Summary Genetic association studies have demonstrated the critical involvement of the microglial immune response in Alzheimer’s disease (AD) pathogenesis. Phospholipase C-gamma-2 (PLCG2) is selectively expressed by microglia and acts in many immune receptor signaling pathways. In AD, PLCG2 is induced uniquely in plaque-associated microglia. A genetic variant of PLCG2 , PLCG2 P522R , is a mild hypermorph that attenuates AD risk. We report the identification of a PLCG2 variant, PLCG2 M28 L , associated with loss-of-function and confers increased AD risk. PLCG2 P522R attenuates disease in an amyloidogenic murine AD model, whereas PLCG2 M28L exacerbates the plaque burden associated with altered phagocytosis and Aβ clearance. The variants bidirectionally modulate disease pathology by inducing distinct transcriptional programs that identify microglial subpopulations associated with protective or detrimental phenotypes. In summary, these findings identify PLCG2 M28L as a new AD risk variant and demonstrate that PLCG2 variants can differentially orchestrate microglial responses in AD pathogenesis that can be therapeutically targeted. Graphical abstract Highlights A genetic variant of PLCG2, M28L, is associated with an increased risk for Alzheimer’s disease (AD) In an amyloidogenic AD mouse model, PLCG2M28L exacerbates disease pathogenesis Conversely, PLCG2P522R, a protective PLCG2 variant, attenuates AD pathogenesis The PLCG2 variants uniquely alter the microglial transcriptome and phenotypes

Abstract Background Alzheimer’s disease (AD) is a progressive neurodegenerative disorder characterized by cognitive decline, robust microgliosis, neuroinflammation, and neuronal loss. Genome-wide association studies recently highlighted a prominent role for microglia in late-onset AD (LOAD). Specifically, inositol polyphosphate-5-phosphatase ( INPP5D ), also known as SHIP1, is selectively expressed in brain microglia and has been reported to be associated with LOAD. Although INPP5D is likely a crucial player in AD pathophysiology, its role in disease onset and progression remains unclear. Methods We performed differential gene expression analysis to investigate INPP5D expression in LOAD and its association with plaque density and microglial markers using transcriptomic (RNA-Seq) data from the Accelerating Medicines Partnership for Alzheimer’s Disease (AMP-AD) cohort. We also performed quantitative real-time PCR, immunoblotting, and immunofluorescence assays to assess INPP5D expression in the 5xFAD amyloid mouse model. Results Differential gene expression analysis found that INPP5D expression was upregulated in LOAD and positively correlated with amyloid plaque density. In addition, in 5xFAD mice, Inpp5d expression increased as the disease progressed, and selectively in plaque-associated microglia. Increased Inpp5d expression levels in 5xFAD mice were abolished entirely by depleting microglia with the colony-stimulating factor receptor-1 antagonist PLX5622. Conclusions Our findings show that INPP5D expression increases as AD progresses, predominantly in plaque-associated microglia. Importantly, we provide the first evidence that increased INPP5D expression might be a risk factor in AD, highlighting INPP5D as a potential therapeutic target. Moreover, we have shown that the 5xFAD mouse model is appropriate for studying INPP5D in AD.

Abstract We propose DEGAS (Diagnostic Evidence GAuge of Single cells), a novel deep transfer learning framework, to transfer disease information from patients to cells. We call such transferrable information “impressions,” which allow individual cells to be associated with disease attributes like diagnosis, prognosis, and response to therapy. Using simulated data and ten diverse single cell and patient bulk tissue transcriptomic datasets from Glioblastoma Multiforme (GBM), Alzheimer’s Disease (AD), and Multiple Myeloma (MM), we demonstrate the feasibility, flexibility, and broad applications of the DEGAS framework. DEGAS analysis on newly generated myeloma single cell transcriptomics led to the identification of PHF19 high myeloma cells associated with progression.

Abstract Radiotherapy (RT), is a fundamental treatment for malignant tumors and is used in over half of cancer patients. As radiation can promote anti-tumor immune effects, a promising therapeutic strategy is to combine radiation with immune checkpoint inhibitors (ICIs). However, the genetic determinants that impact therapeutic response in the context of combination therapy with radiation and ICI have not been systematically investigated. To unbiasedly identify the tumor intrinsic genetic factors governing such responses, we perform a set of genome-scale CRISPR screens in melanoma cells for cancer survival in response to low-dose genotoxic radiation treatment, in the context of CD8 T cell co-culture and with anti-PD1 checkpoint blockade antibody. Two actin capping proteins, Capza3 and Capg , emerge as top hits that upon inactivation promote the survival of melanoma cells in such settings. Capza3 and Capg knockouts (KOs) in mouse and human cancer cells display persistent DNA damage due to impaired homology directed repair (HDR); along with increased radiation, chemotherapy, and DNA repair inhibitor sensitivity. However, when cancer cells with these genes inactivated were exposed to sublethal radiation, inactivation of such actin capping protein promotes activation of the STING pathway, induction of inhibitory CEACAM1 ligand expression and resistance to CD8 T cell killing. Patient cancer genomics analysis reveals an increased mutational burden in patients with inactivating mutations in CAPG and/or CAPZA3 , at levels comparable to other HDR associated genes. There is also a positive correlation between CAPG expression and activation of immune related pathways and CD8 T cell tumor infiltration. Our results unveil the critical roles of actin binding proteins for efficient HDR within cancer cells and demonstrate a previously unrecognized regulatory mechanism of therapeutic response to radiation and immunotherapy.

Abstract Alzheimer’s disease (AD) is characterized by robust microgliosis and phenotypic changes that accompany disease pathogenesis. Indeed, genetic variants in microglial genes are linked to risk for AD. Phospholipase C γ 2 (PLCG2) participates in the transduction of signals emanating from immune cell-surface receptors that regulate the inflammatory response and is selectively expressed by microglia in the brain. A rare variant in PLCG2 (P522R) was previously found to be protective against AD, indicating that PLCG2 may play a role in AD pathophysiology. Here, we report that a rare missense variant in PLCG2 confers increased AD risk ( p =0.047; OR=1.164 [95% CI=1.002-1.351]). Additionally, we observed that PLCG2 expression levels are increased in several brain regions of AD patients, correlating with brain amyloid deposition. This provides further evidence that PLCG2 may play an important role in AD pathophysiology. Together, our findings indicate that PLCG2 is a potential new therapeutic target for AD.

Emerging immunotherapies such as immune checkpoint blockade (ICB) and chimeric antigen receptor T-cell (CAR-T) therapy have revolutionized cancer treatment and have improved the survival of patients with multiple cancer types. Despite this success many patients are unresponsive to these treatments or relapse following treatment. CRISPR activation and knockout (KO) screens have been used to identify novel single gene targets that can enhance effector T cell function and promote immune cell targeting and eradication of tumors. However, cancer cells often employ multiple genes to promote an immunosuppressive pathway and thus modulating individual genes often has a limited effect. Paralogs are genes that originate from common ancestors and retain similar functions. They often have complex effects on a particular phenotype depending on factors like gene family similarity, each individual gene's expression and the physiological or pathological context. Some paralogs exhibit synthetic lethal interactions in cancer cell survival; however, a thorough investigation of paralog pairs that could enhance the efficacy of cancer immunotherapy is lacking. Here we introduce a sensitive computational approach that uses sgRNA sets enrichment analysis to identify cancer-intrinsic paralog pairs which have the potential to synergistically enhance T cell-mediated tumor destruction. We have further developed an ensemble learning model that uses an XGBoost classifier and incorporates features such as gene characteristics, sequence and structural similarities, protein-protein interaction (PPI) networks, and gene coevolution data to predict paralog pairs that are likely to enhance immunotherapy efficacy. We experimentally validated the functional significance of these predicted paralog pairs using double knockout (DKO) of identified paralog gene pairs as compared to single gene knockouts (SKOs). These data and analyses collectively provide a sensitive approach to identify previously undetected paralog pairs that can enhance cancer immunotherapy even when individual genes within the pair has a limited effect.