Abstract To meet the growing demands from scientists to effectively extract deep insights from single cell RNA sequencing, spatial transcriptomics, and emerging multiome datasets, we developed cellxgene VIP (Visualization In Plugin), a frontend interactive visualization plugin of cellxgene framework, which greatly expanded capabilities of the base tool in the following aspects. First, it generates a comprehensive set of over eighteen commonly used quality control and analytical plots in high resolution with highly customizable settings in real time. Second, it provides more advanced analytical functions to gain insights on cellular compositions and deep biology, such as marker gene identification, differential gene expression analysis, and gene set enrichment analysis. Third, it empowers advanced users to perform analysis in a Jupyter Notebook like environment, dubbed Command Line Interface (CLI) by programming in Python and/or R directly without limiting themselves to functional modules available via graphical user interface (GUI). Finally, it pioneers methods to visualize multi-modal data, such as spatial transcriptomics embedding aligned with histological image on one slice or multiple slices in a grid format, and the latest 10x Genomic Multiome dataset where both DNA accessibility and gene expression in the same cells are measured, under the same framework in an integrative way to fully leverage the functionalities mentioned above. Taken together, the open-source tool makes large scale single cell data visualization and analysis more accessible to biologists in a user-friendly manner and fosters computational reproducibility by simplifying data and code reuse through the CLI. Going forward, it has the potential to become a crowdsourcing ecosystem for the scientific community to contribute even more modules to the Swiss Army knife of single cell data exploration tools.

Chinese hamster ovary (CHO) cell lines are widely used in industry for biological drug production. During cell culture development, considerable effort is invested to understand the factors that greatly impact cell growth, specific productivity and product qualities of the biotherapeutics. High-throughput omics approaches have been increasingly utilized to reveal cellular mechanisms associated with cell line phenotypes and guide process optimization, comprehensive omics data analysis and management have been a challenge. Here we developed CHOmics, a web-based tool for integrative analysis of CHO cell line omics data that provides an interactive visualization of omics analysis outputs and efficient data management. CHOmics has a built-in comprehensive pipeline for RNA sequencing data processing and multilayer statistical modules to explore relevant genes or pathways. Moreover, advanced functionalities were provided to enable users to customize their analysis and visualize the output systematically and interactively. The tool was also designed with the flexibility to allow other omics data input and thereby enabling multi-omics comparison and visualization at both gene and pathway levels. Collectively, CHOmics is an integrative platform for data analysis, visualization and management with expectations to promote the broader use of omics in CHO cell research. The open-source tool is freely available at .

Sequencing of transcribed RNA molecules (RNA-seq) has been used wildly for studying cell transcriptomes in bulk or at the single-cell level and is becoming the de facto technology for investigating gene expression level changes in various biological conditions, on the time course, and under drug treatments. Furthermore, RNA-Seq data helped identify fusion genes that are related to certain cancers. Differential gene expression before and after drug treatments provides insights to mechanism of action, pharmacodynamics of the drugs, and safety concerns. Because each RNA-seq run generates tens to hundreds of millions of short reads with size ranging from 50bp-200bp, a tool that deciphers these short reads to an integrated and digestible analysis report is in high demand. QuickRNASeq is an application for large-scale RNA-seq data analysis and real-time interactive visualization of complex data sets. This application automates the use of several of the best open-source tools to efficiently generate user-friendly, easy to share, and ready to publish reports. The visualization features of the application have been further improved since its first publication in early 2016. The original QuickRNASeq publication provided details of background, software selection, and implementation. Here, we outline the steps required to implement QuickRNASeq in user own environment, as well as demonstrate some basic yet powerful utilities of the advanced interactive visualization modules in the report.

CanvasXpress was developed as the core visualization component for bioinformatics and systems biology analysis at Bristol-Myers Squibb and further enhanced by scientists around the world and served as key visualization engine for many popular bioinformatics tools. It supports a large number of visualizations as shown at http://canvasxpress.org to display mainly scientific and genomics data that includes sophisticated plots such as oncoprint of cancer mutations, heatmap, 3D scatter, violin, spider, and profile plot as illustrated in Figure 1 that is arranged together by the accompanying html based tool, canvasDesigner (https://baohongz.github.io/canvasDesigner). Recently, reproducibility and usability of the package in real world bioinformatics and clinical use cases have been improved significantly witnessed by continuous add-on features and wide adoption of the toolkit in the scientific communities. Furthermore, It is the first noteworthy package harmonizing real time interactive exploration and analysis of big data, full-fledged customization of look-n-feel, and production of multi-panel publication-ready figures in PDF format simultaneously.

Cassava, a crucial tropical crop, faces challenges from cold stress, necessitating an exploration of its molecular response. Here, we investigated the role of DNA methylation in moderating the response to moderate cold stress (10 °C) in cassava. Using whole-genome bisulfite sequencing, we examined DNA methylation patterns in leaf blades and petioles under control conditions, 5 h, and 48 h of cold stress. Tissue-specific responses were observed, with leaf blades exhibiting subtle changes, while petioles displayed a pronounced decrease in methylation levels under cold stress. We identified cold stress-induced differentially methylated regions (DMRs) that demonstrated both tissue and treatment specificity. Importantly, these DMRs were enriched in genes with altered expression, implying functional relevance. The cold-response transcription factor ERF105 associated with DMRs emerged as a significant and conserved regulator across tissues and treatments. Furthermore, we investigated DNA methylation dynamics in transposable elements, emphasizing the sensitivity of MITEs with bHLH binding motifs to cold stress. These findings provide insights into the epigenetic regulation of response to cold stress in cassava, contributing to an understanding of the molecular mechanisms underlying stress adaptation in this tropical plant.

Abstract Type 2 diabetes (T2D) and its complications can have debilitating, sometimes fatal consequences. Despite advances that address some of the metabolic aspects of T2D, for many patients these approaches do not sufficiently control the disease. As a result, an emerging therapeutic strategy is to target the pathobiological mechanisms downstream of T2D metabolic derangement that can result in organ damage, morbidity, and mortality in afflicted individuals. One such proposed mechanism involves the Protein Kinase C (PKC) family members PKCα and PKCβ, which have been linked to diabetes-induced tissue damage to organs including the kidneys. To evaluate the therapeutic potential of dual inhibition of PKCα and PKCβ in the context of T2D, we have evaluated a potent and orally bioavailable inhibitor, herein referred to as Cmpd 1, in the ZSF1 rat model of leptin-receptor deficiency, obesity-driven T2D. Therapeutic dosing of Cmpd 1 virtually halted renal function decline but did so indirectly by blunting the hyperphagia response of these animals. Beyond this clear but indirect effect, Cmpd 1 had direct and prominent effects on body weight and in liver and inguinal white adipose tissue (iWAT) when administered to ZSF1 obese rats.

Background: Cytokines are critical to human disease and are attractive therapeutic targets given their widespread influence on gene regulation and transcription. Defining the downstream regulatory mechanisms influenced by cytokines is central to defining drug and disease mechanisms. One promising strategy is to use interactions between expression quantitative trait loci (eQTLs) and cytokine levels to define target genes and mechanisms. Results: In a clinical trial for anti-IL-6 in patients with systemic lupus erythematosus we measured interferon (IFN) status, anti-IL-6 drug exposure and genome-wide gene expression at three time points (379 samples from 157 individuals). First, we show that repeat transcriptomic measurements increases the number of cis eQTLs identified compared to using a single time point by 64%. Then, after identifying 4,818 cis-eQTLs, we observed a statistically significant enrichment of in vivo eQTL interactions with IFN status (p<0.001 by permutation) and anti-IL-6 drug exposure (p<0.001). We observed 210 and 72 interactions for IFN and anti-IL-6 respectively (FDR<20%). Anti-IL-6 interactions have not yet been described while 99 of the IFN interactions are novel. Finally, we found transcription factor binding motifs interrupted by eQTL interaction SNPs, pointing to key regulatory mediators of these environmental stimuli and therefore potential therapeutic targets for autoimmune diseases. In particular, genes with IFN interactions are enriched for ISRE binding site motifs, while those with anti-IL-6 interactions are enriched for IRF4 motifs. Conclusion: This study highlights the potential to exploit clinical trial data to discover in vivo eQTL interactions with therapeutically relevant environmental variables.

Abstract Induced pluripotent stem cell (iPSC) derived cell types are increasingly employed as in vitro model systems for drug discovery. For these studies to be meaningful, it is important to understand the reproducibility of the iPSC-derived cultures and their similarity to equivalent endogenous cell types. Single-cell and single-nucleus RNA sequencing (RNA-seq) are useful to gain such understanding, but they are expensive and time consuming, while bulk RNA-seq data can be generated quicker and at lower cost. In silico cell type decomposition is an efficient, inexpensive, and convenient alternative that can leverage bulk RNA-seq to derive more fine-grained information about these cultures. We developed CellMap, a computational tool that derives cell type profiles from publicly available single-cell and single-nucleus datasets to infer cell types in bulk RNA-seq data from iPSC-derived cell lines.

ABSTRACT With advances in NGS technologies, transcriptional profiling of human tissue across many diseases is becoming more routine, leading to the generation of petabytes of data deposited in public repositories. There is a need for bench scientists with little computational expertise to be able to access and mine this data to understand disease pathology, identify robust biomarkers of disease and the effect of interventions (in vivo or in vitro). To this end we release an open source analytics and visualization platform for expression data called OmicsView, http://omicsview.org . This platform comes preloaded with 1000s of samples across many disease areas and normal tissue, including the GTEx database, all processed with a harmonized pipeline. We demonstrate the power and ease-of-use of the platform by means of a Crohn’s disease data mining exercise where we can quickly uncover disease pathology and identify strong biomarkers of disease and response to treatment.

Abstract CellDepot serves as an integrated web application to assist users in exploring single-cell RNA-seq (scRNA-seq) datasets and comparing the datasets among various studies through a user-friendly interface with advanced visualization and analytical tools. To begin with, it provides an efficient data management system that users can upload single cell datasets and query the database by multiple attributes such as species and cell types. In addition, the advanced query function incorporated in MySQL database system and its conditional filtering, allows users to quickly query and compare the expression of gene(s) across the datasets of interest. Moreover, by embedding the cellxgene VIP tool, CellDepot enables fast exploration of individual dataset in the manner of interactivity and scalability to gain more refined insights such as cell composition, gene expression profiles, and differentially expressed genes among cell types. In summary, the web portal allows large scale single cell data sharing, analysis and visualization for supporting decision-making, and encouraging scientists to contribute to the single-cell community in a tractable and collaborative way. Finally, CellDepot is released as open-source software to motivate crowd contribution, broad adoption, and local deployment for private data.