Peroxidase-modified amperometric electrodes have been widely studied and developed, not only because of hydrogen- and organic peroxides are important analytes but also because of the key role of hydrogen peroxide detection in coupled enzyme systems, in which hydrogen peroxide is formed as the product of the enzymatic reaction. Many important analytes, such as, aromatic amines, phenolic compounds, glucose, lactate, neurotransmitters, etc. could be monitored by using bi- or multi-enzyme electrodes. In this review the heterogeneous electron transfer properties of peroxidases are discussed as a basis for the analytical application of the peroxidase-modified amperometric electrodes, and examples are given for various peroxidase electrode designs and their application.

After the successful completion of the Human Genome Project, the Human Proteome Organization has recently officially launched a global Human Proteome Project (HPP), which is designed to map the entire human protein set. Given the lack of protein-level evidence for about 30% of the estimated 20,300 protein-coding genes, a systematic global effort will be necessary to achieve this goal with respect to protein abundance, distribution, subcellular localization, interaction with other biomolecules, and functions at specific time points. As a general experimental strategy, HPP research groups will use the three working pillars for HPP: mass spectrometry, antibody capture, and bioinformatics tools and knowledge bases. The HPP participants will take advantage of the output and cross-analyses from the ongoing Human Proteome Organization initiatives and a chromosome-centric protein mapping strategy, termed C-HPP, with which many national teams are currently engaged. In addition, numerous biologically driven and disease-oriented projects will be stimulated and facilitated by the HPP. Timely planning with proper governance of HPP will deliver a protein parts list, reagents, and tools for protein studies and analyses, and a stronger basis for personalized medicine. The Human Proteome Organization urges each national research funding agency and the scientific community at large to identify their preferred pathways to participate in aspects of this highly promising project in a HPP consortium of funders and investigators.

Hypoxia promotes tumour aggressiveness and resistance of cancers to oncological treatment. The identification of cancer cell internalizing antigens for drug targeting to the hypoxic tumour niche remains a challenge of high clinical relevance. Here we show that hypoxia down-regulates the surface proteome at the global level and, more specifically, membrane proteome internalization. We find that hypoxic down-regulation of constitutive endocytosis is HIF-independent, and involves caveolin-1-mediated inhibition of dynamin-dependent, membrane raft endocytosis. Caveolin-1 overexpression inhibits protein internalization, suggesting a general negative regulatory role of caveolin-1 in endocytosis. In contrast to this global inhibitory effect, we identify several proteins that can override caveolin-1 negative regulation, exhibiting increased internalization at hypoxia. We demonstrate antibody-mediated cytotoxin delivery and killing specifically of hypoxic cells through one of these proteins, carbonic anhydrase IX. Our data reveal that caveolin-1 modulates cell-surface proteome turnover at hypoxia with potential implications for specific targeting of the hypoxic tumour microenvironment.

Abstract Prognostic analysis for early-stage (stage I/II) melanomas is of paramount importance for customized surveillance and treatment plans. Since immune checkpoint inhibitors have recently been approved for stage IIB and IIC melanomas, prognostic tools to identify patients at high risk of recurrence have become even more critical. This study aims to assess the effectiveness of machine-learning algorithms in predicting melanoma recurrence using clinical and histopathologic features from Electronic Health Records (EHRs). We collected 1720 early-stage melanomas: 1172 from the Mass General Brigham healthcare system (MGB) and 548 from the Dana-Farber Cancer Institute (DFCI). We extracted 36 clinicopathologic features and used them to predict the recurrence risk with supervised machine-learning algorithms. Models were evaluated internally and externally: (1) five-fold cross-validation of the MGB cohort; (2) the MGB cohort for training and the DFCI cohort for testing independently. In the internal and external validations, respectively, we achieved a recurrence classification performance of AUC: 0.845 and 0.812, and a time-to-event prediction performance of time-dependent AUC: 0.853 and 0.820. Breslow tumor thickness and mitotic rate were identified as the most predictive features. Our results suggest that machine-learning algorithms can extract predictive signals from clinicopathologic features for early-stage melanoma recurrence prediction, which will enable the identification of patients that may benefit from adjuvant immunotherapy.

Abstract Huntington’s disease (HD) is a neurodegenerative disorder caused by CAG expansions in the huntingtin (HTT) gene. Modelling HD has remained challenging, as rodent and cellular models poorly recapitulate the disease. To address this, we generated induced neurons (iNs) through direct reprogramming of human skin fibroblasts, which retain age-dependent epigenetic characteristics. HD-iNs displayed profound deficits in autophagy, characterised by reduced transport of late autophagic structures from the neurites to the soma. The neurite-specific alterations in autophagy resulted in shorter, thinner and fewer neurites presented by HD-iNs. CRISPRi-mediated silencing of HTT did not rescue this phenotype but rather resulted in additional autophagy alterations in ctrl-iNs, highlighting the importance of wild type HTT in neuronal autophagy. In summary, our work identifies a distinct subcellular autophagy impairment in aged patient derived HD-neurons and provides a new rational for future development of autophagy activation therapies.

Summary Malignant melanoma (MM) develops from the melanocytes and in its advanced stage is the most aggressive type of skin cancer. Here we report a comprehensive analysis on a prospective cohort study, including non-tumor, primary and metastasis tissues (n=77) with the corresponding plasma samples (n=56) from patients with malignant melanoma. The tumors and surrounding tissues were characterized with a combination of high-throughput analyses including quantitative proteomics, phosphoproteomics, acetylomics, and whole exome sequencing (WES) combined with in-depth histopathology analysis. Melanoma cell proliferation highly correlates with dysregulation at the proteome, at the posttranslational- and at the transcriptome level. Some of the changes were also verified in the plasma proteome. The metabolic reprogramming in melanoma includes upregulation of the glycolysis and the oxidative phosphorylation, and an increase in glutamine consumption, while downregulated proteins involved in the degradation of amino acids, fatty acids, and the extracellular matrix (ECM) receptor interaction. The pathways most dysregulated in MM including the MAP kinases-, the PI3K-AKT signaling, and the calcium homeostasis, are among the most affected by mutations, thus, dysregulation in these pathways can be manifested as drivers in melanoma development and progression. The phosphoproteome analysis combined with target-based prediction mapped 75% of the human kinome. Melanoma cell proliferation was driven by two key factors: i) metabolic reprogramming leading to upregulation of the glycolysis and oxidative phosphorylation, supported by HIF-1 signaling pathway and mitochondrial translation; and ii) a dysregulation of the immune system response, which was mirrored by immune system processes in the plasma proteome. Regulation of the melanoma acetylome and expression of deacetylase enzymes discriminated between groups based on tissue origin and proliferation, indicating a way to guide the successful use of HDAC inhibitors in melanoma. The disease progression toward metastasis is driven by the downregulation of the immune system response, including MHC class I and II, which allows tumors to evade immune surveillance. Altogether, new evidence is provided at different molecular levels to allow improved understanding of the melanoma progression, ultimately contributing to better treatment strategies. TOC figure

Abstract The utilization of PD1 and CTLA4 inhibitors has revolutionized the treatment of malignant melanoma (MM). However, resistance to targeted and immune-checkpoint-based therapies still poses a significant problem. Here we mine large scale MM proteogenomic data integrating it with MM cell line dependency screen, and drug sensitivity data to identify druggable targets and forecast treatment efficacy and resistance. Leveraging protein profiles from established MM subtypes and molecular structures of 82 cancer treatment drugs, we identified nine candidate hub proteins, mTOR, FYN, PIK3CB, EGFR, MAPK3, MAP4K1, MAP2K1, SRC and AKT1, across five distinct MM subtypes. These proteins serve as potential drug targets applicable to one or multiple MM subtypes. By analyzing transcriptomic data from 48 publicly accessible melanoma cell lines sourced from Achilles and CRISPR dependency screens, we forecasted 162 potentially targetable genes. We also identified genetic resistance in 260 genes across at least one melanoma subtype. In addition, we employed publicly available compound sensitivity data (Cancer Therapeutics Response Portal, CTRPv2) on the cell lines to assess the correlation of compound effectiveness within each subtype. We have identified 20 compounds exhibiting potential drug impact in at least one melanoma subtype. Remarkably, employing this unbiased approach, we have uncovered compounds targeting ferroptosis, that demonstrate a striking 30x fold difference in sensitivity among different subtypes. This implies that the proteogenomic classification of melanoma has the potential to predict sensitivity to ferroptosis compounds. Our results suggest innovative and novel therapeutic strategies by stratifying melanoma samples through proteomic profiling, offering a spectrum of novel therapeutic interventions and prospects for combination therapy. Highlights (1) Proteogenomic subtype classification can define the landscape of genetic dependencies in melanoma (2) Nine proteins from molecular subtypes were identified as potential drug targets for specified MM patients (3) 20 compounds identified that show potential effectiveness in at least one melanoma subtype (4) Proteogenomics can predict specific ferroptosis inducers, HDAC, and RTK Inhibitor sensitivity in melanoma subtypes Graphical abstract

The forebrain has expanded in size and complexity during hominoid evolution. The contribution of post-transcriptional control of gene expression to this process is unclear. Using in-depth proteomics in combination with bulk and single-cell RNA sequencing, we analyzed protein and RNA levels of almost 5,000 genes in human and chimpanzee forebrain neural progenitor cells. We found that species differences in protein expression level was often independent of RNA levels, and more frequent than transcriptomic differences. Low-abundant proteins were more likely to show species-specific expression levels, while proteins expressed at a high level appeared to have evolved under stricter constraints. Our study implicates a previously unappreciated broad and important role for post-transcriptional regulatory mechanisms in the evolution of the human forebrain.

Here we describe the histopathology-driven proteogenomic landscape of 142 treatment-naive metastatic melanoma samples. We identified five proteomic subtypes that integrate the immune and stroma microenvironment components, and associate with clinical and histopathological parameters, providing foundations for an in-depth molecular classification of melanoma. Our study shows that BRAF V600 mutated melanomas display heterogeneous biology, where the presence of an oncogene-induced senescence-like phenotype improves patient survival. Therefore, we propose a mortality-risk-based stratification, which may contribute to a more personalized approach to patient treatment. We also found a strong association between tumor microenvironment composition, disease progression, and patient outcome supported by single-cell omic signatures that point to straightforward histopathological connective tissue-to-tumor ratio assessment for better informed medical decisions. A melanoma-associated signature of single amino acid variants (SAAV) responsible for remodeling the extracellular matrix was uncovered together with SAAV-derived neoantigen candidates as targets of anti-tumor immune responses. Overall, this study offers comprehensive stratifications of melanoma metastases that may help develop tailored strategies for diagnosing and treating the disease.

While Immune checkpoint inhibition (ICI) therapy shows significant efficacy in metastatic melanoma, only about 50% respond, lacking reliable predictive methods. We introduce a panel of six proteins aimed at predicting response to ICI therapy. Evaluating previously reported proteins in two untreated melanoma cohorts, we used a published predictive model (EaSIeR score) to identify potential proteins distinguishing responders and non-responders. Six proteins initially identified in the ICI cohort correlated with predicted response in the untreated cohort. Additionally, three proteins correlated with patient survival, both at the protein, and at the transcript levels, in an independent immunotherapy treated cohort. Our study identifies predictive biomarkers across three melanoma cohorts, suggesting their use in therapeutic decision-making.