A forward genetic screen in fetal mice to identify genes involved in congenital heart disease (CHD) reveals that a large proportion of genes associated with CHD are related to cilia and cilia-transduced cell signalling, with potential implications for the human disease. The identification of genes causing congenital heart disease (CHD) has been challenging, in part because of the difficulty of distinguishing pathogenic mutations from random sequence genetic variability. Cecilia Lo and colleagues have therefore used a large-scale mouse forward genetic screen with chemical mutagenesis to recover mutations causing congenital heart disease. They identify 218 mouse models of the condition and, using whole-exome sequencing, 91 recessive mutations in 61 genes. A larger than expected proportion of these genes was found to be related to cilia and cilia-transduced cell signalling. Congenital heart disease (CHD) is the most prevalent birth defect, affecting nearly 1% of live births1; the incidence of CHD is up to tenfold higher in human fetuses2,3. A genetic contribution is strongly suggested by the association of CHD with chromosome abnormalities and high recurrence risk4. Here we report findings from a recessive forward genetic screen in fetal mice, showing that cilia and cilia-transduced cell signalling have important roles in the pathogenesis of CHD. The cilium is an evolutionarily conserved organelle projecting from the cell surface with essential roles in diverse cellular processes. Using echocardiography, we ultrasound scanned 87,355 chemically mutagenized C57BL/6J fetal mice and recovered 218 CHD mouse models. Whole-exome sequencing identified 91 recessive CHD mutations in 61 genes. This included 34 cilia-related genes, 16 genes involved in cilia-transduced cell signalling, and 10 genes regulating vesicular trafficking, a pathway important for ciliogenesis and cell signalling. Surprisingly, many CHD genes encoded interacting proteins, suggesting that an interactome protein network may provide a larger genomic context for CHD pathogenesis. These findings provide novel insights into the potential Mendelian genetic contribution to CHD in the fetal population, a segment of the human population not well studied. We note that the pathways identified show overlap with CHD candidate genes recovered in CHD patients5, suggesting that they may have relevance to the more complex genetics of CHD overall. These CHD mouse models and >8,000 incidental mutations have been sperm archived, creating a rich public resource for human disease modelling.

Summary Hypoplastic left heart syndrome (HLHS) is a severe congenital heart defect with 30% mortality from heart failure (HF) in the first year of life, but why only some patients suffer early-HF and its cause remain unknown. Modeling using induced pluripotent stem cell-derived cardiomyocytes (iPSC-CM) showed early-HF patient iPSC-CM have increased apoptosis, redox stress, and failed antioxidant response. This was associated with mitochondrial permeability transition pore (mPTP) opening, mitochondrial hyperfusion and respiration defects. Whereas iPSC-CM from patients without early-HF had hyper-elevated antioxidant response with increased mitochondrial fission and mitophagy. Single cell transcriptomics showed dichotomization by HF outcome, with mitochondrial dysfunction and endoplasmic reticulum (ER) stress associated with early-HF. Importantly, oxidative stress and apoptosis associated with early HF were rescued by sildenafil inhibition of mPTP opening or TUDCA suppression of ER stress. Together these findings demonstrate a new paradigm for modeling clinical outcome in iPSC-CM, demonstrating uncompensated mitochondrial oxidative stress underlies early HF in HLHS.

Abstract Adverse drug reactions (ADRs) are leading causes of death and drug withdrawals and frequently cooccur with comorbidities. However, systematic studies on the effects of drugs in comorbidities are lacking. Drug interactions with the cellular protein-protein interaction (PPI) network give rise to ADRs. We selected 6 comorbid disease pairs, identified the drugs used in the treatment of the individual diseases ‘A’ and ‘B’– 44 drugs in anxiety and depression, 128 in asthma and hypertension, 48 in chronic obstructive pulmonary disease and heart failure, 58 in type 2 diabetes and obesity, 58 in Parkinson’s disease and schizophrenia, and 84 in rheumatoid arthritis and osteoporosis – and categorized them based on whether they aggravate the comorbid condition. We constructed drug target networks (DTNs) and examined their enrichment among genes in disease A/B PPI networks, expressed across 53 tissues and involved in ~1000 pathways. To pinpoint the biological features characterizing the DTNs, we performed principal component analysis and computed the Euclidean distance between DTN component scores and feature loading values. DTNs of disease A drugs not contraindicated in B were affiliated with proteins common to A/B networks or uniquely found in the B network, similarly regulated common pathways, and disease-B specific pathways and tissues. DTNs of disease A drugs contraindicated in B were affiliated with common proteins or those uniquely found in the A network, differentially regulated common pathways, and disease A-specific pathways and tissues. Hence, DTN enrichment in pathways, tissues, and PPI networks of comorbid diseases will help identify drugs contraindications in comorbidities.

Abstract Background Hypoplastic left heart syndrome (HLHS), a severe congenital heart disease, is associated with poor neurodevelopmental outcomes, microcephaly, reduced cortical brain volume, brain dysmaturation, and neurobehavioral disorders such as autism. The involvement of patient intrinsic factors was indicated, but the mechanism is largely unknown. Methods Ohia mice with HLHS causing mutations in chromatin modifier Sin3A-associated protein 130 ( Sap130 ) and cell adhesion protein ProtocadherinA9 ( Pcdha9) were investigated for brain abnormalities by histology, immunomicroscopy, and molecular profiling by RNAseq, Sap130 ChIPseq, and genome-wide methylome analysis. Additionally, adult viable Pcdha9 m/m and Emx1-cre:Sap130 f/− mice with forebrain deletion of Sap130 were examined by brain MRI and behavioral assessments. Results Ohia mice have brain abnormalities comprising forebrain hypoplasia and microcephaly in conjunction with a cortical neurogenesis defect. This is associated with loss of intermediate progenitors due to mitotic arrest and apoptosis from multipolar spindle formation, a mechanism also observed in primary microcephaly. Brain RNAseq showed perturbation of REST transcriptional regulation of neurogenesis, disruption of CREB signaling regulating synaptic plasticity and memory, and defects in neurovascular coupling indicating perturbation of brain-sparing cerebral autoregulation. Disease pathways recovered included autism, intellectual disability, and other neurobehavioral/neurological deficits. These same pathways were observed upon intersection of genes that are differentially expressed with those that are differentially methylated and also are ChIPseq targets of Sap130, suggesting the transcriptional changes are epigenetically regulated. Adult viable mice harboring either the Pcdha9 mutation or forebrain-specific Sap130 deletion showed similar learning/memory deficits and autism-like behavior, suggesting they act on convergent pathways. Conclusions Our observations indicate the intrinsic factors contributing to the adverse neurodevelopmental outcome associated with HLHS involve spindle defects causing impaired corticoneurogenesis, and brain and behavioral deficits associated with perturbed epigenetic regulation of neurodevelopmental pathways. Novelty and Significance What is known? Hypoplastic left heart syndrome (HLHS), a severe congenital heart disease, is associated with adverse neurodevelopmental outcome attributable to patient intrinsic factors. Cortical neurogenesis defect with reduced brain volume and microcephaly are observed beginning in utero, suggesting a developmental etiology. Learning impairment and autism spectrum disorder are commonly observed in HLHS. What new information does this article contribute? The Ohia HLHS mouse model exhibits neurodevelopmental deficits comprising microcephaly and cortical neurogenesis defects with loss of neural progenitors from multipolar spindle formation, as well as impaired neurovascular coupling. Molecular profiling showed disturbance of REST, transcriptional regulator of neural stem cells, and CREB signaling regulating synaptic plasticity, with neurobehavioral assessments of the mutant mice showing learning/memory and autism-like behavioral deficits. Intersection of transcriptome and DNA methylation analyses uncovered an epigenetic basis for the neurodevelopmental/neurobehavioral abnormalities, Analysis of an HLHS mouse model indicated patient intrinsic factors causing adverse neurodevelopment in HLHS are genetic and epigenetic in etiology. This may include a mitotic spindle defect that would not be rescued by in utero aortic valvuloplasty, and a defect in neurovascular coupling that is likely to reduce the efficacy of maternal hyperoxygenation. However, epigenetic therapy may provide a new avenue for treatment that should be explored.

One of the goals of relation extraction is to identify protein-protein interactions (PPIs) in biomedical literature. Current systems are capturing binary relations and also the direction and type of an interaction. Besides assisting in the curation PPIs into databases, there has been little real-world application of these algorithms. We describe UPSITE, a text mining tool for extracting evidence in support of a hypothesized interaction. Given a predicted PPI, UPSITE uses a binary relation detector to check whether a PPI is found in abstracts in PubMed. If it is not found, UPSITE retrieves documents relevant to each of the two proteins separately, and extracts contextual information about biological events surrounding each protein, and calculates semantic similarity of the two proteins to provide evidential support for the predicted PPI. In evaluations, relation extraction achieved an Fscore of 0.88 on the HPRD50 corpus, and semantic similarity measured with angular distance was found to be statistically significant. With the development of PPI prediction algorithms, the burden of interpreting the validity and relevance of novel PPIs is on biologists. We suggest that presenting annotations of the two proteins in a PPI side-by-side and a score that quantifies their similarity lessens this burden to some extent.

There is a substantial unmet need for effective and patient-acceptable drugs to treat severe mental illnesses like schizophrenia. Computational analysis of genomic, transcriptomic, and pharmacologic data generated in the past two decades enables repurposing of drugs or compounds with acceptable safety profiles, namely those that are FDA-approved or reached late stages in clinical trials. We developed a rational approach to achieve this computationally for schizophrenia by studying drugs that target the proteins in its protein interaction network ('interactome'). This involved contrasting the transcriptomic modulations observed in the disorder and the drug; our analyses resulted in 12 candidate drugs, 9 of which had additional supportive evidence: their target networks were enriched for pathways relevant to schizophrenia etiology or for genes that had an association with diseases pathogenically similar to schizophrenia. To translate these computational results to the clinic, these shortlisted drugs must be tested empirically through randomized controlled trials (RCT), where their prior safety approvals obviate the need for time-consuming phase I and II studies. We selected two among the shortlisted candidates based on likely adherence and side effect profiles. We are testing them through adjunctive RCTs for patients with schizophrenia or schizoaffective disorder who experienced incomplete resolution of psychotic features with conventional treatment. The integrated computational analysis for identifying and ranking drugs for clinical trials can be iterated as additional data are obtained. Our approach could be expanded to enable disease subtype-specific drug discovery in future and should also be exploited for other psychiatric disorders.

Abstract S pondylo m etaphyseal d ysplasia, S edaghatian type (SMDS) is a rare and lethal skeletal dysplasia inherited in an autosomal recessive manner and caused by mutations in GPX4. In order to expand the functional landscape of this poorly studied disorder and accelerate the discovery of biologically insightful and clinically actionable targets, we constructed SMDS-centric and GPX4-centric protein-protein interaction (PPI) networks, augmented with novel protein interactors predicted by our HiPPIP algorithm. The SMDS-centric networks included those that showed the interconnections of GPX4 with other putative SMDS-associated genes and genes associated with other skeletal dysplasias. The GPX4-centric network showed the interconnections of GPX4 with genes whose perturbation has been known to affect GPX4 expression. We discovered that these networks either contained or were enriched with genes associated with specific SMDS pathophenotypes, tissue-naïve/fetus-specific functional modules and genes showing elevated expression in brain and/or testis similar to GPX4. We identified 7 proteins as novel interactors of GPX4 (APBA3, EGR4, FUT5, GAMT, GTF2F1, MATK and ZNF197) and showed their potential biological relevance to GPX4 or SMDS. Comparative transcriptome analysis of expression profiles associated with chondroplasia and immune-osseous dysplasia versus drug-induced profiles revealed 11 drugs that targeted the neighborhood network of GPX4 and other putative SMDS-associated genes. Additionally, resveratrol, which is currently being tested against a skeletal dysplasia in a clinical trial, was identified as another potential candidate based on the proximity of its targets to GPX4.

Abstract Beating of motile cilia at the brain ventricular surface generates rapid flow in an evolutionary conserved pattern mediating the transport of cerebrospinal fluid, but its functional importance has yet to be demonstrated. Here we show disturbance of this transport may contribute to seizure susceptibility. Mice haploinsufficient for FoxJ1 , transcription factor regulating motile cilia exhibited cilia-driven flow blockage and increased seizure susceptibility. Mutations in two epilepsy-associated kinases, Cdkl5 and Yes1, in mice resulted in similar cilia-driven flow blockage and increased seizure susceptibility. We showed this arises from disorganized cilia polarity associated with disruption in the highly organized basal body anchoring meshwork. Together these findings suggest mispatterning of cilia-generated flow may contribute to epilepsy and thus might account for seizures unresponsive to current seizure medications. One sentence summary Epilepsy is associated with disturbance of cilia motion and mispatterning of fluid transport in the brain ventricles.

Genes play a central role in all biological processes. DNA microarray technology has made it possible to study the expression behavior of thousands of genes in one go. Often, gene expression data is used to generate features for supervised and unsupervised learning tasks. At the same time, advances in the field of deep learning have made available a plethora of architectures. In this paper, we use deep architectures pre-trained in an unsupervised manner using denoising autoencoders as a preprocessing step for a popular unsupervised learning task. Denoising autoencoders (DA) can be used to learn a compact representation of input, and have been used to generate features for further supervised learning tasks. We propose that our deep architectures can be treated as empirical versions of Deep Belief Networks (DBNs). We use our deep architectures to regenerate gene expression time series data for two different data sets. We test our hypothesis on two popular datasets for the unsupervised learning task of clustering and find promising improvements in performance.

Abstract Background Malignant peritoneal mesothelioma (MPeM) is an aggressive cancer affecting the abdominal peritoneal lining and intra-abdominal organs, with a median survival of ~2.5 years. Methods We constructed the protein interactome of 59 MPeM-associated genes with previously known protein-protein interactions (PPIs) as well as novel PPIs predicted using our previously developed HiPPIP computational model and analysed it for transcriptomic and functional associations and for repurposable drugs. Results The MPeM interactome had over 400 computationally predicted PPIs and 4700 known PPIs. Transcriptomic evidence validated 75.6% of the genes in the interactome and 65% of the novel interactors. Some genes had tissue-specific expression in extramedullary hematopoietic sites and the expression of some genes could be correlated with unfavourable prognoses in various cancers. 39 out of 152 drugs that target the proteins in the interactome were identified as potentially repurposable for MPeM, with 29 having evidence from prior clinical trials, animal models or cell lines for effectiveness against peritoneal and pleural mesothelioma and primary peritoneal cancer. Functional modules related to chromosomal segregation, transcriptional dysregulation, IL-6 production and hematopoiesis were identified from the interactome. The MPeM interactome overlapped significantly with the malignant pleural mesothelioma interactome, revealing shared molecular pathways. Conclusions Our findings demonstrate the utility of the interactome in uncovering biological associations and in generating clinically translatable results.