Abstract Combinatorial expression of postsynaptic proteins underlies synapse diversity within and between neuron types 1-5 . Thus, characterization of neuron-type-specific postsynaptic proteomes is key to obtaining a deeper understanding of discrete synaptic properties and how selective dysfunction manifests in synaptopathies 6-9 . To overcome the limitations associated with bulk measures of synaptic protein abundance 6,10 , we developed a biotin proximity protein tagging probe to characterize neuron-type-specific postsynaptic proteomes in vivo . We found Shank3 protein isoforms are differentially expressed by direct and indirect pathway spiny projection neurons (dSPNs and iSPNs). Studies in mice lacking Shank3 gene exons 13-16 revealed a robust postsynaptic proteome alteration in iSPNs. We report unexpected cell-type specific synaptic protein isoform expression which could play a key causal role in specifying synapse diversity and selective synapse dysfunction in synaptopathies.

Abstract Neuropsychiatric disorders (NPDs) share genetic etiology and are frequently co-morbid with epilepsy, but the biological basis of this shared risk remains poorly understood. The 16p11.2 microduplication (16p11.2 dup/+ ) is a highly pleiotropic copy number variant (CNV) conferring risk for multiple NPDs including autism spectrum disorder, schizophrenia and intellectual disability, and is associated with a high prevalence of seizures. We used a mouse model of the 16p11.2 duplication ( 16p11.2 dup/+ ) to uncover molecular and circuit properties associated with this broad phenotypic spectrum, and examined genes within the locus capable of phenotype reversal. Quantitative proteomics of cortical membranes revealed alterations to synaptic protein networks and products of diverse NPD risk genes in 16p11.2 dup/+ mice. Network analysis identified an epilepsy-associated protein subnetwork, which was dysregulated in 16p11.2 dup/+ mice and proteomic datasets from human NPDs. We investigated circuit properties in 16p11.2 dup/+ mice and found they exhibited hypersynchronous activity and enhanced network glutamate release, which increased susceptibility to seizures. We hypothesized that a regulator of the synaptic and epilepsy-associated protein network could have an important impact on pathophysiology. Human brain co-expression and interactome analysis revealed PRRT2 as a major hub in the dysregulated epilepsy subnetwork. Remarkably, restoring Prrt2 copy number to wild-type levels rescued aberrant circuit properties, seizure susceptibility and social interaction deficits in 16p11.2 dup/+ mice. We show that proteomics and network biology can identify important disease hubs in multigenic CNVs, and reveal molecular and circuit phenotypes which may be relevant to the complex symptomatology of 16p11.2 duplication carriers.

Recent work examining astrocytic physiology centers on fluorescence imaging approaches, due to development of sensitive fluorescent indicators and observation of spatiotemporally complex calcium and glutamate activity. However, the field remains hindered in fully characterizing these dynamics, both within single cells and at the population-level, because of the insufficiency of current region-of-interest-based approaches to describe activity that is often spatially unfixed, size-varying, and propagative. Here, we present a paradigm-shifting analytical framework that releases astrocyte biologists from ROI-based tools. Astrocyte Quantitative Analysis (AQuA) software enables users to take an event-based approach to accurately capture and quantify the irregular activity observed in astrocyte imaging datasets. We apply AQuA to a range of ex vivo and in vivo imaging data, and uncover previously undescribed physiological phenomena in each. Since AQuA is data-driven and based on machine learning principles, it can be applied across model organisms, fluorescent indicators, experimental modes, and imaging resolutions and speeds, enabling researchers to elucidate fundamental astrocyte physiology.

Motivation Synapses are essential to neural signal transmission. Therefore, quantification of synapses and related neurites from images is vital to gain insights into the underlying pathways of brain functionality and diseases. Despite the wide availability of synaptic punctum imaging data, several issues are impeding satisfactory quantification of these structures by current tools. First, the antibodies used for labeling synapses are not perfectly specific to synapses. These antibodies may exist in neurites or other cell compartments. Second, the brightness for different neurites and synaptic puncta is heterogeneous due to the variation of antibody concentration and synapse-intrinsic differences. Third, images often have low signal to noise ratio due to constraints of experiment facilities and availability of sensitive antibodies. These issues make the detection of synapses challenging and necessitates developing a new tool to easily and accurately quantify synapses.Results We present an automatic probability-principled synapse detection algorithm and integrate it into our synapse quantification tool SynQuant. Derived from the theory of order statistics, our method controls the false discovery rate and improves the power of detecting synapses. SynQuant is unsupervised, works for both 2D and 3D data, and can handle multiple staining channels. Through extensive experiments on one synthetic and three real data sets with ground truth annotation or manual labeling, SynQuant was demonstrated to outperform peer specialized synapse detection tools as well as generic spot detection methods, including 4 unsupervised and 11 variants of 3 supervised methods.Availability Java source code, Fiji plug-in, and test data available at .Contact yug{at}vt.edu

The inability to detect premature atherosclerosis significantly hinders implementation of personalized therapy to prevent coronary heart disease. A comprehensive understanding of arterial protein networks and how they change in early atherosclerosis could identify new biomarkers for disease detection and improved therapeutic targets. Here we describe the human arterial proteome and the proteomic features strongly associated with early atherosclerosis based on mass-spectrometry analysis of coronary artery and aortic specimens from 100 autopsied young adults (200 arterial specimens). Convex analysis of mixtures, differential dependent network modeling and bioinformatic analyses defined the composition, network re-wiring and likely regulatory features of the protein networks associated with early atherosclerosis. Among other things the results reveal major differences in mitochondrial protein mass between the coronary artery and distal aorta in both normal and atherosclerotic samples highlighting the importance of anatomic specificity and dynamic network structures in in the study of arterial proteomics. The publicly available data resource and the description of the analysis pipeline establish a new foundation for understanding the proteomic architecture of atherosclerosis and provide a template for similar investigations of other chronic diseases characterized by multi-cellular tissue phenotypes.

Down syndrome (DS) is a devastating genetic disorder causing severe cognitive impairment. The staggering array of effects associated with an extra copy of human chromosome 21 (HSA21) complicates mechanistic understanding of DS pathophysiology. We developed an in vitro system to examine the interplay of neurons and astrocytes in a fully recapitulated HSA21 trisomy model differentiated from DS patient-derived induced pluripotent stem cells (iPSCs). By combining calcium imaging with genetic approaches, we utilized this system to investigate the functional defects of DS astroglia and their effects on neuronal excitability. We found that, compared with control isogenic astroglia, DS astroglia exhibited more frequent spontaneous calcium fluctuations, which reduced the excitability of co-cultured neurons. DS astrocytes exerted this effect on both DS and healthy neurons. Neuronal activity could be rescued by abolishing astrocytic spontaneous calcium activity either chemically by blocking adenosine-mediated astrocyte-neuron signaling or genetically by knockdown of inositol triphosphate (IP3) receptors or S100β, a calcium binding protein coded on HSA21. Our results suggest a novel mechanism by which DS alters the function of astrocytes, which subsequently disturbs neuronal excitability. Furthermore, our study establishes an all optical neurophysiological platform for studying human neuron astrocyte interactions associated with neurological disorders.

Amyloid beta (Aβ) peptides impair multiple cellular pathways in the brain and play a causative role in Alzheimer's disease (AD) pathology, but how the brain proteome is remodeled during this process is unknown. To identify new protein networks associated with AD-like pathology, we performed global quantitative proteomic analysis in three mouse models at pre- and post-symptomatic ages. Our analysis revealed a robust and consistent increase in Apolipoprotein E (ApoE) levels in nearly all transgenic brain regions with increased Aβ levels. Taken together with prior findings on ApoE driving Aβ accumulation, this analysis points to a pathological dysregulation of the ApoE-Aβ axis. We also found dysregulation of protein networks involved in excitatory synaptic transmission consistent with AD pathophysiology. Targeted analysis of the AMPA receptor complex revealed a specific loss of TARPγ-2, a key AMPA receptor trafficking protein. Expression of TARPγ-2 in vivo in hAPP transgenic mice led to a restoration of AMPA currents. This database of proteome alterations represents a unique resource for the identification of protein alterations responsible for AD.

Motivation: Liquid chromatography - mass spectrometry (LC-MS) is a standard method for proteomics and metabolomics analysis of biological samples. Unfortunately, it suffers from small changes in the retention times (RT) of the same compound in different samples, and these must be subsequently corrected (aligned) during data processing. Classic alignment methods such as in the popular XCMS package often assume a single time-warping function for each sample. Thus, the potentially varying RT drift for compounds with different masses in a sample is neglected in these methods. Moreover, the systematic change in RT drift across run order is often not considered by alignment algorithms. Therefore, these methods cannot completely correct misalignments. For a large-scale experiment involving many samples, the existence of misalignment becomes inevitable and concerning. Results: Here we describe an integrated reference-free profile alignment method, neighbor-wise compound-specific Graphical Time Warping (ncGTW), that can detect misaligned features and align profiles by leveraging expected RT drift structures and compound-specific warping functions. Specifically, ncGTW uses individualized warping functions for different compounds and assigns constraint edges on warping functions of neighboring samples. Validated with both realistic synthetic data and internal quality control samples, ncGTW applied to two large-scale metabolomics LC-MS datasets identifies many misaligned features and successfully realigns them. These features would otherwise be discarded or uncorrected using existing methods. The ncGTW software tool is developed currently as a plug-in to the XCMS package.

Abstract Exposure to damaging levels of noise is the most common cause of hearing loss and impairs high frequency hearing in more than 15 % of adult Americans. Using mice exposed to increasing levels of noise in combination with quantitative proteomics, we tested how noise insults remodel the cochlear proteome both acutely and after a two-week recovery period. We used ABR & DPOAE recordings to define the intensity of noise exposure necessary to produce temporary or permanent threshold shifts (TTS, PTS) in young adult mice and found noise at 94 and 105 dB SPL levels for 30 minutes elicits TTS and PTS, respectively. We quantified thousands of proteins and found that noise insults cause a rapid increase rather than a decrease in the levels of many proteins involved with protein homeostasis, myelin, cytoskeletal structures, and cell junctions such as the synapse. The vast majority of proteins with increased levels immediately after noise exposure showed normal levels after two weeks of recovery. However, several proteins involved in oxidative stress and neuroprotection had significantly increased levels only after the recovery period suggesting they play in important role in regeneration. Interestingly, a small panel of mitochondrial proteins were significantly altered only in PTS conditions suggesting potential discrete protein mechanisms. Our discovery-based proteomic analysis extends the recent description of noise-induced cochlear synaptopathy and shows that noise insults drive a robust proteostasis response. These data provide a new understanding of noise sensitive proteins and may inform the development of effective preventiative strategies or therapies for NIHL.

In natural systems, litter typically undergoes decomposition as species mixtures, with litter species composition and richness affecting decomposition processes and ecosystem functioning. In this study, we collected and measured leaf litter samples from 25 litter traps within a 1 ha permanent forest dynamics plot and 396 litter traps in three forest sites. Our objective was to investigate the temporal and spatial pattern of leaf litterfall in an old-growth evergreen broad-leaved forest. Mean annual leaf litterfall in the study area was 4.31 ± 0.46 Mg/ha. A total of 61 tree species were recorded in the leaf litter mixtures collected in the 1-ha forest plot, and 39, 48, and 37 tree species were found in the three forest sites. We noted that the abundance of the tree species in the leaf litter mixtures was best fitted as the preemption model. We observed a significant difference in litter species composition between the rain season and the dry season, as well as among the three forest sites, caused by the relative abundance of litterfall from evergreen and deciduous tree species in the two seasons, and the varying proportion of litterfall from dominant tree species in three forest sites. The species diversity of leaf litterfall also varied across different levels. Our study highlights the importance of the dominant tree species in producing leaf litters and determining the litter composition, and indicates that the studies on the leaf litter mixing effects in subtropical forests should be conducted at a high level of species richness, taking into account the relative abundance of litter species.