Millions of livestock animals worldwide are infected with the haematophagous barber's pole worm, Haemonchus contortus, the aetiological agent of haemonchosis. Despite the major significance of this parasite worldwide and its widespread resistance to current treatments, the lack of a high-quality genome for the well-defined strain of this parasite from Australia, called Haecon-5, has constrained research in a number of areas including host-parasite interactions, drug discovery and population genetics. To enable research in these areas, we report here a chromosome-contiguous genome (∼280 Mb) for Haecon-5 with high-quality models for 19,234 protein-coding genes. Comparative genomic analyses show significant genomic similarity (synteny) with a UK strain of H. contortus, called MHco3(ISE).N1 (abbreviated as "ISE"), but we also discover marked differences in genomic structure/gene arrangements, distribution of nucleotide variability (single nucleotide polymorphisms (SNPs) and indels) and orthology between Haecon-5 and ISE. We used the genome and extensive transcriptomic resources for Haecon-5 to predict a subset of essential single-copy genes employing a "cross-species" machine learning (ML) approach using a range of features from nucleotide/protein sequences, protein orthology, subcellular localisation, single-cell RNA-seq and/or histone methylation data available for the model organisms Caenorhabditis elegans and Drosophila melanogaster. From a set of 1,464 conserved single copy genes, transcribed in key life-cycle stages of H. contortus, we identified 232 genes whose homologs have critical functions in C. elegans and/or D. melanogaster, and prioritised 10 of them for further characterisation; nine of the 10 genes likely play roles in neurophysiological processes, germline, hypodermis and/or respiration, and one is an unknown (orphan) gene for which no detailed functional information exists. Future studies of these genes/gene products are warranted to elucidate their roles in parasite biology, host-parasite interplay and/or disease. Clearly, the present Haecon-5 reference genome and associated resources now underpin a broad range of fundamental investigations of H. contortus and could assist in accelerating the discovery of novel intervention targets and drug candidates to combat haemonchosis.

Over the years, comprehensive explorations of the model organisms Caenorhabditis elegans (elegant worm) and Drosophila melanogaster (vinegar fly) have contributed substantially to our understanding of complex biological processes and pathways in multicellular organisms generally. Extensive functional genomic–phenomic, genomic, transcriptomic, and proteomic data sets have enabled the discovery and characterisation of genes that are crucial for life, called ‘essential genes’. Recently, we investigated the feasibility of inferring essential genes from such data sets using advanced bioinformatics and showed that a machine learning (ML)-based workflow could be used to extract or engineer features from DNA, RNA, protein, and/or cellular data/information to underpin the reliable prediction of essential genes both within and between C. elegans and D. melanogaster. As these are two distantly related species within the Ecdysozoa, we proposed that this ML approach would be particularly well suited for species that are within the same phylum or evolutionary clade. In the present study, we cross-predicted essential genes within the phylum Nematoda (evolutionary clade V)—between C. elegans and the pathogenic parasitic nematode H. contortus—and then ranked and prioritised H. contortus proteins encoded by these genes as intervention (e.g., drug) target candidates. Using strong, validated predictors, we inferred essential genes of H. contortus that are involved predominantly in crucial biological processes/pathways including ribosome biogenesis, translation, RNA binding/processing, and signalling and which are highly transcribed in the germline, somatic gonad precursors, sex myoblasts, vulva cell precursors, various nerve cells, glia, or hypodermis. The findings indicate that this in silico workflow provides a promising avenue to identify and prioritise panels/groups of drug target candidates in parasitic nematodes for experimental validation in vitro and/or in vivo.

Detailed explorations of the model organisms

Introduction Karyotyping and chromosome microarray analysis (CMA) are the two main prenatal diagnostic techniques currently used for genetic testing. We aimed to evaluate the value of chromosomal karyotyping and CMA for different prenatal indications. Methods A total of 2084 amniocentesis samples from pregnant women who underwent prenatal diagnosis from 16 to 22 + 6 weeks of gestation between January 2021 and December 2022 were retrospectively collected. The pregnant women were classified according to different prenatal diagnostic indications and underwent CMA and karyotype analysis. Clinical data were collected, and the results of the CMA and karyotype analysis were statistically analyzed to compare the effects of the two diagnostic techniques. Results The total detection rate of abnormal chromosomes was significantly higher using CMA than karyotype analysis. The detection rate of abnormal chromosomes using CMA was significantly higher than that using karyotyping for ultrasound abnormalities, high-risk serologic screening, adverse pregnancy history, positive noninvasive prenatal test (NIPT) screening, and ultrasound abnormalities combined with adverse pregnancy history indications. Among the fetuses with inconsistent results between the two testing methods, 144 had an abnormal CMA but a normal karyotype, with the highest percentage of pregnant women with ultrasound abnormalities at 38.89% (56/144). CMA had the highest detection rate for structural abnormalities combined with soft-index abnormalities among all ultrasound abnormalities. The highest detection rate of copy number variants in the group of structural abnormalities in a single system was in the genitourinary system (3/29, 10.34%). Conclusion CMA can improve the detection rate of chromosomal abnormalities in patients with ultrasound abnormalities, high-risk serologic screening, adverse maternal history, positive NIPT screening, and ultrasound abnormalities combined with adverse maternal history and can increase the detection rate of chromosomal abnormalities in karyotypic normality by 6.91% (144/2,084), this result is higher than similar studies. However, karyotype analysis remains advantageous over CMA regarding balanced chromosomal rearrangement and detection of low-level chimeras, and the combination of the two methods is more helpful in improving the detection rate of prenatal chromosomal abnormalities.