Abstract Many transcription factors (TFs) translocate to the nucleus with varied dynamic patterns in response to different inputs. A notable example of such behavior is RelA, a subunit of NF-κB, which translocates to the nucleus with either pulsed or sustained dynamics, depending on the stimulus. Our understanding of how these dynamics are interpreted by downstream genes has remained incomplete, partly because ubiquitously used environmental inputs activate other transcriptional regulators in addition to RelA. Here, we use an optogenetic tool, CLASP (controllable light-activated shuttling and plasma membrane sequestration), to control RelA spatiotemporal dynamics in mouse fibroblasts and quantify their effect on downstream genes using RNA-seq. Using RelA-CLASP, we show for the first time that nuclear translocation of RelA, without post-translational modifications or activation of other transcriptional regulators, is sufficient to activate downstream genes. Furthermore, we find that TNFα, a common endogenous input, regulates many genes independently of RelA, and that this gene regulation is different from that induced by RelA-CLASP. Genes responsive to RelA-CLASP show a wide range of dynamics in response to a constant RelA input. We use a simple promoter model to recapitulate these diverse dynamic responses, as well as data collected in response to a pulsed RelA-CLASP input, and extract features of many RelA-responsive promoters. We also pinpoint many genes for which more complex models, involving feedback or multi-step promoters, may be needed to explain their response to constant and pulsed TF inputs. This study introduces a new robust tool for studying mammalian transcriptional regulation and demonstrates the power of optogenetic tools in dissecting the quantitative features of important cellular pathways.

Abstract Methicillin-resistant Staphylococcus aureus (MRSA) bacteremia is a common, life-threatening infection that imposes up to 30% mortality even when appropriate therapy is used. Despite in vitro efficacy, antibiotics often fail to resolve the infection in vivo , resulting in persistent MRSA bacteremia. Recently, several genetic, epigenetic, and proteomic correlates of persistent outcomes have been identified. However, the extent to which single variables or composite patterns operate as independent predictors of outcome or reflect shared underlying mechanisms of persistence is unknown. To explore this question, we employed a tensor-based integration of host transcriptional and proteomic data across a well-characterized cohort of patients with persistent and resolving MRSA bacteremia outcomes. Tensor-based data integration yielded high correlative accuracy with persistence and revealed immunologic signatures shared across both the transcriptomic and proteomic datasets. We find that elevated proliferation of mature granulocytes associates with resolving bacteremia outcomes. In contrast, patients with persistent bacteremia heterogeneously exhibit correlates of granulocyte dysfunction or immature granulocyte proliferation. Collectively, these results suggest that transcriptional and proteomic correlates of persistent versus resolving bacteremia outcomes are complex and may not be disclosed by conventional modeling. However, a tensor-based integration approach can help to reveal consensus molecular mechanisms in an interpretable manner. Significance Statement While antibacterial therapies effectively resolve MRSA in vitro , these treatments often fail to clear MRSA bacteremia in vivo , suggesting that host-pathogen interactions are essential to persistent MRSA bacteremia. Recent studies have identified genetic, transcriptomic, and proteomic determinants of MRSA persistence. These determinants independently, however, provide insufficient mechanistic insight and it is unclear if they indicate unique or overlapping persistence mechanisms. Here, we use tensor-based decomposition to jointly analyze cytokine and transcriptomic measurements from patients with MRSA bacteremia. Results indicate that persistence mechanisms integrated across biological modalities reflect diverging mechanisms of persistent bacteremia. Ultimately, these results may help to identify future therapeutic targets for treating persistent MRSA bacteremia.

ABSTRACT Necroptosis is a form of regulated cell death that has been associated with degenerative disorders, autoimmune processes, inflammatory diseases, and cancer. To better understand the biochemical mechanisms of necroptosis cell death regulation, we constructed a detailed biochemical model of tumor necrosis factor (TNF)-induced necroptosis based on known molecular interactions. Intracellular protein levels, used as model inputs, were quantified using label-free mass spectrometry, and the model was calibrated using Bayesian parameter inference to experimental protein time course data from a well-established necroptosis-executing cell line. The calibrated model accurately reproduced the dynamics of phosphorylated mixed lineage kinase domain-like protein (pMLKL), an established necroptosis reporter. A dynamical systems analysis identified four distinct modes of necroptosis signal execution, which can be distinguished based on rate constant values and the roles of the deubiquitinating enzymes A20 and CYLD in the regulation of RIP1 ubiquitination. In one case, A20 and CYLD both contribute to RIP1 deubiquitination, in another RIP1 deubiquitination is driven exclusively by CYLD, and in two modes either A20 or CYLD acts as the driver with the other enzyme, counterintuitively, inhibiting necroptosis. We also performed sensitivity analyses of initial protein concentrations and rate constants and identified potential targets for modulating necroptosis sensitivity among the biochemical events involved in RIP1 ubiquitination regulation and the decision between complex II degradation and necrosome formation. We conclude by associating numerous contrasting and, in some cases, counterintuitive experimental results reported in the literature with one or more of the model-predicted modes of necroptosis execution. Overall, we demonstrate that a consensus pathway model of TNF-induced necroptosis can provide insights into unresolved controversies regarding the molecular mechanisms driving necroptosis execution for various cell types and experimental conditions.

Abstract Macrophages show remarkable functional pleiotropy that is dependent on microenvironmental context. Prior studies have characterized how polarizing cytokines alter the transcriptomic and epigenetic landscape. Here we characterized the immune-threat appropriate responses of polarized macrophages by measuring the single-cell signaling dynamics of transcription factor NFκB. Leveraging a fluorescent protein reporter mouse, primary macrophages were polarized into 6 states and stimulated with 8 different stimuli resulting in a vast dataset. Linear Discriminant Analysis revealed how NFκB signaling codons compose the immune threat level of stimuli, placing polarization states along a linear continuum between the M1/M2 dichotomy. Machine learning classification revealed losses of stimulus distinguishability with polarization, which reflect a switch from sentinel to more canalized effector functions. However, the stimulus-response dynamics and discrimination patterns did not fit the M1/M2 continuum. Instead, our analysis suggests macrophage functional niches within a multi-dimensional polarization landscape. Highlights Polarization of macrophages affects stimulus-response NFκB dynamics For each condition, NFκB signaling codons quantify the “immune threat” level Machine Learning reveals polarization-induced canalization of stimulus-responses NFκB stimulus-responses may define a landscape of macrophage states eTOC blurb Macrophages are profoundly responsive to their tissue microenvironment, but how that affects their pathogen response functions has not been investigated systematically. Here we studied how their signaling response is affected by six polarizing cytokines. We found each modulates their stimulus-responses highly specifically, producing distinct patterns of stimulus-discrimination. Thereby, these stimulus-response specificities may be used to describe a landscape of functional macrophage states. Graphical Abstract

Abstract Acute and chronic inflammatory pathologies involve misregulation of macrophage functions. Physiologically, macrophages are immune sentinels that initiate inflammatory responses via the transcription factor NFκB. The temporal pattern of NFκB activity determines which genes are expressed, suggesting that a temporal signaling code specifies a stimulus-appropriate immune response. To identify the signaling codewords, we developed tools to enable high-throughput analysis of live, primary macrophages responding to host- and pathogen-derived stimuli. An information-theoretic workflow identified six dynamical features that constitute codewords that convey stimulus information to the nucleus. In particular, “oscillatory” trajectories are a hallmark of the responses to host cytokine TNF. Remarkably, examining macrophages derived from a systemic autoimmune disease model suggests that confusion of two NFκB signaling codewords, and thus miscoding of TNF as a pathogen-derived stimulus, may underlie sporadic inflammatory pathology. Overall, this study identifies six codewords of the temporal NFκB signaling code for classifying immune threats and demonstrates their biological significance.

ABSTRACT In-person undergraduate research experiences (UREs) promote students’ integration into careers in life science research. In 2020, the COVID-19 pandemic prompted institutions hosting summer URE programs to offer them remotely, raising questions about whether undergraduates who participate in remote research can experience scientific integration. To address this, we investigated indicators of scientific integration for students who participated in remote life science URE programs in summer 2020. We found that these students experienced gains in their scientific self-efficacy and scientific identity similar to results reported for in-person UREs. We also found that these students perceived high benefits and low costs of doing research at the outset of their programs, and their perceptions did not change despite the remote circumstances. Yet, their perceptions differed by program, indicating that programs differentially affected students’ perceptions of the costs of doing research. Finally, we observed that students with prior research experience made greater gains in self-efficacy and identity, as well as in their perceptions of the alignment of their values with those of the scientific community, in comparison to students with no prior research experience. This finding suggests that additional programming may be needed for undergraduates with no prior experience to benefit from remote research.

Abstract Interferon β (IFN- β ) signaling activates the transcription factor complex ISGF3 to induce gene expression programs critical for antiviral defense and host immune responses. It has also been observed that IFN- β activates a second transcription factor, γ-activated factor (GAF), but the significance of this coordinated activation is unclear. We report that in respiratory epithelial cells high doses of IFN- β indeed activate both ISGF3 and GAF, which bind to distinct genomic locations defined by their respective DNA sequence motifs. In contrast, low doses of IFN- β preferentially activate ISGF3 but not GAF. Surprisingly, in epithelial cells GAF binding does not induce nearby gene expression even when strongly bound to the promoter. Yet expression of interferon stimulated genes is enhanced when GAF and ISGF3 are both active compared to ISGF3 alone. Our data suggest that GAF enhances ISGF3 target gene expression by co-localizing with ISGF3 at some promoters and facilitating chromosome looping between distal enhancers and other promoters. We propose that GAF may function as a dose-sensitive amplifier of ISG expression to enhance antiviral immunity and establish pro-inflammatory states in respiratory epithelial cells. One sentence summary GAF is transcriptionally inactive in epithelial cells but enhances expression of ISGF3 target genes, thus functioning as a dose-sensitive amplifier of the IFN- β response.

ABSTRACT Metabolites and metabolic co-factors can shape the innate immune response, though the pathways by which these molecules adjust inflammation remain incompletely understood. Here we show that the metabolic cofactor Coenzyme A (CoA) enhances IL-4 driven alternative macrophage activation [m(IL-4)] in vitro and in vivo . Unexpectedly, we found that perturbations in intracellular CoA metabolism did not influence m(IL-4) differentiation. Rather, we discovered that exogenous CoA provides a weak TLR4 signal which primes macrophages for increased receptivity to IL-4 signals and resolution of inflammation via MyD88. Mechanistic studies revealed MyD88-linked signals prime for IL-4 responsiveness, in part, by reshaping chromatin accessibility to enhance transcription of IL-4-linked genes. The results identify CoA as a host metabolic co-factor that influences macrophage function through an extrinsic TLR4-dependent mechanism, and suggests that damage-associated molecular patterns (DAMPs) can prime macrophages for alternative activation and resolution of inflammation.

Summary The identification of prognostic biomarkers fuels personalized medicine. Here we tested two underlying, but often overlooked assumptions: 1) measurements at the steady state are sufficient for predicting the response to drug action, and 2) specifically, measurements of molecule abundances are sufficient. It is not clear that these are justified, as 1) the response results from non-linear molecular relationships, and 2) the steady state is defined by both abundance and orthogonal flux information. An experimentally validated mathematical model of the cellular response to the anti-cancer agent TRAIL was our test case. We developed a mathematical representation in which abundances and fluxes (static and kinetic network features) are largely independent, and simulated heterogeneous drug responses. Machine learning revealed predictive power, but that kinetic, not static network features were most informative. Analytical treatment of the underlying network motif identified kinetic buffering as the relevant circuit design principle. Our work suggests that network topology considerations ought to guide biomarker discovery efforts. Graphic abstract Highlights – Biomarkers are usually molecule abundances but underlying networks are dynamic – Our method allows separate consideration of heterogeneous abundances and fluxes – For the TRAIL cell death network machine learning reveals fluxes as more predictive – Network motif analyses could render biomarker discovery efforts more productive eTOC blurb Precision medicine relies on discovering which measurements of the steady state predict therapeutic outcome. Loriaux et al show – using a new analytical approach – that depending on the underlying molecular network, synthesis and degradation fluxes of regulatory molecules may be more predictive than their abundances. This finding reveals a flaw in an implicit but hitherto untested assumption of biomarker discovery efforts and suggests that dynamical systems modeling is useful for directing future clinical studies in precision medicine.

MicroRNA-124 is expressed in neurons, where it represses genes inhibitory for neuronal differentiation, including the RNA binding protein PTBP1. PTBP1 maintains non-neuronal splicing patterns of mRNAs that switch to neuronal isoforms upon neuronal differentiation. We find that pri-miR-124-1 is expressed in mouse embryonic stem cells (mESCs) where mature miR-124 is absent. PTBP1 binds to this precursor RNA upstream of the miRNA stem-loop to inhibit mature miR-124 expression in vivo, and DROSHA cleavage of pri-miR-124-1 in vitro. This new function for PTBP1 in repressing miR-124 biogenesis adds an additional regulatory loop to the already intricate interplay between these two molecules. Applying mathematical modeling to examine the dynamics of this regulation, we find that the pool of pri-miR-124 whose maturation is blocked by PTBP1 creates a robust and self-reinforcing transition in gene expression as PTBP1 is depleted during early neuronal differentiation. While interlocking regulatory loops are often modeled between miRNAs and transcriptional regulators, our results indicate that miRNA targeting of posttranscriptional regulators also reinforces developmental decisions. Notably, induction of neuronal differentiation observed upon PTBP1 knockdown likely results from direct de-repression of miR-124, in addition to indirect effects previously described.