Activation of the μ-opioid receptor (μOR) is responsible for the efficacy of the most effective analgesics. To shed light on the structural basis for μOR activation, here we report a 2.1 Å X-ray crystal structure of the murine μOR bound to the morphinan agonist BU72 and a G protein mimetic camelid antibody fragment. The BU72-stabilized changes in the μOR binding pocket are subtle and differ from those observed for agonist-bound structures of the β2-adrenergic receptor (β2AR) and the M2 muscarinic receptor. Comparison with active β2AR reveals a common rearrangement in the packing of three conserved amino acids in the core of the μOR, and molecular dynamics simulations illustrate how the ligand-binding pocket is conformationally linked to this conserved triad. Additionally, an extensive polar network between the ligand-binding pocket and the cytoplasmic domains appears to play a similar role in signal propagation for all three G-protein-coupled receptors. X-ray crystallography and molecular dynamics simulations of the μ-opioid receptor reveal the conformational changes in the extracellular and intracellular domains of this G-protein-coupled receptor that are associated with its activation. The μ-opioid receptor is a G-protein-coupled receptor (GPCR) activated by various analgesics, endogenous endorphins and drugs of abuse such as heroin and opium. Our understanding of the mechanism by which agonist binding leads to recognition, coupling, and activation of a particular G protein subtype is incomplete. In two papers in this issue of Nature, the authors used X-ray crystallography, molecular dynamics simulations, and NMR spectroscopy to probe the structural basis for receptor activation. As well as revealing the conformational changes in the extracellular and intracellular domains of this GPCR associated with receptor activation, these studies help explain why the allosteric coupling between the agonist-binding pocket and the cytoplasmic G-protein-coupling interface of this receptor is relatively weak.

G protein-coupled receptors (GPCRs) allosterically activate heterotrimeric G proteins and trigger GDP release. Given that there are ∼800 human GPCRs and 16 different Gα genes, this raises the question of whether a universal allosteric mechanism governs Gα activation. Here we show that different GPCRs interact with and activate Gα proteins through a highly conserved mechanism. Comparison of Gα with the small G protein Ras reveals how the evolution of short segments that undergo disorder-to-order transitions can decouple regions important for allosteric activation from receptor binding specificity. This might explain how the GPCR–Gα system diversified rapidly, while conserving the allosteric activation mechanism. There are ∼800 human GPCRs and 16 different Gα proteins; this study revealed the molecular details of Gα activation by GPCRs and suggests that a universal activation mechanism governs Gα activation—the details of this mechanism can explain how the GPCR–Gα system diversified rapidly, while conserving the allosteric activation mechanism. G-protein-coupled receptors (GPCRs) are membrane proteins that function as sensors for a wide range of extracellular signals. They act via heterotrimeric G proteins — guanine nucleotide-binding proteins that act as intracellular molecular switches — which they activate allosterically to trigger GDP release. There are hundreds of human GPCRs acting upon 16 different Gα proteins. In this Analysis, Madan Babu and colleagues set out to establish whether there is a universal allosteric mechanism governing Gα activation. They find that there is: different GPCRs interact with and activate Gα proteins through a highly conserved mechanism, which might explain how the GPCR–Gα system diversified rapidly while conserving its allosteric properties.

Molecular “go” signals reveal their secrets Chemokines are proteins that direct how cells move within the body. For instance, chemokines help immune cells locate invading pathogens and ensure that cells position themselves correctly within a developing organ. Cells detect chemokines through G protein–coupled receptors on their surface; however, the molecular details of how these proteins interact remain unclear (see the Perspective by Standfuss). Qin et al. solved the crystal structure of the chemokine receptor CXCR4 bound to the viral chemokine vMIP-II. Burg et al. solved the crystal structure of a viral chemokine receptor bound to the chemokine domain of CX3CL1. Given the role of chemokines in a number of diseases, these results may help in future drug design. Science , this issue p. 1117 , p. 1113 ; see also p. 1071

Dopamine receptors are implicated in the pathogenesis and treatment of nearly every neuropsychiatric disorder. Although thousands of drugs interact with these receptors, our molecular understanding of dopaminergic drug selectivity and design remains clouded. To illuminate dopamine receptor structure, function, and ligand recognition, we determined crystal structures of the D

Abstract The COVID-19 pandemic demands assimilation of all available biomedical knowledge to decode its mechanisms of pathogenicity and transmission. Despite the recent renaissance in unsupervised neural networks for decoding unstructured natural languages, a platform for the real-time synthesis of the exponentially growing biomedical literature and its comprehensive triangulation with deep omic insights is not available. Here, we present the nferX platform for dynamic inference from over 45 quadrillion possible conceptual associations extracted from unstructured biomedical text, and their triangulation with Single Cell RNA-sequencing based insights from over 25 tissues. Using this platform, we identify intersections between the pathologic manifestations of COVID-19 and the comprehensive expression profile of the SARS-CoV-2 receptor ACE2. We find that tongue keratinocytes, airway club cells, and ciliated cells are likely underappreciated targets of SARS-CoV-2 infection, in addition to type II pneumocytes and olfactory epithelial cells. We further identify mature small intestinal enterocytes as a possible hotspot of COVID-19 fecal-oral transmission, where an intriguing maturation-correlated transcriptional signature is shared between ACE2 and the other coronavirus receptors DPP4 (MERS-CoV) and ANPEP (α-coronavirus). This study demonstrates how a holistic data science platform can leverage unprecedented quantities of structured and unstructured publicly available data to accelerate the generation of impactful biological insights and hypotheses. The nferX Platform Single-cell resource - https://academia.nferx.com/

Abstract The highly contagious Delta variant of SARS-CoV-2 has emerged as the new dominant global strain, and reports of reduced effectiveness of COVID-19 vaccines against the Delta variant are highly concerning. While there has been extensive focus on understanding the amino acid mutations in the Delta variant ‘s Spike protein, the mutational landscape of the rest of the SARS-CoV-2 proteome (25 proteins) remains poorly understood. To this end, we performed a systematic analysis of mutations in all the SARS-CoV-2 proteins from nearly 2 million SARS-CoV-2 genomes from 176 countries/territories. Six highly-prevalent missense mutations in the viral life cycle-associated Membrane (I82T), Nucleocapsid (R203M, D377Y), NS3 (S26L), and NS7a (V82A, T120I) proteins are almost exclusive to the Delta variant compared to other variants of concern (mean prevalence across genomes: Delta = 99.74%, Alpha = 0.06%, Beta = 0.09%, Gamma = 0.22%). Furthermore, we find that the Delta variant harbors a more diverse repertoire of mutations across countries compared to the previously dominant Alpha variant (cosine similarity: mean Alpha = 0.94, S.D. Alpha = 0.05; mean Delta = 0.86, S.D. Delta = 0.1; Cohen ‘s d Alpha-Delta = 1.17, p-value < 0.001). Overall, our study underscores the high diversity of the Delta variant between countries and identifies a list of targetable amino acid mutations in the Delta variant ‘s proteome for probing the mechanistic basis of pathogenic features such as high viral loads, high transmissibility, and reduced susceptibility against neutralization by vaccines.

Molecular mimicry of host proteins is an evolutionary strategy adopted by viruses to evade immune surveillance and exploit host cell systems. We report that SARS-CoV-2 has evolved a unique S1/S2 cleavage site (RRARSVAS), absent in any previous coronavirus sequenced, that results in mimicry of an identical FURIN-cleavable peptide on the human epithelial sodium channel α-subunit (ENaC-α). Genetic truncation at this ENaC-α cleavage site causes aldosterone dysregulation in patients, highlighting the functional importance of the mimicked SARS-CoV-2 peptide. Single cell RNA-seq from 65 studies shows significant overlap between the expression of ENaC-α and ACE2, the putative receptor for the virus, in cell types linked to the cardiovascular-renal-pulmonary pathophysiology of COVID-19. Triangulating this cellular fingerprint with amino acid cleavage signatures of 178 human proteases shows the potential for tissue-specific proteolytic degeneracy wired into the SARS-CoV-2 lifecycle. We extrapolate that the evolution of SARS-CoV-2 into a global coronavirus pandemic may be in part due to its targeted mimicry of human ENaC and hijack of the associated host proteolytic network.

Abstract Technology to generate single cell RNA-sequencing (scRNA-seq) datasets and tools to annotate them have rapidly advanced in the past several years. Such tools generally rely on existing transcriptomic datasets or curated databases of cell type defining genes, while the application of scalable natural language processing (NLP) methods to enhance analysis workflows has not been adequately explored. Here we deployed an NLP framework to objectively quantify associations between a comprehensive set of over 20,000 human protein-coding genes and over 500 cell type terms across over 26 million biomedical documents. The resultant gene-cell type associations (GCAs) are significantly stronger between a curated set of matched cell type-marker pairs than the complementary set of mismatched pairs (Mann Whitney p < 6.15×10 −76 , r = 0.24; cohen’s D = 2.6). Building on this, we developed an augmented annotation algorithm that leverages GCAs to categorize cell clusters identified in scRNA-seq datasets, and we tested its ability to predict the cellular identity of 185 clusters in 13 datasets from human blood, pancreas, lung, liver, kidney, retina, and placenta. With the optimized settings, the true cellular identity matched the top prediction in 66% of tested clusters and was present among the top five predictions for 94% of clusters. Further, contextualization of differential expression analyses with these GCAs highlights poorly characterized markers of established cell types, such as CLIC6 and DNASE1L3 in retinal pigment epithelial cells and endothelial cells, respectively. Taken together, this study illustrates for the first time how the systematic application of a literature derived knowledge graph can expedite and enhance the annotation and interpretation of scRNA-seq data.

The hand of molecular mimicry in shaping SARS-CoV-2 evolution and immune evasion remains to be deciphered. We identify 33 distinct 8-mer/9-mer peptides that are identical between SARS-CoV-2 and human proteomes, along similar extents of viral mimicry observed in other viruses. Interestingly, 20 novel peptides have not been observed in any previous human coronavirus (HCoV) strains. Four of the total mimicked 8-mers/9-mers map onto HLA-B*40:01, HLA-B*40:02, and HLA-B*35:01 binding peptides from human PAM, ANXA7, PGD, and ALOX5AP proteins. This mimicry of multiple human proteins by SARS-CoV-2 is made salient by the targeted genes being focally expressed in arteries, lungs, esophagus, pancreas, and macrophages. Further, HLA-A*03 restricted 8-mer peptides are shared broadly by human and coronaviridae helicases with primary expression of the mimicked human proteins in the neurons and immune cells. This study presents the first comprehensive scan of peptide mimicry by SARS-CoV-2 of the human proteome and motivates follow-up research into its immunological consequences.