The Biological General Repository for Interaction Datasets (BioGRID: https://thebiogrid.org) is an open access database dedicated to the curation and archival storage of protein, genetic and chemical interactions for all major model organism species and humans. As of September 2018 (build 3.4.164), BioGRID contains records for 1 598 688 biological interactions manually annotated from 55 809 publications for 71 species, as classified by an updated set of controlled vocabularies for experimental detection methods. BioGRID also houses records for >700 000 post-translational modification sites. BioGRID now captures chemical interaction data, including chemical–protein interactions for human drug targets drawn from the DrugBank database and manually curated bioactive compounds reported in the literature. A new dedicated aspect of BioGRID annotates genome-wide CRISPR/Cas9-based screens that report gene–phenotype and gene–gene relationships. An extension of the BioGRID resource called the Open Repository for CRISPR Screens (ORCS) database (https://orcs.thebiogrid.org) currently contains over 500 genome-wide screens carried out in human or mouse cell lines. All data in BioGRID is made freely available without restriction, is directly downloadable in standard formats and can be readily incorporated into existing applications via our web service platforms. BioGRID data are also freely distributed through partner model organism databases and meta-databases.

Abstract

 We used synthetic lethal high-throughput screening to interrogate 23,550 compounds for their ability to kill engineered tumorigenic cells but not their isogenic normal cell counterparts. We identified known and novel compounds with genotype-selective activity, including doxorubicin, daunorubicin, mitoxantrone, camptothecin, sangivamycin, echinomycin, bouvardin, NSC146109, and a novel compound that we named erastin. These compounds have increased activity in the presence of hTERT, the SV40 large and small T oncoproteins, the human papillomavirus type 16 (HPV) E6 and E7 oncoproteins, and oncogenic HRAS. We found that overexpressing hTERT and either E7 or LT increased expression of topoisomerase 2α and that overexpressing RAS^V12 and ST both increased expression of topoisomerase 1 and sensitized cells to a nonapoptotic cell death process initiated by erastin.

Abstract The BioGRID (Biological General Repository for Interaction Datasets, thebiogrid.org ) is an open‐access database resource that houses manually curated protein and genetic interactions from multiple species including yeast, worm, fly, mouse, and human. The ~1.93 million curated interactions in BioGRID can be used to build complex networks to facilitate biomedical discoveries, particularly as related to human health and disease. All BioGRID content is curated from primary experimental evidence in the biomedical literature, and includes both focused low‐throughput studies and large high‐throughput datasets. BioGRID also captures protein post‐translational modifications and protein or gene interactions with bioactive small molecules including many known drugs. A built‐in network visualization tool combines all annotations and allows users to generate network graphs of protein, genetic and chemical interactions. In addition to general curation across species, BioGRID undertakes themed curation projects in specific aspects of cellular regulation, for example the ubiquitin‐proteasome system, as well as specific disease areas, such as for the SARS‐CoV‐2 virus that causes COVID‐19 severe acute respiratory syndrome. A recent extension of BioGRID, named the Open Repository of CRISPR Screens (ORCS, orcs.thebiogrid.org ), captures single mutant phenotypes and genetic interactions from published high throughput genome‐wide CRISPR/Cas9‐based genetic screens. BioGRID‐ORCS contains datasets for over 1,042 CRISPR screens carried out to date in human, mouse and fly cell lines. The biomedical research community can freely access all BioGRID data through the web interface, standardized file downloads, or via model organism databases and partner meta‐databases.

Human glioblastomas harbour a subpopulation of glioblastoma stem cells that drive tumorigenesis. However, the origin of intratumoural functional heterogeneity between glioblastoma cells remains poorly understood. Here we study the clonal evolution of barcoded glioblastoma cells in an unbiased way following serial xenotransplantation to define their individual fate behaviours. Independent of an evolving mutational signature, we show that the growth of glioblastoma clones in vivo is consistent with a remarkably neutral process involving a conserved proliferative hierarchy rooted in glioblastoma stem cells. In this model, slow-cycling stem-like cells give rise to a more rapidly cycling progenitor population with extensive self-maintenance capacity, which in turn generates non-proliferative cells. We also identify rare ‘outlier’ clones that deviate from these dynamics, and further show that chemotherapy facilitates the expansion of pre-existing drug-resistant glioblastoma stem cells. Finally, we show that functionally distinct glioblastoma stem cells can be separately targeted using epigenetic compounds, suggesting new avenues for glioblastoma-targeted therapy. Using unique barcodes for tumour cells, the authors explore the dynamics of human glioblastoma subpopulations, and suggest that clonal heterogeneity emerges through stochastic fate decisions of a neutral proliferative hierarchy. Cancers are heterogeneous between patients and between tumour cells. It is still difficult to identify the subpopulations of cells that most contribute to tumour growth and those that are targeted by therapy. Xiaoyang Lan et al. now explore the dynamics of human glioblastoma (GBM) subpopulations using barcodes for tumour cells. They suggest that a proliferative hierarchy emerges through stochastic cell fate decision. In this model, slow-cycling stem cells give rise to rapidly proliferative progenitors that fuel tumour growth and which in turn generate cells that are short-lived and do not proliferate. This is in contrast to a clonal evolution model based on the different fitness of cells that are selected for. The authors also identify a rare subpopulation of GBM cells that is resistant to TMZ treatment (the common treatment for GBM) but can be targeted by drug combinations.

Background: Induction of labour is the artificial initiation of labour before its spontaneous onset for the purpose of achieving vaginal delivery of the feto-placental unit. It is a common obstetric procedure which is indicated when the benefits to mother or fetus outweigh the benefits of continuing the pregnancy. Most common indication for induction is postdated pregnancy. Methods: Longitudinal Study carried out in department of obstetrics and gynaecology, RIMS, Imphal, Manipur, conducted for duration of two calendar years, with effect from January 2021 in 168 primigravidas who had reached full term or late term pregnancy admitted in ante-natal ward of RIMS, Obstetrics and Gynaecology department. Results: Study was conducted on 168 pregnant women, most of the participants belonged to the age group of 18-34 years (77.9%). Vaginal delivery was the most common mode of delivery (64.8%). Most of the babies (72%) delivered were having birth weight of between 2.5 kg to 3.9 kg. PPH and uterine hyperstimulation are comparatively more in the late term pregnancy as compared to full term pregnancy. Meconium-stained liquor was slightly more in late term pregnancy group as compared to full term pregnancy. Babies delivered by full term pregnant women were having better APGAR score in 1 minute and 5 minutes than the babies delivered by late term pregnancy. Conclusions: Late term Pregnancy is comparatively common in low socio-economic group. The CS rate is comparatively high in Late term pregnancy as compared to Full Term Pregnancy. Poor APGAR score is highly associated with Late term Pregnancy outcome.