The Molecular INTeraction Database (MINT, http://mint.bio.uniroma2.it/mint/) is a public repository for protein–protein interactions (PPI) reported in peer-reviewed journals. The database grows steadily over the years and at September 2011 contains approximately 235 000 binary interactions captured from over 4750 publications. The web interface allows the users to search, visualize and download interactions data. MINT is one of the members of the International Molecular Exchange consortium (IMEx) and adopts the Molecular Interaction Ontology of the Proteomics Standard Initiative (PSI-MI) standards for curation and data exchange. MINT data are freely accessible and downloadable at http://mint.bio.uniroma2.it/mint/download.do. We report here the growth of the database, the major changes in curation policy and a new algorithm to assign a confidence to each interaction.

Abstract We describe a large-scale community effort to build an open-access, interoperable, and computable repository of COVID-19 molecular mechanisms - the COVID-19 Disease Map. We discuss the tools, platforms, and guidelines necessary for the distributed development of its contents by a multi-faceted community of biocurators, domain experts, bioinformaticians, and computational biologists. We highlight the role of relevant databases and text mining approaches in enrichment and validation of the curated mechanisms. We describe the contents of the Map and their relevance to the molecular pathophysiology of COVID-19 and the analytical and computational modelling approaches that can be applied for mechanistic data interpretation and predictions. We conclude by demonstrating concrete applications of our work through several use cases and highlight new testable hypotheses.

Summary Fibro adipogenic progenitors (FAPs) promote satellite cell differentiation in adult skeletal muscle regeneration. However, in pathological conditions, FAPs are responsible for fibrosis and fat infiltrations. Here we show that the NOTCH pathway negatively modulates FAP differentiation both in vitro and in vivo. However, FAPs isolated from young dystrophin-deficient mdx mice are insensitive to this control mechanism. Nonetheless, factors released by hematopoietic cells restore the sensitivity to NOTCH adipogenic inhibition. An unbiased mass spectrometry-based proteomic analysis of FAPs from muscles of wild type and mdx mice, revealed that the synergistic cooperation between NOTCH and inflammatory signals controls FAP differentiation. These results offer a basis for rationalizing the pathological outcomes of fat infiltrations in skeletal muscle and may suggest new therapeutic strategies to mitigate the detrimental effects of fatty depositions in muscles of dystrophic patients. Highlights Single-cell mass cytometry reveals that wt and mdx FAPs are in different cell states. Activation of the NOTCH signaling pathway negatively regulates adipogenesis of wt but not mdx FAPs. Deep proteomics suggests a mechanism explaining the different sensitivity of mdx- FAPs to NOTCH. TNF-a stimulation restores the anti-adipogenic effect of NOTCH in mdx FAPs.

The complexity and heterogeneity of PD necessitate advanced diagnostic and prognostic tools to elucidate its molecular mechanisms accurately. In this study, we addressed this challenge by conducting a pilot phospho-proteomic analysis of peripheral blood mononuclear cells (PBMCs) from idiopathic PD patients at varying disease stages to delineate the functional alterations occurring in these cells throughout the disease course and identify key molecules and pathways contributing to PD progression. By integrating clinical data with phospho-proteomic profiles across various PD stages, we identify potential stage-specific molecular signatures indicative of disease progression. This integrative approach allows for the discernment of distinct disease states and enhances our understanding of PD heterogeneity.

Abstract Unraveling how cellular signaling is remodeled upon perturbation is crucial for understanding disease mechanisms and identifying potential drug targets. In this pursuit, computational tools generating mechanistic hypotheses from multi-omics data have invaluable potential. Here, we present a newly implemented version (2.0) of SignalingProfiler , a multi-step pipeline to draw mechanistic hypotheses on the signaling events impacting cellular phenotypes. SignalingProfiler 2.0 derives context-specific signaling networks by integrating proteogenomic data with the prior knowledge-causal network. This is a freely accessible and flexible tool that incorporates statistical, footprint-based, and graph algorithms to accelerate the integration and interpretation of multi-omics data. Through a benchmarking process on three proof-of-concept studies, we demonstrate the tool’s ability to generate hierarchical mechanistic networks recapitulating novel and known perturbed signaling and phenotypic outcomes, in both human and mice contexts. In summary, S ignalingProfiler 2.0 addresses the emergent need to derive biologically relevant information from complex multi-omics data by extracting interpretable networks.

SARS-CoV-2 pandemic clearly demonstrated the lack of preparation against novel and emerging viral diseases. This prompted an enormous effort to identify antiviral to curb viral spread and counteract future pandemics. Ribosome Inactivating Proteins (RIPs) and Ribotoxin-Like Proteins (RL-Ps) are toxin enzymes isolated from edible plants and mushrooms, both able to inactivate protein biosynthesis. In the present study, we combined imaging analyses, transcriptomic and proteomic profiling to deeper investigate the spectrum of antiviral activity of quinoin, type 1 RIP from quinoa seeds. Here, we show that RIPs, but not RL-Ps, acts on a post-entry step and impair SARS-CoV-2 replication, potentially by direct degradation of viral RNA. Interestingly, the inhibitory activity of quinoin was conserved also against other members of the Coronaviridae family suggesting a broader antiviral effect. The integration of mass spectrometry (MS)-based proteomics with transcriptomics, provided a comprehensive picture of the quinoin dependent remodeling of crucial biological processes, highlighting an unexpected impact on lipid metabolism. Thus, direct and indirect mechanisms can contribute to the inhibitory mechanism of quinoin, making RIPs family a promising candidate not only for their antiviral activity, but also as an effective tool to better understand the cellular functions and factors required during SARS-CoV-2 replication.

Summary Currently, the identification of patient-specific therapies in cancer is mainly informed by personalized genomic analysis. In the setting of acute myeloid leukemia (AML), patient-drug treatment matching fails in a subset of patients harboring atypical internal tandem duplications (ITDs) in the tyrosine kinase domain of the FLT3 gene. To address this unmet medical need, here we develop a systems-based strategy that integrates multiparametric analysis of crucial signaling pathways, patient-specific genomic and transcriptomic data with a prior-knowledge signaling network using a Boolean-based formalism. By this approach, we derive personalized predictive models describing the signaling landscape of AML FLT3-ITD positive cell lines and patients. These models enable us to derive mechanistic insight into drug resistance mechanisms and suggest novel opportunities for combinatorial treatments. Interestingly, our analysis reveals that the JNK kinase pathway plays a crucial role in the tyrosine kinase inhibitor response of FLT3-ITD cells through cell cycle regulation. Finally, our work shows that patient-specific logic models have the potential to inform precision medicine approaches.

Summary Internal tandem duplications (ITDs) in the FLT3 gene are frequently identified and confer a poor prognosis in patient affected by acute myeloid leukemia (AML). The insertion site of the ITDs in FLT3 significantly impacts the sensitivity to tyrosine kinase inhibitors (TKIs) therapy, affecting patient’s clinical outcome. To decipher the molecular mechanisms driving the different sensitivity to TKIs therapy of FLT3-ITD mutation, we used high-sensitive mass spectrometry-based (phospho)proteomics and deep sequencing. Here, we present a novel generally-applicable strategy that supports the integration of unbiased large-scale datasets with literature-derived signaling networks. The approach produced FLT3-ITDs specific predictive models and revealed a crucial and conserved role of the WEE1-CDK1 axis in TKIs resistance. Remarkably, we found that pharmacological inhibition of the WEE1 kinase synergizes and strengthens the pro-apoptotic effect of TKIs therapy in cell lines and patient-derived primary blasts. In conclusion, this work proposes a new molecular mechanism of TKIs resistance in AML and suggests a combination therapy as option to improve therapeutic efficacy.

Abstract Unraveling the cellular signaling remodeling upon a perturbation is a fundamental challenge to understand disease mechanisms and to identify potential drug targets. In this pursuit, computational tools that generate mechanistic hypotheses from multi-omics data have invaluable potential. Here we present SignalingProfiler 2.0, a multi-step pipeline to systematically derive context-specific signaling models by integrating proteogenomic data with prior knowledge-causal networks. This is a freely accessible and flexible tool that incorporates statistical, footprint-based, and graph algorithms to accelerate the integration and interpretation of multi-omics data. Through benchmarking and rigorous parameter selection on a proof-of-concept study, performed in metformin-treated breast cancer cells, we demonstrate the tool’s ability to generate a hierarchical mechanistic network that recapitulates novel and known drug-perturbed signaling and phenotypic outcomes. In summary, S ignalingProfiler 2.0 addresses the emergent need to derive biologically relevant information from complex multi-omics data by extracting interpretable networks.