation in gut microbial within-sample diversity and enterotypes stratification, and shift in overall microbial structure. Short-term workers were significantly more abundant in taxa including Lactobacillus, Butyrivibrio, Clostridiaceae\_Clostridium, Ruminococcus, Dialister, Bifidobacterium, Odoribacter and Desulfovibrio, and with lower abundances of Bacteroides and Blautia compared with the controls. While long-term workers were enriched in taxa including Dialister, Veillonella, Clostridiaceae\_Clostridium, Bilophila, Desulfovibrio, Pseudomonas and Akkermansia, with lower abundances of Bacteroides and Coprococcus compared with the controls. In addition, medical worker's working years (short-term vs. long-term), hospital department (resident doctor vs. nursing staff) and work position (ICU vs. not-ICU) revealed considerable effects on their gut microbiome. Moreover, by analyzing the environmental samples (n = 9) around the inpatient wards and the hospital, we showed that the gut microbiota of medical workers was closer to environmental microbiota than that of the normal controls, probably in correlation to lasting exposure to the pathogenic taxa (e.g. Pseudomonas) in health workers.Our findings demonstrated structural changes in the gut microbial community of the medical workers.

This study was aimed to investigate the mutations in colorectal cancer (CRC) for recurrent neoantigen identification. A total of 1,779 samples with whole exome sequencing (WES) data were obtained from 7 published CRC cohorts. Common HLA genotypes were used to predict the probability of neoantigens at high frequency mutants in the dataset. Based on the WES data, we not only obtained the most comprehensive CRC mutation landscape so far, but also found 1550 mutation sites which could be identified in at least 5 or more patients, including KRAS G12D (8%), KRAS G12V (5.8%), PIK3CA E545K (3.5%), PIK3CA H1047R (2.5%) and BMPR2 N583Tfs*44 (2.8%). These mutations can also be recognized by multiple common HLA molecules as potential 'public' neoantigens. Many of these mutations also have high mutation rates in metastatic pan-cancers, suggesting their value as therapeutic targets in different cancer types. Overall, our analysis provides recurrent neoantigens as potential cancer immunotherapy targets.

Abstract The sterility testing methods described in pharmacopoeias require an incubation period of 14 days to obtain analysis results. An alternative method that can significantly shorten the detection time and improve the accuracy is in urgent need to meet the sterility testing requirements of regenerative medicine products with a short shelf life. In this study, we developed the next-generation sequencing-based sterility test (NGSST) based on sequencing and multiple displacement amplification. The NGSST can be finished within 48 hours with five steps including whole genome amplification, sequencing, alignment, sterility testing report, and microorganism identification. We use RPKM ratio to minorize the influence of environmental bacteria and determine its cutoff based AUC curve. The NGSST showed high sensitivity in reporting contaminates at 0.1 CFU in supernatant of biological product or 1 CFU in cell suspension. Furthermore, we identified microorganisms in 5 primary umbilical cord mesenchymal stem cell samples that were tested positive by BacT/ALERTR 3D. Overall, the NGSST can serve as a promising alternative for sterility testing of biological products.