A simple, highly sensitive, and selective multiple microRNA (miRNA) detection method based on the graphene oxide (GO) fluorescence quenching and isothermal strand-displacement polymerase reaction (ISDPR) was proposed. The capability to discriminate ssDNA and double-stranded nucleic acid structure coupled with the extraordinary fluorescence quenching of GO on multiple organic dye allows the proposed strategy to simultaneously and selectively detect several miRNA labeled with different dyes in the same solution, while the ISDPR amplification endows the detection method with high sensitivity. The strong interaction between ssDNA and GO led to the fluorescent ssDNA probe exhibiting minimal background fluorescence. Upon the recognition of specific target miRNA, an ISDPR was triggered to produce numerous massive specific DNA-miRNA duplex helixes, and a strong emission was observed due to the weak interaction between the DNA-miRNA duplex helix and GO. A miRNA biosensor down to 2.1 fM with a linear range of 4 orders of magnitude was obtained. Furthermore, the large planar surface of GO allows simultaneous quenching of several DNA probes with different dyes and produces a multiple biosensing platform with high sensitivity and selectivity, which has promising application in profiling the pattern of miRNA expression and biomedical research.

Abstract Single-cell sequencing is frequently affected by “omission” due to limitations in sequencing throughput, yet bulk RNA-seq may contain these ostensibly “omitted” cells. Here, we introduce the single cell trajectory blending from Bulk RNA-seq (BulkTrajBlend) algorithm, a component of the OmicVerse suite that leverages a Beta-Variational AutoEncoder for data deconvolution and graph neural networks for the discovery of overlapping communities. This approach effectively interpolates and restores the continuity of “omitted” cells within single-cell RNA sequencing datasets. Furthermore, OmicVerse provides an extensive toolkit for both bulk and single cell RNA-seq analysis, offering seamless access to diverse methodologies, streamlining computational processes, fostering exquisite data visualization, and facilitating the extraction of significant biological insights to advance scientific research.

An outbreak of new SARS-like viral in Wuhan, China has been named 2019-nCoV. The current state of the epidemic is increasingly serious, and there has been the urgent necessity to develop an effective new drug. In previous studies, it was found that the conformation change in CTD1 was the region where SARS-CoV bound to human ACE2. Although there are mutations of the 2019-nCoV, the binding energy of ACE2 remains high. The surface glycoprotein of 2019-nCoV was coincident with the CTD1 region of the S-protein by comparing the I-TASSER prediction model with the actual SARS model, which suggests that 2019-nCoV may bind to the ACE2 receptor through conformational changes. Furthermore, site prediction on the surface glycoprotein of 2019-nCoV suggests some core amino acid area may be a novel drug target against 2019-nCoV.

Abstract Cellular state identification and trajectory inference enable reconstructions of cell fate dynamics from single-cell RNA sequencing. However, the identification of cell fate trajectories requires a large number of computational resources or known biological process, and lack a method to alleviate both of these deficiencies at the same time. Here, we present scLTNN, a method that automatically infers origin and end cell state from scRNA-seq data and calculates the developmental trajectory and differentiation direction of cells with only a few computational resources and time consummation. We apply scLTNN to disentangling subpopulation kinetics in CD8+ T cell, pancreatic endocrinogenesis, and the development of zebrafish embryos. scLTNN displays a strong trajectory inference ability cross-species. scLTNN features a modular design that can be flexibly extended to any scRNA-seq analysis task. The complete package is available online at https://github.com/Starlitnightly/scltnn .

Abstract Chlorogenic acid, an important active component of coffee with anti-tumor activities, has been found for many years. However, the lack of understanding about its target proteins greatly limits the exploration of its anti-tumor molecular mechanism and clinical application. Here, in vitro and animal experiments showed that chlorogenic acid had a significant inhibitory effect on the proliferation of A549 cells. Using the spontaneous fluorescence characteristic of chlorogenic acid to screen the target proteins cleverly to avoid the problem of chemical modification increasing false positive, we identify and verify annexin A2 (ANXA2) as a covalent binding target of chlorogenic acid in A549 cells. Then, we discover that chlorogenic acid as an inhibitor of the binding of ANXA2 to p50 subunit inhibited the expression of downstream anti-apoptotic genes cIAP1 and cIAP2 of NF-κB signaling pathway in A549 cells in vitro and vivo. Moreover, we find chlorogenic acid hindered the binding of ANXA2 and actin maybe involved in the impediment of tumor cell cycle and migration. Thus, this work demonstrates that chlorogenic acid, as a binding ligand of ANXA2, decrease the expression of NF-κB downstream anti-apoptotic genes, inhibiting the proliferation of A549 cells in vivo and vitro.

Abstract Retinoblastoma is a rare and aggressive form of eye cancer that arises from the retina’s photoreceptor precursor cells. Yet, the mechanism of cancer evolution in optic invasion and the identification of molecularly defined tumor-propagating cells has not been reported. Using single-cell RNA and ATAC sequencing, we uncovered a propagating cell named STER after invasion of the optic nerve. We also report on the dynamic processes of photoreceptor degeneration and optic nerve injury in the retina and identify potential regulatory elements and transcription factors involved. STER cells mediate optic nerve destruction and retinal degeneration during the proliferation and migration of retinoblastoma. Finally, we develop drug sensitivity testing algorithms for malignant clusters, providing potential therapeutic targets and drug predictions for retinoblastoma invasion.