Abstract Macrophages play a relevant role in innate and adaptive immunity depending on the balance of the stimuli received. From an analytical and functional point of view, macrophage stimulation can be segregated into three main modes, as follows: innate, classic, and alternative pathways. These differential activations result in the expression of specific sets of genes involved in the release of pro- or anti-inflammatory stimuli. In the present work, we have analyzed whether specific metabolic patterns depend on the signaling pathway activated. A [1,2-13C2]glucose tracer-based metabolomics approach has been used to characterize the metabolic flux distributions in macrophages stimulated through the classic, innate, and alternative pathways. Using this methodology combined with mass isotopomer distribution analysis of the new formed metabolites, the data show that activated macrophages are essentially glycolytic cells, and a clear cutoff between the classic/innate activation and the alternative pathway exists. Interestingly, macrophage activation through LPS/IFN-γ or TLR-2, -3, -4, and -9 results in similar flux distribution patterns regardless of the pathway activated. However, stimulation through the alternative pathway has minor metabolic effects. The molecular basis of the differences between these two types of behavior involves a switch in the expression of 6-phosphofructo-2-kinase/fructose-2,6-bisphosphatase (PFK2) from the liver type-PFK2 to the more active ubiquitous PFK2 isoenzyme, which responds to Hif-1α activation and increases fructose-2,6-bisphosphate concentration and the glycolytic flux. However, using macrophages targeted for Hif-1α, the switch of PFK2 isoenzymes still occurs in LPS/IFN-γ–activated macrophages, suggesting that this pathway regulates ubiquitous PFK2 expression through Hif-1α-independent mechanisms.

Metabolomics is the comprehensive study of the metabolome, the repertoire of biochemicals (or small molecules) present in cells, tissues, and body fluids. The study of metabolism at the global or “-omics” level is a rapidly growing field that has the potential to have a profound impact upon medical practice. At the center of metabolomics, is the concept that a person’s metabolic state provides a close representation of that individual’s overall health status. This metabolic state reflects what has been encoded by the genome, and modified by diet, environmental factors, and the gut microbiome. The metabolic profile provides a quantifiable readout of biochemical state from normal physiology to diverse pathophysiologies in a manner that is often not obvious from gene expression analyses. Today, clinicians capture only a very small part of the information contained in the metabolome, as they routinely measure only a narrow set of blood chemistry analytes to assess health and disease states. Examples include measuring glucose to monitor diabetes, measuring cholesterol and high density lipoprotein/low density lipoprotein ratio to assess cardiovascular health, BUN and creatinine for renal disorders, and measuring a panel of metabolites to diagnose potential inborn errors of metabolism in neonates. We anticipate that the narrow range of chemical analyses in current use by the medical community today will be replaced in the future by analyses that reveal a far more comprehensive metabolic signature. This signature is expected to describe global biochemical aberrations that reflect patterns of variance in states of wellness, more accurately describe specific diseases and their progression, and greatly aid in differential diagnosis. Such future metabolic signatures will: (1) provide predictive, prognostic, diagnostic, and surrogate markers of diverse disease states; (2) inform on underlying molecular mechanisms of diseases; (3) allow for sub-classification of diseases, and stratification of patients based on metabolic pathways impacted; (4) reveal biomarkers for drug response phenotypes, providing an effective means to predict variation in a subject’s response to treatment (pharmacometabolomics); (5) define a metabotype for each specific genotype, offering a functional read-out for genetic variants: (6) provide a means to monitor response and recurrence of diseases, such as cancers: (7) describe the molecular landscape in human performance applications and extreme environments. Importantly, sophisticated metabolomic analytical platforms and informatics tools have recently been developed that make it possible to measure thousands of metabolites in blood, other body fluids, and tissues. Such tools also enable more robust analysis of response to treatment. New insights have been gained about mechanisms of diseases, including neuropsychiatric disorders, cardiovascular disease, cancers, diabetes and a range of pathologies. A series of ground breaking studies supported by National Institute of Health (NIH) through the Pharmacometabolomics Research Network and its partnership with the Pharmacogenomics Research Network illustrate how a patient’s metabotype at baseline, prior to treatment, during treatment, and post-treatment, can inform about treatment outcomes and variations in responsiveness to drugs (e.g., statins, antidepressants, antihypertensives and antiplatelet therapies). These studies along with several others also exemplify how metabolomics data can complement and inform genetic data in defining ethnic, sex, and gender basis for variation in responses to treatment, which illustrates how pharmacometabolomics and pharmacogenomics are complementary and powerful tools for precision medicine. Our metabolomics community believes that inclusion of metabolomics data in precision medicine initiatives is timely and will provide an extremely valuable layer of data that compliments and informs other data obtained by these important initiatives. Our Metabolomics Society, through its “Precision Medicine and Pharmacometabolomics Task Group”, with input from our metabolomics community at large, has developed this White Paper where we discuss the value and approaches for including metabolomics data in large precision medicine initiatives. This White Paper offers recommendations for the selection of state of-the-art metabolomics platforms and approaches that offer the widest biochemical coverage, considers critical sample collection and preservation, as well as standardization of measurements, among other important topics. We anticipate that our metabolomics community will have representation in large precision medicine initiatives to provide input with regard to sample acquisition/preservation, selection of optimal omics technologies, and key issues regarding data collection, interpretation, and dissemination. We strongly recommend the collection and biobanking of samples for precision medicine initiatives that will take into consideration needs for large-scale metabolic phenotyping studies.

Strategies targeting pathological angiogenesis have focused primarily on blocking vascular endothelial growth factor (VEGF), but resistance and insufficient efficacy limit their success, mandating alternative antiangiogenic strategies. We recently provided genetic evidence that the glycolytic activator phosphofructokinase-2/fructose-2,6-bisphosphatase 3 (PFKFB3) promotes vessel formation but did not explore the antiangiogenic therapeutic potential of PFKFB3 blockade. Here, we show that blockade of PFKFB3 by the small molecule 3-(3-pyridinyl)-1-(4-pyridinyl)-2-propen-1-one (3PO) reduced vessel sprouting in endothelial cell (EC) spheroids, zebrafish embryos, and the postnatal mouse retina by inhibiting EC proliferation and migration. 3PO also suppressed vascular hyperbranching induced by inhibition of Notch or VEGF receptor 1 (VEGFR1) and amplified the antiangiogenic effect of VEGF blockade. Although 3PO reduced glycolysis only partially and transiently in vivo, this sufficed to decrease pathological neovascularization in ocular and inflammatory models. These insights may offer therapeutic antiangiogenic opportunities.

Abstract Background Metabolomics is the comprehensive study of a multitude of small molecules to gain insight into an organism’s metabolism. The research field is dynamic and expanding with applications across biomedical, biotechnological and many other applied biological domains. Its computationally-intensive nature has driven requirements for open data formats, data repositories and data analysis tools. However, the rapid progress has resulted in a mosaic of independent – and sometimes incompatible – analysis methods that are difficult to connect into a useful and complete data analysis solution. Findings The PhenoMeNal (Phenome and Metabolome aNalysis) e-infrastructure provides a complete, workflow-oriented, interoperable metabolomics data analysis solution for a modern infrastructure-as-a-service (IaaS) cloud platform. PhenoMeNal seamlessly integrates a wide array of existing open source tools which are tested and packaged as Docker containers through the project’s continuous integration process and deployed based on a kubernetes orchestration framework. It also provides a number of standardized, automated and published analysis workflows in the user interfaces Galaxy, Jupyter, Luigi and Pachyderm. Conclusions PhenoMeNal constitutes a keystone solution in cloud infrastructures available for metabolomics. It provides scientists with a ready-to-use, workflow-driven, reproducible and shareable data analysis platform harmonizing the software installation and configuration through user-friendly web interfaces. The deployed cloud environments can be dynamically scaled to enable large-scale analyses which are interfaced through standard data formats, versioned, and have been tested for reproducibility and interoperability. The flexible implementation of PhenoMeNal allows easy adaptation of the infrastructure to other application areas and ‘omics research domains.

Summary Several mechanisms of resistance of cancer cells to cyclin-dependent kinase inhibitors (CDKi) have been identified, including the upregulation of metabolic regulators such as glutaminase. However, whether such mechanisms and targets are optimal has not been determined. Here, we have systematically analyzed metabolic reprogramming in colorectal cancer cells exposed to Palbociclib, a CDKi selectively targeting CDK4/6, or Telaglenestat, a selective glutaminase inhibitor. Through multiple approaches, we show that Palbociclib and Telaglenestat elicit complementary metabolic responses and are thus uniquely suited to counter the metabolic reprogramming induced by the reciprocal drug. As such, while Palbociclib induced reduced tumor growth in vivo , and Telaglenestat did not show a significant effect, the drug combination displayed a strong synergistic effect on tumor growth. Likewise, initial responses to Palbociclib were followed by signs of adaptation and resistance, which were prevented by combining Palbociclib with Telaglenestat. In conclusion, combination with Telaglenestat optimally forestalls acquired resistance to Palbociclib in cancer cells.

Abstract Viral accessory proteins play critical roles in viral escape form host innate immune responses and in viral inflammatory pathogenesis. Here we show that the SARS-CoV-2 accessory protein, ORF9b, but not other SARS-CoV-2 accessory proteins (ORF3a, ORF3b, ORF6, ORF7, ORF8, ORF9c, ORF10), strongly activates inflammasome-dependent caspase-1 in A549 lung carcinoma cells and THP-1 monocyte-macrophage cells. Exposure to lipopolysaccharide (LPS) and ATP additively enhanced the activation of caspase-1 by ORF9b, suggesting that ORF9b and LPS follow parallel pathways in the activation of the inflammasome and caspase-1. Following rational in silico approaches, we have designed small molecules capable of inhibiting the homodimerization of ORF9b, which experimentally inhibited ORF9b-ORF9b homotypic interactions, caused mitochondrial eviction of ORF9b, inhibited ORF9b-induced activation of caspase-1 in A549 and THP-1 cells, cytokine release in THP-1 cells, and restored type I interferon (IFN-I) signaling suppressed by ORF9b in both cell models. These small molecules are first-in-class compounds targeting a viral accessory protein critical for viral-induced exacerbated inflammation and escape from innate immune responses, with the potential of mitigating the severe immunopathogenic damage induced by highly pathogenic coronaviruses and restoring antiviral innate immune responses curtailed by viral infection.

Antiviral signaling, immune response and cell metabolism in human body are dysregulated by SARS-CoV-2, the causative agent of the COVID-19. Here, we show that SARS-CoV-2 accessory proteins ORF3a, ORF9b, ORF9c and ORF10 induce a significant mitochondrial and metabolic reprogramming in A549 lung epithelial cells. While all four ORFs caused mitochondrial fragmentation and altered mitochondrial function, only ORF3a and ORF9c induced a marked structural alteration in mitochondrial cristae. ORF9b, ORF9c and ORF10 induced largely overlapping transcriptomes. In contrast, ORF3a induced a distinct transcriptome, including the downregulation of numerous genes for proteins with critical mitochondrial functions and morphology. Genome-Scale Metabolic Models predicted common and private metabolic flux reprogramming, notably a depressed amino acid metabolism, and an enhanced metabolism of specific lipids distinctly induced by ORF3a. These findings reveal metabolic dependencies and vulnerabilities prompted by SARS-CoV-2 accessory proteins that may be exploited to identify new targets for intervention.

Developing a robust and performant data analysis workflow that integrates all necessary components whilst still being able to scale over multiple compute nodes is a challenging task. We introduce a generic method based on the microservice architecture, where software tools are encapsulated as Docker containers that can be connected into scientific workflows and executed in parallel using the Kubernetes container orchestrator. The access point is a virtual research environment which can be launched on-demand on cloud resources and desktop computers. IT-expertise requirements on the user side are kept to a minimum, and established workflows can be re-used effortlessly by any novice user. We validate our method in the field of metabolomics on two mass spectrometry studies, one nuclear magnetic resonance spectroscopy study and one fluxomics study, showing that the method scales dynamically with increasing availability of computational resources. We achieved a complete integration of the major software suites resulting in the first turn-key workflow encompassing all steps for mass-spectrometry-based metabolomics including preprocessing, multivariate statistics, and metabolite identification. Microservices is a generic methodology that can serve any scientific discipline and opens up for new types of large-scale integrative science.

Abstract Compelling evidence has accumulated for the role of oxidative stress on the endothelial cell (EC) dysfunction underlying acute coronary syndromes. However, understanding the metabolic determinants of EC dysfunction has been hampered by the scarcity of appropriate cell models. Here, we have generated and phenotypically characterized EC derived from thrombectomy specimens in patients with acute myocardial infarction (AMI). We have found that AMI-derived endothelial cells (AMIECs), but not control EC from health coronary arteries, display impaired growth, migration and tubulogenesis. These phenotypic abnormalities were accompanied with metabolic abnormalities including augmentation of reactive oxygen species (ROS) and glutathione intracellular content, along with diminished glucose consumption coupled to increased lactate production. In AMIECs, the protein levels of 6-phosphofructo-2-kinase/fructose-2,6-bisphosphatase type 3, PFKFB3, were downregulated, while those of PFKFB4 were upregulated, suggesting a shunting of glycolysis towards the pentose phosphate pathway (PPP) in the pathological ECs. PPP overactivation was further supported by upregulation of G6PD in AMIECs, the key enzyme in the oxidative branch of the PPP, which supplies the bulk of NADPH reducing equivalents necessary for the reduction/turnover and lipid synthesis.. Further, the glutaminolytic enzyme glutaminase (GLS) was upregulated in AMIECs, providing a mechanistic explanation for the observed increase in glutathione content. Finally, AMIECs had higher mitochondrial membrane potential than control ECs, which, together with high ROS levels, suggest a highly coupled mitochondrial activity in patient ECs. We suggest that high proton coupling underlies the abnormally high production of ROS, balanced by PPP-driven glutathione turnover, as a primary, cell-autonomous abnormality driving EC dysfunction in AMI.