Abstract Pathologic α-synuclein (α-syn) spreads from cell-to-cell, in part, through binding to the lymphocyte-activation gene 3 (Lag3). Here we report that amyloid β precursor-like protein 1 (Aplp1) forms a complex with Lag3 that facilitates the binding, internalization, transmission, and toxicity of pathologic α-syn. Deletion of both Aplp1 and Lag3 eliminates the loss of dopaminergic neurons and the accompanying behavioral deficits induced by α-syn preformed fibrils (PFF). Anti-Lag3 prevents the internalization of α-syn PFF by disrupting the interaction of Aplp1 and Lag3, and blocks the neurodegeneration induced by α-syn PFF in vivo . The identification of Aplp1 and the interplay with Lag3 for α-syn PFF induced pathology advances our understanding of the molecular mechanism of cell-to-cell transmission of pathologic α-syn and provides additional targets for therapeutic strategies aimed at preventing neurodegeneration in Parkinson’s disease and related α-synucleinopathies. One Sentence Summary Aplp1 forms a complex with Lag3 that facilitates the binding, internalization, transmission, and toxicity of pathologic α-synuclein. Graphical Abstract Aplp1 and the Aplp1-Lag3 complex facilitates transmission of pathologic α-synuclein. Aplp1 is a receptor that drives pathologic α-syn transmission, and genetic depletion of Aplp1 can significantly reduce the α-synuclein pathogenesis. Aplp1 and Lag3 forms an Aplp1-Lag3 complex that accounts for substantial binding of pathologic α-syn to cortical neurons. Together Aplp1 and Lag3 play a major role in pathologic α-syn internalization, transmission and toxicity. Double knockout of Aplp1 and Lag3 and or a Lag3 antibody that disrupts the Aplp1 and Lag3 complex almost completely blocks α-syn PFF-induced neurodegeneration.

Abstract α-Synuclein (α-syn) fibrillar aggregates are the major component of Lewy bodies and Lewy neurites presenting as the pathology hallmark of Parkinson’s disease (PD). Studies have shown that α-syn is potential to form different conformational fibrils associated with different synucleinopathies, but whether the conformation of α-syn fibrils changes in different phases of related diseases is to be explored. Here, we amplified α-syn aggregates from the cerebrospinal fluid (CSF) of preclinical (pre-PD) and late-stage postmortem PD (post-PD) patients. Our results show that compared to the CSF of pre-PD, that of post-PD is markedly stronger in seeding in vitro α-syn aggregation, and the amplified fibrils are more potent in inducing endogenous α-syn aggregation in neurons. Cryo-electron microscopic structures further reveal that the difference between the pre-PD- and post-PD-derived fibrils lies on a minor polymorph which in the pre-PD fibrils is morphologically straight, while in the post-PD fibrils represents a single protofilament assembled by a distinctive conformation of α-syn. Our work demonstrates structural and pathological differences between pre-PD and post-PD α-syn aggregation and suggests potential alteration of α-syn fibrils during the progression of PD clinical phases. Significance Statement Increasing evidence support different conformational α-syn fibrils in patients with different α-synucleinopathies, but whether the conformation of α-syn fibrils changes in different phases of related diseases is unknown. Here, we show that α-syn fibrils amplified from the cerebrospinal fluid (CSF) of the late-stage postmortem PD (post-PD) patient are more potent in inducing endogenous α-syn aggregation in neurons than that amplified from the preclinical (pre-PD) patient. Cryo-EM structures further reveal that the post-PD fibrils contain a novel conformation that is distinct from either the pre-PD fibrils or those previously reported. Our work suggests conformational evolution of α-syn fibrils along with PD progression.

Abstract Iron dysregulation has been implicated in multiple neurodegenerative diseases, including Parkinson’s Disease (PD), Amyotrophic Lateral Sclerosis (ALS), and Multiple Sclerosis (MS). One prominent feature of affected brain regions are iron-loaded microglia, but how iron overload influences microglia physiology and disease response is poorly understood. Here we show that microglia are highly susceptible to ferroptosis, an iron-dependent form of cell death. In a tri-culture of human iPSC-derived neurons, astrocytes, and microglia, under ferroptosis-inducing conditions, microglia undergo a drastic shift in cell state, with increased ferritin levels, disrupted glutathione homeostasis, and altered cytokine signaling. Similar ferroptosis-associated signature (FAS) microglia were uncovered in PD, and the signature was also found in a large cohort of PD patient blood samples, raising the possibility that ferroptosis can be identified clinically. We performed a genome-wide CRISPR screen which revealed a novel regulator of ferroptosis, the vesicle trafficking gene SEC24B. A small molecule screen also nominated several candidates which blocked ferroptosis, some of which are already in clinical use. These data suggest that ferroptosis sits at the interface of cell death and inflammation, and inhibition of this process in microglia and other brain cells may provide new ways for treating neurodegenerative disease.

Prion diseases are caused by the conformational conversion of prion protein (PrP) from its cellular form (PrP C ) into a protease-resistant, aggregated form (PrP Sc ). 42 different familial mutations were identified in human PrP, which lead to genetic prion diseases with distinct clinical syndromes. Here we report cryo-EM structure of an amyloid fibril formed by full-length human PrP with E196K mutation, a familial Creutzfeldt-Jakob disease-related mutation. This mutation disrupts key interactions in wild-type PrP fibril and results in a rearrangement of the overall structure, forming an amyloid fibril with a conformation distinct from wild-type PrP fibril. The E196K fibril consists of two protofibrils intertwined into a left-handed helix. Each subunit forms five β-strands stabilized by a disulfide bond and an unusual hydrophilic cavity. Two pairs of amino acids (Lys194 and Glu207; Lys196 and Glu200) from opposing subunits form four salt bridges to stabilize the zigzag interface of the two protofibrils. Furthermore, the E196K fibril exhibits a significantly lower conformational stability and protease resistance activity than the wild-type fibril. Our results provide direct structural evidences of the diverse mammalian prion strains and fibril polymorphism of PrP, and highlight the importance of familial mutations in determining the different prion strains.

Abstract The same types of cells can assume diverse states with varying functionalities. Effective cell therapy can be achieved by specifically driving a desirable cell state, which requires the elucidation of key transcription factors (TFs). Here, we integrated epigenomic and transcriptomic data at the systems level to identify TFs that define different CD8 + T cell states in an unbiased manner. These TF profiles can be used for cell state programming that aims to maximize the therapeutic potential of T cells. For example, T cells can be programmed to avoid a terminal exhaustion state (Tex Term ), a dysfunctional T cell state that is often found in tumors or chronic infections. However, Tex Term exhibits high similarity with the beneficial tissue-resident memory T states (T RM ) in terms of their locations and transcription profiles. Our bioinformatic analysis predicted Zscan20 , a novel TF, to be uniquely active in Tex Term . Consistently, Zscan20 knock-out thwarted the differentiation of Tex Term in vivo , but not that of T RM . Furthermore, perturbation of Zscan20 programs T cells into an effector-like state that confers superior tumor and virus control and synergizes with immune checkpoint therapy. We also identified Jdp2 and Nfil3 as powerful Tex Term drivers. In short, our multiomics-based approach discovered novel TFs that enhance anti-tumor immunity, and enable highly effective cell state programming. One sentence summary Multiomics atlas enables the systematic identification of cell-state specifying transcription factors for therapeutic cell state programming.

ABSTRACT TAR DNA binding protein 43 kDa (TDP-43) undergoes liquid-liquid phase separation (LLPS) and forms reversible, cytoprotective nuclear bodies (NBs) in response to stress in cells. Abnormal liquid-to-solid phase transition condenses TDP-43 into irreversible pathological fibrils, which is associated with neurodegenerative disorders including amyotrophic lateral sclerosis (ALS) and frontotemporal degeneration (FTD). However, the mechanisms how cells maintain the dynamics of TDP-43 NBs in stressed conditions are not well understood. Here, we show that the molecular chaperon heat shock protein 70 (Hsp70) is recruited into TDP-43 NBs in stressed cells. It co-phase separates with TDP-43 and delays the maturation of TDP-43 droplets in vitro . In cells, downregulation of Hsp70 not only diminishes the formation but also reduces the dynamics of TDP-43 NBs especially during prolonged stress, which potentiates the cytotoxicity of TDP-43. Using NMR, we reveal that Hsp70 binds to the highly aggregation-prone, transient α-helix of TDP-43 via its nucleotide-binding domain, which keeps TDP-43 in the highly dynamic, liquid-like phase and prevents pathological aggregation of TDP-43 both in vitro and in cells. Collectively, our findings demonstrate a crucial role of Hsp70 in chaperoning TDP-43 in the liquid-like phase, which provides a novel layer of the molecular mechanism how chaperons help proteins to remain functional and protect cells from stressed and/or diseased conditions.

Abstract In the recent issue of Nature Communications (2023 Nov 30;14(1):7908), Xue et. al. reported a very interesting and significant discovery of a possible DCAF11 ligand chemotype that could be used as the “warhead” to design bifunctional compounds for targeted degradation via engaging the E3 ligase DCAF11 1 (annotated as ref 1 hereafter). The discovery is of importance to the targeted protein degradation field and was inspired by previous reports suggesting that similar compounds may also engage the autophagosome protein LC3 for degradation and function as autophagy-tethering compounds (ATTECs) 2, 3, 4, 5, 6, 7 , which seem to be inconsistent with ref 1. We think that the conclusions based on these data are not necessarily mutually exclusive. After performing additional experiments and analyses, we would like to discuss some possibilities explaining such discrepancies and make a few points of clarification.

It is projected that 10 million deaths could be attributed to drug-resistant bacteria infections in 2050. To address this concern, identifying new-generation antibiotics is an effective way. Antimicrobial peptides (AMPs), a class of innate immune effectors, have received significant attention for their capacity to eliminate drug-resistant pathogens, including viruses, bacteria, and fungi. Recent years have witnessed widespread applications of computational methods especially machine learning (ML) and deep learning (DL) for discovering AMPs. However, existing methods only use features including compositional, physiochemical, and structural properties of peptides, which cannot fully capture sequence information from AMPs. Here, we present SAMP, an ensemble random projection (RP) based computational model that leverages a new type of features called Proportionalized Split Amino Acid Composition (PSAAC) in addition to conventional sequence-based features for AMP prediction. With this new feature set, SAMP captures the residue patterns like sorting signals at around both the N-terminus and the C-terminus, while also retaining the sequence order information from the middle peptide fragments. Benchmarking tests on different balanced and imbalanced datasets demonstrate that SAMP consistently outperforms existing state-of-the-art methods, such as iAMPpred and AMPScanner V2, in terms of accuracy, MCC, G-measure and F1-score. In addition, by leveraging an ensemble RP architecture, SAMP is scalable to processing large-scale AMP identification with further performance improvement, compared to those models without RP. To facilitate the use of SAMP, we have developed a Python package freely available at https://github.com/wan-mlab/SAMP.

We aim to develop a solution for rare disease concept normalization based on fine-tuning LLaMA 2, an open-source large language model (LLM), using a domain-specific corpus.We fine-tuned four LLaMA2 models, each comprising seven billion parameters, using sentences incorporating clinical concepts from the HPO and OMIM vocabularies. The fine-tuning was conducted on four NVIDIA A100 GPUs.All models proved resilient to newly prompt-engineered sentences not used in the fine-tuning, achieved nearly perfect accuracies when prompted with original training data, and exhibit some robustness to typos. We tested each model on concepts they had not been trained on. The non-synonym HPO model fine-tuned without synonyms achieved 25.2% accuracy, while the synonym HPO model, fine-tuned with half the synonyms, achieved 85.6% accuracy. When tested against concept synonyms from SNOMED-CT, the non-synonym model achieved an accuracy of 33.9% while the synonym model improved to 57.4%. Synonyms proved challenging to both non-synonym and synonym OMIM models. ChatGPT 3.5 correctly identified HPO IDs for four out of 20 prompts.Our increasingly fine-tuned models demonstrated growing robustness to challenges such as misspellings, synonyms, and concepts from other ontologies. Incorrect outputs stem from tokens in the input that the models have never encountered, such as parenthesis. Many synonyms do not share the same semantic meaning and often include abbreviations.Our fine-tuned LLaMA 2 models provide the capability to identify variations in medical concepts from clinical narratives while successfully normalizing them to a standard concept.

Abstract Genomic identification of driver mutations and genes in cancer cells are critical for precision medicine. Due to difficulty in modeling distribution of background mutations, existing statistical methods are often underpowered to discriminate driver genes from passenger genes. Here we propose a novel statistical approach, weighted iterative zero-truncated negative-binomial regression (WITER), to detect cancer-driver genes showing an excess of somatic mutations. By solving the problem of inaccurately modeling background mutations, this approach works even in small or moderate samples. Compared to alternative methods, it detected more significant and cancer-consensus genes in all tested cancers. Applying this approach, we estimated 178 driver genes in 26 different cancers types. In silico validation confirmed 90.5% of predicted genes as likely known drivers and 7 genes unique for individual cancers as likely new drivers. The technical advances of WITER enable the detection of driver genes in TCGA datasets as small as 30 subjects, rescuing more genes missed by alternative tools.