Abstract Argonaute 2 (AGO2), the effector protein partner of microRNAs (miRNAs) in the cytoplasmic RNA induced silencing complex, is further involved in nuclear RNA processing. However, a role for AGO2 in regulation of alternative polyadenylation was not yet demonstrated. Here, we reveal unexpected abundance of AGO2 in mouse neuronal nuclei and characterize nuclear AGO2 interactors by mass spectrometry. We discover that AGO2 broadly regulated alternative polyadenylation (APA) in neuronal cells. Specifically, we demonstrate how two isoforms of Ret mRNA, which encodes a receptor tyrosine kinase are regulated by AGO2-depenent APA, affecting downstream GDNF signaling in primary motor neurons.

Abstract The non-coding genome is substantially larger than the protein-coding genome but is largely unexplored by genetic association studies. Here, we performed region-based burden analysis of >25,000 variants in untranslated regions of 6,139 amyotrophic lateral sclerosis (ALS) whole-genomes and 70,403 non-ALS controls. We identified Interleukin-18 Receptor Accessory Protein (IL18RAP) 3′UTR variants significantly enriched in non-ALS genomes, replicated in an independent cohort, and associated with a five-fold reduced risk of developing ALS. Variant IL18RAP 3′UTR reduces mRNA stability and the binding of RNA-binding proteins. Variant IL18RAP 3′UTR further dampens neurotoxicity of human iPSC-derived C9orf72-ALS microglia that depends on NF-κB signaling. Therefore, the variant IL18RAP 3′UTR provides survival advantage for motor neurons co-cultured with C9-ALS microglia. The study reveals direct genetic evidence and therapeutic targets for neuro-inflammation, and emphasizes the importance of non-coding genetic association studies. One Sentence Summary Non-coding genetic variants in IL-18 receptor 3’UTR decrease ALS risk by modifying IL-18-NF-κB signaling in microglia.

Abstract Systematic assessment of organelle architectures in cells, known as the organellome, could provide valuable insights into cellular states and disease pathologies but remains largely uncharted. Here, we devised a novel pipeline combining self-supervised deep learning and transfer learning to generate a Neuronal Organellomics Vision Atlas (NOVA). Analyzing over 1.5 million confocal images of 24 distinct membrane-bound and membrane-less organelles in human neurons, we enable a simultaneous evaluation of all organelles. We show that organellomics allows the study of cellular phenotypes by quantifying the localization and morphological properties embodied in multiple different organelles, using a unified score. We further developed a strategy to superimpose all organelles, which represents a new realization of cellular state. The value of our approach is demonstrated by characterizing specific organellar responses of human neurons to stress, cytoplasmic mislocalization of TDP-43, or disease-associated variations in ALS genes. Therefore, organellomics offers a novel approach to study the neuro-cellular biology of diseases. Highlights AI-driven organellomics without cell segmentation or multiplexed imaging. Analysis of 24 membrane-bound and membrane-less organelles in more than 1.5 million images of human neurons. Quantitative organelle-level description of neuronal response to chemical and genetic perturbations. Organelles ranked on a single metric scale and integrated organellome view via superposition of multiple organelles.