Here, we present the new UCL Bioinformatics Group’s PSIPRED Protein Analysis Workbench. The Workbench unites all of our previously available analysis methods into a single web-based framework. The new web portal provides a greatly streamlined user interface with a number of new features to allow users to better explore their results. We offer a number of additional services to enable computationally scalable execution of our prediction methods; these include SOAP and XML-RPC web server access and new HADOOP packages. All software and services are available via the UCL Bioinformatics Group website at http://bioinf.cs.ucl.ac.uk/.

A major bottleneck in our understanding of the molecular underpinnings of life is the assignment of function to proteins. While molecular experiments provide the most reliable annotation of proteins, their relatively low throughput and restricted purview have led to an increasing role for computational function prediction. However, assessing methods for protein function prediction and tracking progress in the field remain challenging.We conducted the second critical assessment of functional annotation (CAFA), a timed challenge to assess computational methods that automatically assign protein function. We evaluated 126 methods from 56 research groups for their ability to predict biological functions using Gene Ontology and gene-disease associations using Human Phenotype Ontology on a set of 3681 proteins from 18 species. CAFA2 featured expanded analysis compared with CAFA1, with regards to data set size, variety, and assessment metrics. To review progress in the field, the analysis compared the best methods from CAFA1 to those of CAFA2.The top-performing methods in CAFA2 outperformed those from CAFA1. This increased accuracy can be attributed to a combination of the growing number of experimental annotations and improved methods for function prediction. The assessment also revealed that the definition of top-performing algorithms is ontology specific, that different performance metrics can be used to probe the nature of accurate predictions, and the relative diversity of predictions in the biological process and human phenotype ontologies. While there was methodological improvement between CAFA1 and CAFA2, the interpretation of results and usefulness of individual methods remain context-dependent.

Abstract Extrachromosomal DNA (ecDNA) is a major contributor to treatment resistance and poor outcome for patients with cancer 1,2 . Here we examine the diversity of ecDNA elements across cancer, revealing the associated tissue, genetic and mutational contexts. By analysing data from 14,778 patients with 39 tumour types from the 100,000 Genomes Project, we demonstrate that 17.1% of tumour samples contain ecDNA. We reveal a pattern highly indicative of tissue-context-based selection for ecDNAs, linking their genomic content to their tissue of origin. We show that not only is ecDNA a mechanism for amplification of driver oncogenes, but it also a mechanism that frequently amplifies immunomodulatory and inflammatory genes, such as those that modulate lymphocyte-mediated immunity and immune effector processes. Moreover, ecDNAs carrying immunomodulatory genes are associated with reduced tumour T cell infiltration. We identify ecDNAs bearing only enhancers, promoters and lncRNA elements, suggesting the combinatorial power of interactions between ecDNAs in trans . We also identify intrinsic and environmental mutational processes linked to ecDNA, including those linked to its formation, such as tobacco exposure, and progression, such as homologous recombination repair deficiency. Clinically, ecDNA detection was associated with tumour stage, more prevalent after targeted therapy and cytotoxic treatments, and associated with metastases and shorter overall survival. These results shed light on why ecDNA is a substantial clinical problem that can cooperatively drive tumour growth signals, alter transcriptional landscapes and suppress the immune system.