Artificial intelligence (AI) models usually require large amounts of high quality training data, which is in striking contrast to the situation of small and biased data faced by current drug discovery pipelines. The concept of federated learning has been proposed to utilize distributed data from different sources without leaking sensitive information of these data. This emerging decentralized machine learning paradigm is expected to dramatically improve the success of AI-powered drug discovery. We here simulate the federated learning process with 7 aqueous solubility datasets from different sources, among which there are overlapping molecules with high or low biases in the recorded values. Beyond the benefit of gaining more data, we also demonstrate federated training has a regularization effect making it superior than centralized training on the pooled datasets with high biases. Further, federated model customization for each client can effectively help us deal with the highly biased data in drug discovery and achieve better generalization performance. Our work demonstrates the application of federated learning in predicting drug related properties, but also highlights its promising role in addressing the small data and biased data dilemma in drug discovery.

Understanding the molecular and cellular mechanisms that underlie complex traits in pigs is crucial for enhancing their genetic improvement program and unleashing their substantial potentials in human biomedicine research. Here, we conducted a meta-GWAS analysis for 232 complex traits with 28.3 million imputed whole-genome sequence variants in 70,328 individuals from 14 pig breeds. We identified a total of 6,878 genomic regions associated with 139 complex traits. By integrating with the Pig Genotype-Tissue Expression (PigGTEx) resource, we systemically explored the biological context and regulatory circuits through which these trait-associated variants act and finally prioritized 16,664 variant-gene-tissue-trait circuits. For instance, rs344053754 regulates the expression of UGT2B31 in the liver by affecting the activity of regulatory elements and ultimately affects litter weight at weaning. Furthermore, we investigated the conservation of genetic and regulatory mechanisms underlying 136 human traits and 232 pig traits. Overall, our multi-breed meta-GWAS in pigs provides invaluable resources and novel insights for understanding the regulatory and evolutionary mechanisms of complex traits in pigs and humans.

Computational target fishing aims to investigate the mechanism of action or the side effects of bioactive small molecules. Unfortunately, conventional ligand-based computational methods only explore a confined chemical space, and structure-based methods are limited by the availability of crystal structures. Moreover, these methods cannot describe cellular context-dependent effects and are thus not useful for exploring the targets of drugs in specific cells. To address these challenges, we propose a novel Siamese spectral-based graph convolutional network (SSGCN) model for inferring the protein targets of chemical compounds from gene transcriptional profiles. Although the gene signature of a compound perturbation only provides indirect clues of the interacting targets, the SSGCN model was successfully trained to learn from known compound-target pairs by uncovering the hidden correlations between compound perturbation profiles and gene knockdown profiles. Using a benchmark set, the model achieved impressive target inference results compared with previous methods such as Connectivity Map and ProTINA. More importantly, the powerful generalization ability of the model observed with the external LINCS phase II dataset suggests that the model is an efficient target fishing or repositioning tool for bioactive compounds.

Abstract Aldehyde oxidase (AOX) is a molybdoenzyme that is primarily expressed in the liver and is involved in the metabolism of drugs and other xenobiotics. AOX-mediated metabolism can result in unexpected outcomes, such as the production of toxic metabolites and high metabolic clearance, which can lead to the clinical failure of novel therapeutic agents. Computational models can assist medicinal chemists in rapidly evaluating the AOX metabolic risk of compounds during the early phases of drug discovery and provide valuable clues for manipulating AOX-mediated metabolism liability. In this study, we developed a novel graph neural network called AOMP for predicting AOX-mediated metabolism. AOMP integrated the tasks of metabolic substrate/non-substrate classification and metabolic site prediction, while utilizing transfer learning from 13C nuclear magnetic resonance data to enhance its performance on both tasks. AOMP significantly outperformed the benchmark methods in both cross-validation and external testing. Using AOMP, we systematically assessed the AOX-mediated metabolism of common fragments in kinase inhibitors and successfully identified four new scaffolds with AOX metabolism liability, which were validated through in vitro experiments. Furthermore, for the convenience of the community, we established the first online service for AOX metabolism prediction based on AOMP, which is freely available at https://aomp.alphama.com.cn .

Abstract Edwardsiella piscicida ( E. piscicida ) is an intracellular pathogen within a broad spectrum of hosts. Essential to E. piscicida virulence is its ability to survive and replicate inside host cells, yet the underlying mechanisms and the nature of the replicative compartment remain unclear. Here, we characterized its intracellular lifestyle in non-phagocytic cells and showed that intracellular replication of E. piscicida in non-phagocytic cells is dependent on its type III secretion system. Following internalization, E. piscicida is contained in vacuoles that transiently mature into early endosomes, but subsequently bypasses the classical endosome pathway and fusion with lysosomes which depends on its T3SS. Following a rapid escape from the degradative pathway, E. piscicida was found to create a specialized replication-permissive niche characterized by endoplasmic reticulum (ER) markers. We also found that a T3SS effector EseJ is responsible for intracellular replication of E. piscicida by preventing endosome/lysosome fusion. Furthermore, in vivo experiments confirmed that EseJ is necessary for bacterial colonization of E. piscicida in both mice and zebrafish. Thus, this work elucidates the strategies used by E. piscicida to survive and proliferate within host non-phagocytic cells. Author summary E. piscicida is a facultative intracellular bacterium associated with septicemia and fatal infections in many animals, including fish and humans. However, little is known about its intracellular life, which is important for successful invasion of the host. The present study is the first comprehensive characterization of E. piscicida ’s intracellular life-style in host cells. Upon internalization, E. piscicida is transiently contained in Rab5-positive vacuoles, but the pathogen prevents further endosome maturation and fusion with lysosomes by utilizing an T3SS effector EseJ. In addition, the bacterium creates an specialized replication niche for rapid growth via an interaction with the ER. Our study provides new insights into the strategies used by E. piscicida to successfully establishes an intracellular lifestyle that contributes to its survival and dissemination during infection.

Abstract Bacteria adapt to the constantly changing environments largely by transcriptional regulation through the activities of various transcription factors (TFs). However, techniques that monitor the in situ TF-promoter interactions in living bacteria are lacking. Herein, we developed a whole-cell TF-promoter binding assay based on the intermolecular Förster resonance energy transfer (FRET) between a fluorescent unnatural amino acid CouA which is genetically encoded into defined sites in TFs and the live cell fluorescent nucleic acid stain SYTO 9. We show that this new FRET pair monitors the intricate TF-promoter interactions elicited by various types of signal transduction systems with specificity and sensitivity. Furthermore, the assay is applicable to identify novel modulators of the regulatory systems of interest and monitor TF activities in bacteria colonized in C. elegans . In conclusion, we established a tractable and sensitive TF-promoter binding assay in living bacteria which not only complements currently available approaches for DNA-protein interactions but also provides novel opportunities for functional annotation of bacterial signal transduction systems and studies of the bacteria-host interface.

Abstract Necroptosis and pyroptosis are lytic and inflammatory types of programmed cell death that require the membrane destruction predominantly driven by the mixed lineage kinase domain-like (MLKL) and gasdermin D (GSDMD) proteins, respectively. However, the crosstalk between them remains largely unknown. Here, our research discloses that endoplasmic reticulumn transmembrane protein inositol-requiring enzyme-1α (IRE-1α) is a potential modulator of both necroptosis and pyroptosis, paricularly in liver pathology. Interestingly, enhanced expression of IRE-1α triggers hepatic pyroptosis, while defective IRE-1α level activates hepatic necroptosis, and both processes are closed related to the activity of GSDMD in mice. To elucidate unknown crosstalk, by using pharmacological and genetic methods, we first demonstrated that IRE-1α suppresses necroptosis by promoting the expression of GSDMD and cleaves caspase-8 and by inhibiting the expression of receptor-interacting serine/threonine-protein kinase 1 (RIPK1), RIPK3 and MLKL. Unexpectedly, excess IRE-1α initiates pyroptosis by increasing GSDMD and NLRP3 levels. Our work clearly provides insight into the modulation of IRE-1α to dominate necroptosis and pyroptosis and suggests that IRE-1α may be a promising therapeutic target for drug discovery in both types of tissue injuries.

Complex neuropsychiatric diseases such as schizophrenia require drugs that can target multiple G protein-coupled receptors (GPCRs) to modulate complex neuropsychiatric functions. Here, we report an automated system comprising a deep recurrent neural network (RNN) and a multitask deep neural network (MTDNN) to design and optimize multitargeted antipsychotic drugs. The system successfully generates novel molecule structures with desired multiple target activities, among which high-ranking compound 3 was synthesized, and demonstrated potent activities against dopamine D2, serotonin 5-HT1A and 5-HT2A receptors. Hit expansion based on the MTDNN was performed, 6 analogs of compound 3 were evaluated experimentally, among which compound 8 not only exhibited specific polypharmacology profiles but also showed antipsychotic effect in animal models with low potential for sedation and catalepsy, highlighting their suitability for further preclinical studies. The approach can be an efficient tool for designing lead compounds with multitarget profiles to achieve the desired efficacy in the treatment of complex neuropsychiatric diseases.

Abstract Background Accumulating evidence suggests that inflammation-related genes may play key roles in tumor immune evasion. Programmed cell death ligand 1 (PD-L1) is an important immune checkpoint involved in mediating antitumor immunity. We performed multi-omics analysis to explore key inflammation-related genes affecting the transcriptional regulation of PD-L1 expression. Methods The open chromatin region of the PD-L1 promoter was mapped using the assay for transposase-accessible chromatin using sequencing (ATAC-seq) profiles. Correlation analysis of epigenetic data (ATAC-seq) and transcriptome data (RNA-seq) were performed to identify inflammation-related transcription factors whose expression levels were correlated with the chromatin accessibility of the PD-L1 promoter. Chromatin immunoprecipitation sequencing (ChIP-seq) profiles were used to confirm the physical binding of the TF STAT2 and the predicted binding regions. We also confirmed the results of the bioinformatics analysis with cell experiments. Results We identified chr9:5449463-5449962 and chr9:5450250-5450749 as reproducible open chromatin regions in the PD-L1 promoter. Moreover, we observed a correlation between STAT2 expression and the accessibility of the aforementioned regions. Furthermore, we confirmed its physical binding through ChIP-seq profiles and demonstrated the regulation of PD-L1 by STAT2 overexpression in vitro . Multiple databases were also used for the validation of the results. Conclusion Our study identified STAT2 as a direct upstream TF regulating PD-L1 expression. The interaction of STAT2 and PD-L1 might be associated with tumor immune evasion in cancers, suggesting the potential value for tumor treatment.