Abstract Induced pluripotent stem cells generated from patients with geographic atrophy as well as healthy individuals were differentiated to retinal pigment epithelium (RPE) cells. By integrating transcriptional profiles of 127,659 RPE cells generated from 43 individuals with geographic atrophy and 36 controls with genotype data, we identified 439 expression Quantitative Trait (eQTL) loci in cis that were associated with disease status and specific to subpopulations of RPE cells. We identified loci linked to two genes with known associations with geographic atrophy - PILRB and PRPH2, in addition to 43 genes with significant genotype x disease interactions that are candidates for novel genetic associations for geographic atrophy. On a transcriptome-only level, we identified molecular pathways significantly upregulated in geographic atrophy-RPE including in extracellular cellular matrix reorganisation, neurodegeneration, and mitochondrial functions. We subsequently implemented a large-scale proteomics analysis, confirming modification in proteins associated with these pathways. We also identified six significant protein (p) QTL that regulate protein expression in the RPE cells and in geographic atrophy - two of which share variants with cis-eQTL. Transcriptome-wide association analysis identified genes at loci previously associated with age-related macular degeneration. Further analysis conditional on disease status, implicated statistically significant RPE-specific eQTL. This study uncovers important differences in RPE homeostasis associated with geographic atrophy.

Abstract Background Rodent models and pharmacological neuroimaging studies in humans have been employed to test novel pharmacological agents to reduce fear. However, these strategies are limited with respect to determining process-specific effects on the actual subjective experience of fear which represents the key symptom why patients seek treatment. We here employed a novel precision pharmacological fMRI approach that is based on process-specific neuroaffective signatures to determine effects of the selective angiotensin II type 1 receptor (ATR1) antagonist losartan on the subjective experience of fear. Methods In a double-blind, placebo-controlled randomized pharmacological fMRI design n = 87 healthy participants were administered 50mg losartan or placebo before they underwent an oddball paradigm which included neutral, novel and fear oddballs. Losartan effects on brain activity and connectivity as well as on process-specific multivariate neural signatures were examined. Results AT1R blockade selectively reduces the neurofunctional reactivity to fear-inducing visual oddballs in terms of attenuating dorsolateral prefrontal activity and amygdala-ventral anterior cingulate (vACC) communication. Neurofunctional decoding further demonstrates fear-specific effects given that ATR1 blockade (1) reduces the neural expression of subjective fear, but not threat or non-specific negative expressions, and (2) does not affect reactivity to novel oddballs. Conclusions These results show a specific role of the AT1R in regulating subjective fear experience and demonstrate the feasibility of a precision pharmacological fMRI approach to the affective characterization of novel receptor targets for fear in humans.

Abstract Post-translational modifications (PTMs) dynamically regulate proteins and biological pathways, typically through the combined effects of multiple PTMs. Lysine residues are targeted for various PTMs, including malonylation and succinylation. However, PTMs offer specific challenges to mass spectrometry-based proteomics during data acquisition and processing. Thus, novel and innovative workflows using data-independent acquisition (DIA) ensure confident PTM identification, precise site localization, and accurate and robust label-free quantification. In this study, we present a powerful approach that combines antibody-based enrichment with comprehensive DIA acquisitions and spectral library-free data processing using directDIA (Spectronaut). Identical DIA data can be used to generate spectral libraries and comprehensively identify and quantify PTMs, reducing the amount of enriched sample and acquisition time needed, while offering a fully automated workflow. We analyzed brains from wild-type and Sirtuin 5 (SIRT5)-knock-out mice, and discovered and quantified 466 malonylated and 2,211 succinylated peptides. SIRT5 regulation remodeled the acylomes by targeting 171 malonylated and 640 succinylated sites. Affected pathways included carbohydrate and lipid metabolisms, synaptic vesicle cycle, and neurodegenerative diseases. We found 48 common SIRT5-regulated malonylation and succinylation sites, suggesting potential PTM crosstalk. This innovative and efficient workflow offers deeper insights into the mouse brain lysine malonylome and succinylome. Statement of significance of the study Post-translational modifications (PTMs) are key regulators of protein structure, functions, and interactions. A great variety of PTMs have been discovered, including lysine acylation, such as acetylation, malonylation, and succinylation. Lysine acylation is understudied, particularly in the brain, and analysis by mass spectrometry-based proteomics faces significant challenges. In this study, we present a robust and efficient workflow to investigate proteome-wide PTM remodeling combining affinity PTM enrichment and a novel spectral library-free data-independent acquisition (DIA) approach. The strength of label-free DIA becomes evident with the collection of comprehensive information by tandem mass spectrometry for all detectable precursor ions of all biological samples, and the highly accurate quantitative information that can subsequently be retrieved with time-efficient and straightforward library-free strategies. More importantly, this enables confident identification of PTM sites and differentiation of PTM isomers. We applied this workflow to decipher the malonylome and succinylome remodeling and cross-talk in brains from wild-type and Sirt5 (-/-) mice, taking advantage of the demalonylase and desuccinylase activities of SIRT5, a nicotinamide adenine dinucleotide (NAD + )-dependent sirtuin. Interestingly, 10 malonylated proteins and 33 succinylated proteins targeted by SIRT5 are involved in the Parkinson’s disease pathway, including subunit beta of the calcium/calmodulin-dependent protein kinase type II (Camk2b) and protein DJ-1 (Park7).

Abstract Social deficits and dysregulations in dopaminergic midbrain-striato-frontal circuits represent transdiagnostic symptoms across psychiatric disorders. Animal models suggest that interactions between the dopamine and renin-angiotensin system may modulate learning and reward-related processes. The present study therefore examined the behavioral and neural effects of the angiotensin II type 1 receptor (AT1R) antagonist Losartan on social reward and punishment processing in humans. A pre-registered randomized double-blind placebo-controlled between-subject pharmacological design was combined with a social incentive delay fMRI paradigm during which subjects could avoid social punishment or gain social reward. Healthy volunteers received a single-dose of Losartan (50mg, n=43) or placebo (n=44). Reaction times and emotional ratings served as behavioral outcomes, on the neural level activation and connectivity were modelled. Relative to placebo, Losartan modulated the reaction time and arousal differences between social punishment and social reward. On the neural level the Losartan-enhanced motivational salience of social rewards was accompanied by stronger ventral striatum-prefrontal connectivity during reward anticipation. Losartan increased the reward-neutral difference in the ventral tegmental area (VTA) and attenuated VTA associated connectivity with the bilateral insula in response to punishment during the outcome phase. Losartan modulated approach-avoidance motivation and emotional salience during social punishment versus social reward via modulating distinct core nodes of the midbrain-striato-frontal circuits. The findings document a modulatory role of the renin-angiotensin system in these circuits and associated social processes, suggesting a promising treatment target to alleviate social dysregulations. Significance Statement Social deficits and anhedonia characterize several mental disoders and have been linked to the midbrain-striato-frontal circuits of the brain. Based on initial findings from animal models we here combine the pharmacological blockade of the angiotensin II type 1 receptor (AT1R) via Losartan with functional MRI to demonstrate that AT1R blockade enhances the motivational salience of social rewards and attenuates the negative impact of social punishment via modulating the communication in the midbrain-striato-frontal circuits in humans. The findings demonstrate for the first time an important role of the AT1R in social reward processing in humans and render the AT1R as promising novel treatment target for social and motivational deficits in mental disoders.

ABSTRACT Adaptive human learning utilizes reward prediction errors (RPEs) that scale the differences between expected and actual outcomes to optimize future choices. Depression has been linked with biased RPE signaling and an exaggerated impact of negative outcomes on learning which may promote amotivation and anhedonia. The present proof-of-concept study combined computational modelling and multivariate decoding with neuroimaging to determine the influence of the selective competitive angiotensin II type 1 receptor antagonist losartan on learning from positive or negative outcomes and the underlying neural mechanisms in healthy humans. In a double-blind, between-subjects, placebo-controlled pharmaco-fMRI experiment, 61 healthy male participants (losartan, n=30; placebo, n=31) underwent a probabilistic selection reinforcement learning task incorporating a learning and transfer phase. Losartan improved choice accuracy for the hardest stimulus pair via increasing expected value sensitivity towards the rewarding stimulus relative to the placebo group during learning. Computational modelling revealed that losartan reduced the learning rate for negative outcomes and increased exploitatory choice behaviors while preserving learning for positive outcomes. These behavioral patterns were paralleled on the neural level by increased RPE signaling in orbitofrontal-striatal regions and enhanced positive outcome representations in the ventral striatum (VS) following losartan. In the transfer phase, losartan accelerated response times and enhanced VS functional connectivity with left dorsolateral prefrontal cortex when approaching maximum rewards. These findings elucidate the potential of losartan to reduce the impact of negative outcomes during learning and subsequently facilitate motivational approach towards maximum rewards in the transfer of learning. This may indicate a promising therapeutic mechanism to normalize distorted reward learning and fronto-striatal functioning in depression.

The multiome is an integrated assembly of distinct classes of molecules and molecular properties, or "omes," measured in the same biospecimen. Freezing and formalin-fixed paraffin-embedding (FFPE) are two common ways to store tissues, and these practices have generated vast biospecimen repositories. However, these biospecimens have been underutilized for multi-omic analysis due to the low throughput of current analytical technologies that impede large-scale studies.Tissue sampling, preparation, and downstream analysis were integrated into a 96-well format multi-omics workflow, MultiomicsTracks96. Frozen mouse organs were sampled using the CryoGrid system, and matched FFPE samples were processed using a microtome. The 96-well format sonicator, PIXUL, was adapted to extract DNA, RNA, chromatin, and protein from tissues. The 96-well format analytical platform, Matrix, was used for chromatin immunoprecipitation (ChIP), methylated DNA immunoprecipitation (MeDIP), methylated RNA immunoprecipitation (MeRIP), and RNA reverse transcription (RT) assays followed by qPCR and sequencing. LC-MS/MS was used for protein analysis. The Segway genome segmentation algorithm was used to identify functional genomic regions, and linear regressors based on the multi-omics data were trained to predict protein expression.MultiomicsTracks96 was used to generate 8-dimensional datasets including RNA-seq measurements of mRNA expression; MeRIP-seq measurements of m6A and m5C; ChIP-seq measurements of H3K27Ac, H3K4m3, and Pol II; MeDIP-seq measurements of 5mC; and LC-MS/MS measurements of proteins. We observed high correlation between data from matched frozen and FFPE organs. The Segway genome segmentation algorithm applied to epigenomic profiles (ChIP-seq: H3K27Ac, H3K4m3, Pol II; MeDIP-seq: 5mC) was able to recapitulate and predict organ-specific super-enhancers in both FFPE and frozen samples. Linear regression analysis showed that proteomic expression profiles can be more accurately predicted by the full suite of multi-omics data, compared to using epigenomic, transcriptomic, or epitranscriptomic measurements individually.The MultiomicsTracks96 workflow is well suited for high dimensional multi-omics studies - for instance, multiorgan animal models of disease, drug toxicities, environmental exposure, and aging as well as large-scale clinical investigations involving the use of biospecimens from existing tissue repositories.

Abstract Enhancing our understanding of how the brain constructs conscious emotional experiences within dynamic real-life contexts necessitates ecologically valid neural models. Here, we present evidence delineating the constraints of current fMRI activation models in capturing naturalistic fear dynamics. To address this challenge, we fuse naturalistic fMRI with predictive modeling techniques to develop an ecologically valid fear signature that integrates activation and connectivity profiles, allowing for accurate prediction of subjective fear experience under highly dynamic close-to-real-life conditions. This signature arises from insights into the crucial role of distributed brain networks and their interactions in emotion modulation, and the potential of network-level information to improve predictions in dynamic contexts. Across a series of investigations, we demonstrate that this signature predicts stable and dynamic fear experiences across naturalistic scenarios with heightened sensitivity and specificity, surpassing traditional activation- and connectivity-based signatures. Notably, the integration of affective connectivity profiles enables precise real-time predictions of fear fluctuations in naturalistic settings. Additionally, we unearth a distributed yet redundant brain-wide representation of fear experiences. Subjective fear is encoded not only by distributed cortical and subcortical regions but also by their interactions, with no single brain system conveying substantial unique information. Our study establishes a comprehensive and ecologically valid functional brain architecture for subjective fear in dynamic environments and bridges the gap between experimental neuroscience and real-life emotional experience.