SUMMARY Progesterone Receptor Membrane Component 1 (PGRMC1) is expressed in many cancer cells, where it is associated with detrimental patient outcomes. It contains phosphorylated tyrosines which evolutionarily preceded deuterostome gastrulation and tissue differentiation mechanisms. Here, we demonstrate that manipulating PGRMC1 phosphorylation status in MIA PaCa-2 (MP) cells imposes broad pleiotropic effects. Relative to parental cells over-expressing hemagglutinin-tagged wild-type (WT) PGRMC1-HA, cells expressing a PGRMC1-HA-S57A/S181A double mutant (DM) exhibited reduced levels of proteins involved in energy metabolism and mitochondrial function, and altered glucose metabolism suggesting modulation of the Warburg effect. This was associated with increased PI3K/Akt activity, altered cell shape, actin cytoskeleton, motility, and mitochondrial properties. An S57A/Y180F/S181A triple mutant (TM) indicated the involvement of Y180 in PI3K/Akt activation. Mutation of Y180F strongly attenuated mouse xenograft tumor growth. An accompanying paper demonstrates altered metabolism, mutation incidence, and epigenetic status in these cells, indicating that PGRMC1 phosphorylation strongly influences cancer biology.

Abstract Tissue mononuclear phagocytes (MNP) are specialised in pathogen detection and antigen presentation. They are the first cells of the immune system to encounter HIV and play a key role in transmission as they deliver the virus to CD4 T cells, which are the primary HIV target cell in which the virus undergoes replication. Most studies have investigated the role that epithelial MNPs play in HIV transmission but, as mucosal trauma and inflammation are strongly associated with HIV transmission, it is also important to examine the role that sub-epithelial MNPs play. Sub-epithelial MNPs are present in a diverse array of subsets which differ in their function and the pathogens they detect. Understanding how specific subsets interact with HIV and deliver the virus to CD4 T cells is therefore of key importance to vaccine and microbicide development. In this study we have shown that, after topical application, HIV can penetrate to interact with sub-epithelial resident myeloid cells in anogenital explants and defined the full array of MNP subsets that are present in all the human anogenital and colorectal sub-epithelial tissues that HIV may encounter during sexual transmission. In doing so we have identified two subsets that preferentially take up HIV, become infected and transmit the virus to CD4 T cells; CD14 + CD1c + CD11c + monocyte-derived dendritic cells and langerin-expressing dendritic cells 2 (DC2).

Complexity of cell-type composition has created much skepticism surrounding the interpretation of brain bulk-tissue transcriptomic studies. We generated paired tissue genome-wide gene expression data and immunohistochemistry data, enabling us to assess statistical methods for modeling and estimating cellular heterogeneity in the brain. We demonstrate that several algorithms that rely on single-cell and cell-sorted data to define cell marker gene sets yield accurate relative and absolute estimates of constituent cell-type proportions.

Background: Single-cell RNA-seq (scRNA-seq) profiling has revealed remarkable variation in transcription, suggesting that expression of many genes at the single-cell level are intrinsically stochastic and noisy. Yet, on cell population level, a subset of genes traditionally referred to as housekeeping genes (HKGs) are found to be stably expressed in different cell and tissue types. It is therefore critical to question whether stably expressed genes (SEGs) can be identified on the single-cell level, and if so, how their expression stability can be assessed? We have developed a computational framework for ranking expression stability of genes in single cells. Here we evaluate the proposed framework and characterize SEGs derived from two scRNA-seq datasets that profile early human and mouse development. Results: Here, we show that gene expression stability indices derived from the early human and mouse development scRNA-seq datasets are highly reproducible and conserved across species. We demonstrate that SEGs identified from single cells based on their stability indices are considerably more stable than HKGs defined previously from cell populations across 10 diverse biological systems. Our analyses indicate that SEGs are inherently more stable at the single-cell level and their characteristics reminiscent of HKGs, suggesting their potential role in sustaining essential functions in individual cells. Conclusions: SEGs identified in this study have immediate utility both for understanding variation/stability of single-cell transcriptomes and for practical applications including scRNA-seq data normalization, the proposed framework can be applied to identify genes with stable expression in other scRNA-seq datasets.

The fact that only symptomatic therapies of small effect are available for Alzheimer's disease (AD) today highlights the need for new therapeutic targets with which to prevent a major contributor to aging-related cognitive decline. Here, we report the construction and validation of a molecular network of the aging human frontal cortex. Using RNA sequence data from 478 individuals, we first identify the role of modules of coexpressed genes, and then confirm them in independent AD datasets. Then, we prioritize influential genes in AD-related modules and test our predictions in human model systems. We functionally validate two putative regulator genes in human astrocytes: INPPL1 and PLXNB1, whose activity in AD may be related to semaphorin signalling and type II diabetes, which have both been implicated in AD. This arc of network identification followed by statistical and experimental validation provides specific new targets for therapeutic development and illustrates a network approach to a complex disease.

Autofluorescence is a long-standing problem that has hindered the analysis of images of tissues acquired by fluorescence microscopy. Current approaches to mitigate autofluorescence in tissue are lab-based and involve either chemical treatment of sections or specialized instrumentation and software to ‘unmix’ autofluorescent signals. Importantly, these approaches are pre-emptive and there are currently no methods to deal with autofluorescence in acquired fluorescence microscopy images. To address this, we developed Autofluorescence Identifier (AFid). AFid identifies autofluorescent pixels as discrete objects in multi-channel images post acquisition. These objects can then be tagged for exclusion from downstream analysis. We validated AFid using images of FFPE human colorectal tissue stained for common immune markers. Further, we demonstrate its utility for image analysis where its implementation allows the accurate measurement of HIV-Dendritic Cell interactions in a colorectal explant model of HIV transmission.Availability and implementation Contact ellis.patrick{at}sydney.edu.au

Abstract In the enduring challenge against disease, advancements in medical technology have empowered clinicians with novel diagnostic platforms. Whilst in some cases, a single test may provide a confident diagnosis, often additional tests are required. However, to strike a balance between diagnostic accuracy and cost-effectiveness, one must rigorously construct the clinical pathways. Here, we developed a framework to build multi-platform precision pathways in an automated, unbiased way, recommending the key steps a clinician would take to reach a diagnosis. We achieve this by developing a confidence score, used to simulate a clinical scenario, where at each stage, either a confident diagnosis is made, or another test is performed. Our framework provides a range of tools to interpret, visualize and compare the pathways, improving communication and enabling their evaluation on accuracy and cost, specific to different contexts. This framework will guide the development of novel diagnostic pathways for different diseases, accelerating the implementation of precision medicine into clinical practice.

Background: Given multiple studies of brain microRNA (miRNA) in relation to Alzheimer's disease (AD) with few consistent results and the heterogeneity of this disease, the objective of this study was to explore their mechanism by evaluating their relation to different elements of Alzheimer's disease pathology, confounding factors and mRNA expression data from the same subjects in the same brain region. Results: We report analyses of expression profiling of miRNA (n=700 subjects) and lincRNA (n=540 subjects) from the dorsolateral prefrontal cortex of individuals participating in two longitudinal cohort studies of aging. Evaluating well-established (miR-132, miR-129), we confirm their association with pathologic AD in our dataset, and then characterize their in disease role in terms of neuritic β-amyloid plaques and neurofibrillary tangle pathology. Additionally, we identify one new miRNA (miR-99) and four lincRNA that are associated with these traits. Many other previously reported associations of microRNA with AD are associated with the confounders quantified in our longitudinal cohort. Finally, by performing analyses integrating both miRNA and RNA sequence data from the same individuals (525 samples), we characterize the impact of AD associated miRNA on human brain expression: we show that the effects of miR-132 and miR-129-5b converge on certain genes such as EP300 and find a role for miR200 and its target genes in AD using an integrated miRNA/mRNA analysis. Conclusions: Overall, miRNAs play a modest role in human AD, but we observe robust evidence that a small number of miRNAs are responsible for specific alterations in the cortical transcriptome that are associated with AD.

Genes act as a system and not in isolation. Thus, it is important to consider coordinated changes of gene expression rather than single genes when investigating biological phenomena such as the aetiology of cancer. We have developed an approach for quantifying how changes in the association between pairs of genes may inform patient prognosis called Differential Correlation across Ranked Samples (DCARS). Modelling gene correlation across a continuous sample ranking does not require the classification of patients into 'good' or 'poor' prognosis groups and can identify differences in gene correlation across early, mid or late stages of survival outcome. When we evaluated DCARS against the typical Fisher Z-transformation test for differential correlation, as well as a typical approach testing for interaction within a linear model, on real TCGA data, DCARS significantly ranked gene pairs containing known cancer genes more highly across a number of cancers. Similar results are found with our simulation study. DCARS was applied to 13 cancers datasets in TCGA, revealing a number of distinct relationships for which survival ranking was found to be associated with a change in correlation between genes. Furthermore, we demonstrated that DCARS can be used in conjunction with network analysis techniques to extract biological meaning from multi- layered and complex data.

We assembled and analyzed genetic data of 47,351 multiple sclerosis (MS) subjects and 68,284 control subjects and establish a reference map of the genetic architecture of MS that includes 200 autosomal susceptibility variants outside the major histocompatibility complex (MHC), one chromosome X variant, and 32 independent associations within the extended MHC. We used an ensemble of methods to prioritize up to 551 potentially associated MS susceptibility genes, that implicate multiple innate and adaptive pathways distributed across the cellular components of the immune system. Using expression profiles from purified human microglia, we do find enrichment for MS genes in these brain-resident immune cells. Thus, while MS is most likely initially triggered by perturbation of peripheral immune responses the functional responses of microglia and other brain cells are also altered and may have a role in targeting an autoimmune process to the central nervous system.