Abstract Long-read sequencing is promising for the comprehensive discovery of structural variations (SVs). However, it is still non-trivial to achieve high yields and performance simultaneously due to the complex SV signatures implied by noisy long reads. We propose cuteSV, a sensitive, fast, and scalable long-read-based SV detection approach. cuteSV uses tailored methods to collect the signatures of various types of SVs and employs a clustering-and-refinement method to implement sensitive SV detection. Benchmarks on simulated and real long-read sequencing datasets demonstrate that cuteSV has higher yields and scaling performance than state-of-the-art tools. cuteSV is available at https://github.com/tjiangHIT/cuteSV .

Ginseng, an important medicinal plant, is characterized by its main active component, ginsenosides. Among more than 40 ginsenosides, Rg1 is one of the ginsenosides used for measuring the quality of ginseng. Therefore, the identification and characterization of genes for Rg1 biosynthesis are important to elucidate the molecular basis of Rg1 biosynthesis. In this study, we utilized 39,327 SNPs and the corresponding Rg1 content from 344 core ginseng cultivars from Jilin Province. We conducted a genome-wide association study (GWAS) combining weighted gene co-expression network analysis (WGCNA), SNP-Rg1 content association analysis, and gene co-expression network analysis; three candidate Rg1 genes (PgRg1-1, PgRg1-2, and PgRg1-3) and one crucial candidate gene (PgRg1-3) were identified. Functional validation of PgRg1-3 was performed using methyl jasmonate (MeJA) regulation and RNAi, confirming that this gene regulates Rg1 biosynthesis. The spatial–temporal expression patterns of the PgRg1-3 gene and known key enzyme genes involved in ginsenoside biosynthesis differ. Furthermore, variations in their networks have a significant impact on Rg1 biosynthesis. This study established an accurate and efficient method for identifying candidate genes, cloned a novel gene controlling Rg1 biosynthesis, and identified 73 SNPs significantly associated with Rg1 content. This provides genetic resources and effective tools for further exploring the molecular mechanisms of Rg1 biosynthesis and molecular breeding.

This review introduces the potential of type I CRISPR-Cas systems in actinomycetes for genome editing and discusses how to establish and develop genome editing tools based on type I CRISPR-Cas systems in actinomycetes.

Long-read sequencing enables the comprehensive discovery of structural variations (SVs). However, it is still non-trivial to achieve high sensitivity and performance simultaneously due to the complex SV characteristics implied by noisy long reads. Therefore, we propose cuteSV, a sensitive, fast and scalable long-read-based SV detection approach. cuteSV uses tailored methods to collect the signatures of various types of SVs and employs a clustering-and-refinement method to analyze the signatures to implement sensitive SV detection. Benchmarks on real PacBio and ONT datasets demonstrate that cuteSV has better yields and scalability than state-of-the-art tools. cuteSV is available at .

Abstract Motivation Current fusion detection tools use diverse calling approaches and provide varying results, making selection of the appropriate tool challenging. Ensemble fusion calling techniques appear promising; however, current options have limited accessibility and function. Results MetaFusion is a flexible meta-calling tool that amalgamates outputs from any number of fusion callers. Individual caller results are standardized by conversion into the new file type Common Fusion Format (CFF). Calls are annotated, merged using graph clustering, filtered, and ranked to provide a final output of high confidence candidates. MetaFusion consistently achieves higher precision and recall than individual callers on real and simulated datasets, and reaches up to 100% precision, indicating that ensemble calling is imperative for high confidence results. MetaFusion uses FusionAnnotator to annotate calls with information from cancer fusion databases, and is provided with a benchmarking toolkit to calibrate new callers. Availability MetaFusion is freely available at https://github.com/ccmbioinfo/MetaFusion Contact arun.ramani@sickkids.ca Supplementary information Supplementary data are available at Bioinformatics online.

Recent advancements in high throughput sequencing analysis have enabled the characterization of cancer-driving fusions, improving our understanding of cancer development. Most fusion calling methods, however, examine either RNA or DNA information alone and are limited to a rigid definition of what constitutes a fusion. For this study we developed a pipeline that incorporates several fusion calling methods and considers both RNA and DNA to capture a more complete representation of the tumour fusion landscape. Interestingly, most of the fusions we identified were specific to RNA, with no evidence of corresponding genomic restructuring. Further, while the average total number of fusions in tumour and normal brain tissue samples is comparable, their overall fusion profiles vary significantly. Tumours have an over-representation of fusions occurring between coding genes, whereas fusions involving intergenic or non-coding regions comprised the vast majority of those in normals. Tumours were also more abundant in unique, sample-specific fusions compared to normals, though several fusions exhibited strong recurrence in the tumour type examined (diffuse intrinsic pontine glioma; DIPG) and were absent from both normal tissues and other cancers. Intriguingly, tumours also show broad up- or down-regulation of spliceosomal gene expression, which significantly correlates with fusion number (p=0.007). Our results show that RNA-specific fusions are abundant in both tumour and normal tissue and are associated with spliceosomal gene dysregulation. RNA-specific fusions should be considered as a potential mechanism that may contribute to cancer formation initiation and maintenance alongside more traditional structural events.

Light is one of the most important environmental factors affecting plant growth and development. Plants use shade avoidance and shade tolerance strategies to adjust their growth and development thus increase their success in the competition for incoming light. To investigate the mechanism of shade responses in maize (Zea mays), we examined the anatomical and transcriptional dynamics of the early shade response in seedlings of the B73 inbred line. Transcriptome analysis identified 912 differentially expressed genes, including genes involved in light signaling, auxin responses, and cell elongation pathways. Grouping transcription factor family genes and performing enrichment analysis identified multiple types of transcription factors that are differentially regulated by shade and predicted putative core genes responsible for regulating shade avoidance syndrome. For functional tests, we ectopically over-expressed ZmHB53, a type II HD-ZIP transcription factor gene significantly induced by shade, in Arabidopsis thaliana. Transgenic Arabidopsis plants overexpressing ZmHB53 exhibited narrower leaves, earlier flowering, and enhanced expression of shade-responsive genes, suggesting that ZmHB53 participates in the regulation of shade responses in maize. This study increases our understanding of the regulatory network of the shade response in maize and provides a useful resource for maize genetics and breeding.