Abstract The endoplasmic reticulum (ER) is an important regulator of Ca 2+ in cells and dysregulation of ER calcium homeostasis can lead to numerous pathologies. Understanding how various pharmacological and genetic perturbations of ER Ca 2+ homeostasis impacts cellular physiology would likely be facilitated by more quantitative measurements of ER Ca 2+ levels that allow easier comparisons across conditions. Here, we developed a ratiometric version of our original ER-GCaMP probe that allows for more quantitative comparisons of the concentration of Ca 2+ in the ER across cell types and sub-cellular compartments. Using this approach we show that the resting concentration of ER Ca2+ in primary dissociated neurons is substantially lower than that in measured in embryonic fibroblasts.

Abstract Inhibitory neurons shape the brain’s computational landscape and rely on different cellular architectures and intrinsic properties than excitatory neurons. Maintenance of the overall balance of excitatory (E) versus inhibitory (I) drive is essential, as disruptions can lead to neuropathological conditions, including autism and epilepsy. Metabolic perturbations are a common driver of E/I imbalance but differential sensitivity of these two neuron types to metabolic lesions is not well understood. Here, we characterized differences in presynaptic bioenergetic regulation between excitatory and inhibitory nerve terminals using genetically encoded indicators expressed in primary dissociated neuronal cultures. Our experiments showed that inhibitory nerve terminals sustain higher ATP levels than excitatory nerve terminals arising from increased mitochondrial metabolism. Additionally, mitochondria in inhibitory neurons play a greater role in buffering presynaptic Ca 2+ and inhibitory mitochondrial Ca 2+ handling is differentially regulated by TMEM65-mediated acceleration of mitochondrial Ca 2+ extrusion following bursts of activity. These experiments thus identify differential reliance on mitochondrial function across two major neuron types.

Amyotrophic lateral sclerosis (ALS) is a disease characterized by progressive paralysis and death. Most ALS cases are sporadic (sALS) and patient heterogeneity poses a formidable challenge for the development of viable biomarkers and effective therapies. Applying untargeted metabolite profiling on 77 sALS patient-derived primary dermal fibroblast lines and 45 sex/age matched controls, we found that ~25% of cell lines (termed sALS-1) are characterized by upregulated trans-sulfuration, where methionine-derived homocysteine is channeled into cysteine and glutathione synthesis. sALS-1 fibroblasts exhibit a growth defect when grown under oxidative conditions, that can be fully-rescued by N-acetylcysteine. [U-13C]-glucose tracing shows that activation of the trans-sulfuration pathway is associated with accelerated glucose flux into the TCA cycle. Based on four metabolites, we developed a support vector machine model capable of distinguishing sALS-1 with 97.5% accuracy. Importantly, plasma metabolite profiling identifies a systemic perturbation of cysteine metabolism as a hallmark of sALS-1. These results indicate that sALS patients can be stratified into distinct metabotypes, differently sensitive to metabolic stress, and provides new insights into metabolic biomarkers for personalized sALS therapy.

Sporadic amyotrophic lateral sclerosis (sALS) is a progressive motor neuron disease resulting in paralysis and death. Genes responsible for familial ALS have been identified, however the molecular basis for sALS is unknown. To discover metabotypic biomarkers that inform on disease etiology, untargeted metabolite profiling was performed on 77 patient-derived dermal fibroblast lines and 45 age/sex-matched controls. Surprisingly, 25% of sALS lines showed upregulated methionine-derived homocysteine, channeled to cysteine and glutathione (GSH). Stable isotope tracing of [U-13C]-glucose showed activation of the trans-sulfuration pathway, associated with accelerated glucose flux into the TCA cycle, glutamate, GSH, alanine, aspartate, acylcarnitines and nucleotide phosphates. A four-molecule support vector machine model distinguished the sALS subtype from controls with 97.5% accuracy. Plasma metabolite profiling identified increased taurine as a hallmark metabolite for this sALS subset, suggesting systemic perturbation of cysteine metabolism. Furthermore, integrated multi-omics (mRNAs/microRNAs/metabolites) identified the super-trans-sulfuration pathway as a top hit for the sALS subtype. We conclude that sALS can be stratified into distinct metabotypes, providing for future development of personalized therapies that offer new hope to sufferers.

Abstract Objective Amyotrophic lateral sclerosis (ALS) is a devastating neuromuscular disease with limited therapeutic options. Diagnostic and surrogate endpoint biomarkers are needed for early disease detection, clinical trial design, and personalized medicine. Methods We tested the predictive power of a large set of primary skin fibroblast (n=443) from sporadic and familial ALS patients and healthy controls. We measured morphometric features of endoplasmic reticulum, mitochondria, and lysosomes by imaging with vital dyes. We also analysed immunofluorescence images of ALS-linked proteins, including TDP-43 and stress granule components. We studied fibroblasts under basal conditions and under metabolic (galactose medium), oxidative (arsenite), and heat stress conditions. We then employed machine learning (ML) techniques on the dataset to develop biomarkers. Results Stress perturbations caused robust changes in the measured features, such as organellar morphology, stress granule formation, and TDP-43 mislocalization. ML approaches were able to predict the perturbation with near perfect performance (ROC-AUC > 0.99). However, when trying to predict disease state or disease groups (e.g., sporadic, or familial ALS), the performance of the ML algorithm was more modest (ROC-AUC Control vs ALS = 0.63). We also detected modest but significant scores when predicting clinical features, such as age of onset (ROC-AUC late vs early = 0.60). Conclusions Our findings indicate that the ML morphometry we developed can accurately predict if human fibroblasts are under stress, but the differences between ALS and controls, while statistically significant, are small and pose a challenge for the development of biomarkers for clinical use by these approaches.