A critical component in the interpretation of systems-level studies is the inference of enriched biological pathways and protein complexes contained within OMICs datasets. Successful analysis requires the integration of a broad set of current biological databases and the application of a robust analytical pipeline to produce readily interpretable results. Metascape is a web-based portal designed to provide a comprehensive gene list annotation and analysis resource for experimental biologists. In terms of design features, Metascape combines functional enrichment, interactome analysis, gene annotation, and membership search to leverage over 40 independent knowledgebases within one integrated portal. Additionally, it facilitates comparative analyses of datasets across multiple independent and orthogonal experiments. Metascape provides a significantly simplified user experience through a one-click Express Analysis interface to generate interpretable outputs. Taken together, Metascape is an effective and efficient tool for experimental biologists to comprehensively analyze and interpret OMICs-based studies in the big data era. With the increasing obtainability of multi-OMICs data comes the need for easy to use data analysis tools. Here, the authors introduce Metascape, a biologist-oriented portal that provides a gene list annotation, enrichment and interactome resource and enables integrated analysis of multi-OMICs datasets.

To investigate the role of post-transcriptional controls in the regulation of protein expression for the malaria parasite, Plasmodium falciparum , we have compared mRNA transcript and protein abundance levels for seven different stages of the parasite life cycle. A moderately high positive relationship between mRNA and protein abundance was observed for these stages; the most common discrepancy was a delay between mRNA and protein accumulation. Potentially post-transcriptionally regulated genes are identified, and families of functionally related genes were observed to share similar patterns of mRNA and protein accumulation.

The growing resistance to current first-line antimalarial drugs represents a major health challenge. To facilitate the discovery of new antimalarials, we have implemented an efficient and robust high-throughput cell-based screen (1,536-well format) based on proliferation of Plasmodium falciparum (Pf) in erythrocytes. From a screen of ≈1.7 million compounds, we identified a diverse collection of ≈6,000 small molecules comprised of >530 distinct scaffolds, all of which show potent antimalarial activity (<1.25 μM). Most known antimalarials were identified in this screen, thus validating our approach. In addition, we identified many novel chemical scaffolds, which likely act through both known and novel pathways. We further show that in some cases the mechanism of action of these antimalarials can be determined by in silico compound activity profiling. This method uses large datasets from unrelated cellular and biochemical screens and the guilt-by-association principle to predict which cellular pathway and/or protein target is being inhibited by select compounds. In addition, the screening method has the potential to provide the malaria community with many new starting points for the development of biological probes and drugs with novel antiparasitic activities.

The sexual stages of malarial parasites are essential for the mosquito transmission of the disease and therefore are the focus of transmission-blocking drug and vaccine development. In order to better understand genes important to the sexual development process, the transcriptomes of high-purity stage I-V Plasmodium falciparum gametocytes were comprehensively profiled using a full-genome high-density oligonucleotide microarray. The interpretation of this transcriptional data was aided by applying a novel knowledge-based data-mining algorithm termed ontology-based pattern identification (OPI) using current information regarding known sexual stage genes as a guide. This analysis resulted in the identification of a sexual development cluster containing 246 genes, of which approximately 75% were hypothetical, exhibiting highly-correlated, gametocyte-specific expression patterns. Inspection of the upstream promoter regions of these 246 genes revealed putative cis-regulatory elements for sexual development transcriptional control mechanisms. Furthermore, OPI analysis was extended using current annotations provided by the Gene Ontology Consortium to identify 380 statistically significant clusters containing genes with expression patterns characteristic of various biological processes, cellular components, and molecular functions. Collectively, these results, available as part of a web-accessible OPI database (http://carrier.gnf.org/publications/Gametocyte), shed light on the components of molecular mechanisms underlying parasite sexual development and other areas of malarial parasite biology.

Most malaria drug development focuses on parasite stages detected in red blood cells, even though, to achieve eradication, next-generation drugs active against both erythrocytic and exo-erythrocytic forms would be preferable. We applied a multifactorial approach to a set of >4000 commercially available compounds with previously demonstrated blood-stage activity (median inhibitory concentration < 1 micromolar) and identified chemical scaffolds with potent activity against both forms. From this screen, we identified an imidazolopiperazine scaffold series that was highly enriched among compounds active against Plasmodium liver stages. The orally bioavailable lead imidazolopiperazine confers complete causal prophylactic protection (15 milligrams/kilogram) in rodent models of malaria and shows potent in vivo blood-stage therapeutic activity. The open-source chemical tools resulting from our effort provide starting points for future drug discovery programs, as well as opportunities for researchers to investigate the biology of exo-erythrocytic forms.

Dissecting Plasmodium drug resistance Malaria is a deadly disease with no effective vaccine. Physicians thus depend on antimalarial drugs to save lives, but such compounds are often rendered ineffective when parasites evolve resistance. Cowell et al. systematically studied patterns of Plasmodium falciparum genome evolution by analyzing the sequences of clones that were resistant to diverse antimalarial compounds across the P. falciparum life cycle (see the Perspective by Carlton). The findings identify hitherto unrecognized drug targets and drug-resistance genes, as well as additional alleles in known drug-resistance genes. Science , this issue p. 191 ; see also p. 159

Abstract Motivation The advent of AlphaFold and other protein Artificial Intelligence (AI) models has transformed protein design, necessitating efficient handling of large-scale data and complex workflows. Using existing programming packages that predate recent AI advancements often leads to inefficiencies in human coding and slow code execution. To address this gap, we developed the Afpdb package. Results Afpdb, built on AlphaFold’s NumPy architecture, offers a high-performance core. It uses RFDiffusion's contig syntax to streamline residue and atom selection, making coding simpler and more readable. Integrating PyMOL’s visualization capabilities, Afpdb allows automatic visual quality control. With over 180 methods commonly used in protein AI design, which are otherwise hard to find, Afpdb enhances productivity in structural biology by supporting the development of concise, high-performance code. Availability Code and documentation are available on GitHub (https://github.com/data2code/afpdb) and PyPI (https://pypi.org/project/afpdb). An interactive tutorial is accessible through Google Colab. Supplementary information Supplementary data are available at Bioinformatics online.