Microbial interactions shape the structure and function of microbial communities; microbial co-occurrence networks in specific environments have been widely developed to explore these complex systems, but their interconnection pattern across microbiomes in various environments at the global scale remains unexplored. Here, we have inferred an Earth microbial co-occurrence network from a communal catalog with 23,595 samples and 12,646 exact sequence variants from 14 environments in the Earth Microbiome Project dataset.This non-random scale-free Earth microbial co-occurrence network consisted of 8 taxonomy distinct modules linked with different environments, which featured environment specific microbial co-occurrence relationships. Different topological features of subnetworks inferred from datasets trimmed into uniform size indicate distinct co-occurrence patterns in the microbiomes of various environments. The high number of specialist edges highlights that environmental specific co-occurrence relationships are essential features across microbiomes. The microbiomes of various environments were clustered into two groups, which were mainly bridged by the microbiomes of plant and animal surface. Acidobacteria Gp2 and Nisaea were identified as hubs in most of subnetworks. Negative edges proportions ranged from 1.9% in the soil subnetwork to 48.9% the non-saline surface subnetwork, suggesting various environments experience distinct intensities of competition or niche differentiation. Video abstract CONCLUSION: This investigation highlights the interconnection patterns across microbiomes in various environments and emphasizes the importance of understanding co-occurrence feature of microbiomes from a network perspective.

Polymeric IgMs are secreted from plasma cells abundantly despite their structural complexity and intricate multimerization steps. To gain insights into IgM’s assembly mechanics that underwrite such high-level secretion, we characterized the biosynthetic process of a natural human IgM, SAM-6, using a heterologous HEK293(6E) cell platform that allowed the production of IgMs both in hexameric and pentameric forms in a controlled fashion. By creating a series of mutant subunits that differentially disrupt secretion, folding, and specific inter-chain disulfide bond formation, we assessed their effects on various aspects of IgM biosynthesis in 57 different subunit chain combinations, both in hexameric and pentameric formats. The mutations caused a spectrum of changes in steady-state subcellular subunit distribution, ER-associated inclusion body formation, intracellular subunit detergent solubility, covalent assembly, secreted IgM product quality, and secretion output. Some mutations produced differential effects on product quality depending on whether the mutation was introduced to hexameric IgM or pentameric IgM. Through this systematic combinatorial approach, we consolidate diverse overlapping knowledge on IgM biosynthesis for both hexamers and pentamers, while unexpectedly revealing that the loss of certain inter-chain disulfide bonds, including the one between μHC and λLC, is tolerated in polymeric IgM assembly and secretion. The findings highlight the differential roles of underlying non-covalent protein-protein interactions in hexamers and pentamers when orchestrating the initial subunit interactions and maintaining the polymeric IgM product integrity during ER quality control steps, secretory pathway trafficking, and secretion.

Abstract We report the existence of deterministic patterns in statistical plots of single-cell transcriptomic data. We develop a theory showing that the patterns are neither artifacts introduced by the measurement process nor due to underlying biological mechanisms. Rather they naturally emerge from finite sample size effects. The theory precisely predicts the patterns in data from multiplexed error-robust fluorescence in situ hybridization and five different types of single-cell sequencing platforms.

The classical three-stage model of stochastic gene expression predicts the statistics of single cell mRNA and protein number fluctuations as a function of the rates of promoter switching, transcription, translation, degradation and dilution. While this model is easily simulated, its analytical solution remains an unsolved problem. Here we modify this model to explicitly include cell-cycle dynamics and then derive an exact solution for the time-dependent joint distribution of mRNA and protein numbers. We show large differences between this model and the classical model which captures cell-cycle effects implicitly via effective first-order dilution reactions. In particular we find that the Fano factor of protein numbers calculated from a population snapshot measurement are underestimated by the classical model whereas the correlation between mRNA and protein can be either over-or underestimated, depending on the timescales of mRNA degradation and promoter switching relative to the mean cell-cycle duration time.

Plants have evolved different life-history strategies to overcome limited amounts of available resources; however, when and how divergent strategies of sexual reproduction evolved in early land plants are not well understood. As one of the notable and vital components of early terrestrial vegetation, the Zosterophyllopsida and its type genus Zosterophyllum reached maximum species diversity during the Pragian (Early Devonian; ca 410.8–407.6 million years ago). Here we describe a new species, Zosterophyllum baoyangense sp. nov., based on well-preserved specimens from the Pragian-aged Mangshan Group of Duyun, Guizhou Province, China. The new plant is characterized by its small size, K-shaped branching and tiny spikes with 5–10 sporangia. This plant is most likely r -selected, completing its whole lifespan in a short time, and such a strategy contributes to reproduction in a suitable window time. In contrast, most other species of Zosterophyllum and the zosterophyllopsids on a broader scale are larger in body size and have greater investments in fertile tissues, reflected in the size and total number of sporangia. We argue that the zosterophyllopsids probably benefited from the divergence of various life-history strategies and thus constituted a major part of the Early Devonian floras.

Stochastic models of gene expression are routinely used to explain large variability in measured mRNA levels between cells. These models typically predict the distribution of the total mRNA level per cell but ignore compartment-specific measurements which are becoming increasingly common. Here we construct a two-compartment model that describes promoter switching between active and inactive states, transcription of nuclear mRNA and its export to the cytoplasm where it decays. We obtain an analytical solution for the joint distribution of nuclear and cytoplasmic mRNA levels in steady-state conditions. Based on this solution, we build an efficient and accurate parameter inference method which is orders of magnitude faster than conventional methods.

Lung cancer is a highly prevalent malignancy with poor prognosis and rapid progression. It most frequently metastasizes to the bone, where it can pose a severe threat to the patient's survival. Once metastasized, the disease is often incurable and can result in severe complications such as hypercalcemia, bone pain, fractures, spinal cord compression, and subsequent paralysis. Exosomes are bilayer vesicle nanoparticles secreted by most of the extracellular vesicles, which can be found in almost all organisms and play an essential role in intercellular communication. Through their ability to regulate related bone cells, exosomes carry bioactive molecules, including proteins, lipids, and non-coding RNAs (ncRNAs), that can be extremely important in bone remodeling. Studies have been conducted on the role play by proteins, lncRNA, and microRNA-all ncRNAs-carried by exosomes in the bone metastases of lung cancer. In this review, the latest progress of the regulatory mechanism of ncRNAs carried by exosomes in lung cancer bone metastasis has been reviewed. The clinical use of exosomes as a promising biomarker, drug transporter, and therapeutic target was highlighted to offer a novel diagnostic and treatment approach for patients with lung cancer bone metastases.