Summary

 To provide a detailed analysis of the molecular components and underlying mechanisms associated with ovarian cancer, we performed a comprehensive mass-spectrometry-based proteomic characterization of 174 ovarian tumors previously analyzed by The Cancer Genome Atlas (TCGA), of which 169 were high-grade serous carcinomas (HGSCs). Integrating our proteomic measurements with the genomic data yielded a number of insights into disease, such as how different copy-number alternations influence the proteome, the proteins associated with chromosomal instability, the sets of signaling pathways that diverse genome rearrangements converge on, and the ones most associated with short overall survival. Specific protein acetylations associated with homologous recombination deficiency suggest a potential means for stratifying patients for therapy. In addition to providing a valuable resource, these findings provide a view of how the somatic genome drives the cancer proteome and associations between protein and post-translational modification levels and clinical outcomes in HGSC. 

Video Abstract

Here we present an optimized workflow for global proteome and phosphoproteome analysis of tissues or cell lines that uses isobaric tags (TMT (tandem mass tags)-10) for multiplexed analysis and relative quantification, and provides 3× higher throughput than iTRAQ (isobaric tags for absolute and relative quantification)-4-based methods with high intra- and inter-laboratory reproducibility. The workflow was systematically characterized and benchmarked across three independent laboratories using two distinct breast cancer subtypes from patient-derived xenograft models to enable assessment of proteome and phosphoproteome depth and quantitative reproducibility. Each plex consisted of ten samples, each being 300 μg of peptide derived from <50 mg of wet-weight tissue. Of the 10,000 proteins quantified per sample, we could distinguish 7,700 human proteins derived from tumor cells and 3100 mouse proteins derived from the surrounding stroma and blood. The maximum deviation across replicates and laboratories was <7%, and the inter-laboratory correlation for TMT ratio–based comparison of the two breast cancer subtypes was r > 0.88. The maximum deviation for the phosphoproteome coverage was <24% across laboratories, with an average of >37,000 quantified phosphosites per sample and differential quantification correlations of r > 0.72. The full procedure, including sample processing and data generation, can be completed within 10 d for ten tissue samples, and 100 samples can be analyzed in ~4 months using a single LC-MS/MS instrument. The high quality, depth, and reproducibility of the data obtained both within and across laboratories should enable new biological insights to be obtained from mass spectrometry-based proteomics analyses of cells and tissues together with proteogenomic data integration. This protocol describes a workflow for multiplexed deep-scale, quantitative proteome and phosphoproteome analysis of tumor tissue samples. The procedure includes step-by-step instructions for all stages, from sample preparation to data analysis.

Despite considerable research into whether face perception is impaired in autistic individuals, clear answers have proved elusive. In the present study, we sought to determine whether co-occurring alexithymia (characterized by difficulties interpreting emotional states) may be responsible for face-perception deficits previously attributed to autism. Two experiments were conducted using psychophysical procedures to determine the relative contributions of alexithymia and autism to identity and expression recognition. Experiment 1 showed that alexithymia correlates strongly with the precision of expression attributions, whereas autism severity was unrelated to expression-recognition ability. Experiment 2 confirmed that alexithymia is not associated with impaired ability to detect expression variation; instead, results suggested that alexithymia is associated with difficulties interpreting intact sensory descriptions. Neither alexithymia nor autism was associated with biased or imprecise identity attributions. These findings accord with the hypothesis that the emotional symptoms of autism are in fact due to co-occurring alexithymia and that existing diagnostic criteria may need to be revised.

Work on the "double empathy problem" (DEP) is rapidly growing in academic and applied settings (e.g., clinical practice). It is most popular in research on conditions, like autism, which are characterized by social cognitive difficulties. Drawing from this literature, we propose that, while research on the DEP has the potential to improve understanding of both typical and atypical social processes, it represents a striking example of a weak derivation chain in psychological science. The DEP is poorly conceptualized, and we find that it is being conflated with many other constructs (i.e., reflecting the "jingle-jangle" fallacy). We provide examples to show how this underlies serious problems with translating theoretical claims into empirical predictions and evidence. To start tackling these problems, we propose that DEP research needs reconsideration, particularly through a better synthesis with the cognitive neuroscience literature on social interaction. Overall, we argue for a strengthening of the derivation chain pertaining to the DEP, toward more robust research on (a)typical social cognition. Until then, we caution against the translation of DEP research into applied settings. (PsycInfo Database Record (c) 2024 APA, all rights reserved).

Protein glycosylation plays fundamental roles in many cellular processes, and previous reports have shown dysregulation to be associated with several human diseases, including diabetes, cancer, and neurodegenerative disorders. Despite the vital role of glycosylation for proper protein function, the analysis of glycoproteins has been lagged behind to other protein modifications. In this study, we describe the re-analysis of global proteomic data from breast cancer xenograft tissues using recently developed software package GPQuest 2.0, revealing a large number of previously unidentified N-linked glycopeptides. More importantly, we found that using immobilized metal affinity chromatography (IMAC) technology for the enrichment of phosphopeptides had co-enriched a substantial number of sialoglycopeptides, allowing for a large-scale analysis of sialoglycopeptides in conjunction with the analysis of phosphopeptides. Collectively, combined MS/MS analyses of global proteomic and phosphoproteomic datasets resulted in the identification of 6,724 N-linked glycopeptides from 617 glycoproteins derived from two breast cancer xenograft tissues. Next, we utilized GPQuest for the re-analysis of global and phosphoproteomic data generated from 108 human breast cancer tissues that were previously analyzed by Clinical Proteomic Analysis Consortium (CPTAC). Reanalysis of the CPTAC dataset resulted in the identification of 2,683 glycopeptides from the global proteomic data set and 4,554 glycopeptides from phosphoproteomic data set, respectively. Together, 11,292 N-linked glycopeptides corresponding to 1,731 N-linked glycosites from 883 human glycoproteins were identified from the two data sets. This analysis revealed an extensive number of glycopeptides hidden in the global and enriched in IMAC-based phosphopeptide-enriched proteomic data, information which would have remained unknown from the original study otherwise. The reanalysis described herein can be readily applied to identify glycopeptides from already existing data sets, providing insight into many important facets of protein glycosylation in different biological, physiological, and pathological processes.

Across research studies, autistic traits have consistently been found to predict the quality of life (QoL) of autistic adults. However, our understanding of their exact role remains limited, as autistic traits are typically examined as a unitary construct, with their multidimensional nature being largely overlooked. The present study examined the relative contribution of specific autistic trait domains – social anxiety, mentalising difficulties, and sensory reactivity – to QoL in autistic adults. Participants ( N = 300) completed clinically relevant measures of their autistic traits (i.e., RAADS-14) and QoL (i.e., WHOQOL-BREF and ASQoL), and provided socio-demographic details. Results showed that the consistent presence of social anxiety and mentalising difficulties across development, but not sensory reactivity, significantly predicted poorer QoL, even after accounting for one another and potential confounders. Comparing their relative importance, social anxiety emerged as the most dominant predictor of QoL amongst all variables, followed by mentalising difficulties. These findings provide evidence for the divergent contributions of autistic trait domains to QoL, adding nuance to our understanding of factors relating to autistic adults’ QoL. Overall, this study underscores the importance of considering individual differences in autistic trait profiles when designing individualised support programmes, such as prioritising attention to the presence of social anxiety and mentalising difficulties, to enhance the QoL of autistic adults. Lay Abstract Research consistently shows that autistic adults with more autistic traits generally experience poorer quality of life (QoL). However, our understanding of how they exactly link remains limited. This is because overall autistic trait scores are typically examined, even though autistic traits encompass different types of characteristics (e.g., social and non-social). Specifically, it is yet to be determined which particular autistic traits contribute most to QoL differences among autistic adults. To address this question, the present study examined the relative contributions of three specific domains of autistic traits – social anxiety, mentalising difficulties, and sensory reactivity – to QoL in 300 autistic adults, using self-report questionnaires. We found that the extent to which the three domains contributed to QoL differed. The consistent presence of social anxiety and mentalising difficulties across development, but not sensory reactivity, significantly predicted poorer QoL. Further to this, the presence of social anxiety, followed by mentalising difficulties, were the most important predictors of poorer QoL compared to all other variables, including being male, not being in a relationship, and having one or more co-occurring mental health conditions. These findings suggest that individual differences in specific autistic trait domains should be particularly attended to in the design of more tailored, personalised support programmes, given their important influence on one's satisfaction with life. Overall, this study demonstrates that it would be useful to maximise the clinical use of autistic trait measures, such as moving beyond the focus on overall scores, with an aim to effectively enhance the QoL of autistic adults.

Major depressive disorder (MDD) is a complex condition with unclear pathophysiology. Molecular disruptions within the periphery and limbic brain regions contribute to depression symptomatology. Here, we utilized a mouse chronic stress model of MDD and performed metabolomic, lipidomic, and proteomic profiling on serum plus several brain regions (ventral hippocampus, nucleus accumbens, and prefrontal cortex) of susceptible, resilient, and unstressed control mice. Proteomic analysis identified three serum proteins reduced in susceptible animals; lipidomic analysis detected differences in lipid species between resilient and susceptible animals in serum and brain; and metabolomic analysis revealed pathway dysfunctions of purine metabolism, beta oxidation, and antioxidants, which were differentially associated with stress susceptibility vs resilience by brain region. Antidepressant treatment ameliorated MDD-like behaviors and affected key metabolites within outlined networks, most dramatically in the ventral hippocampus. This work presents a resource for chronic stress-induced, tissue-specific changes in proteins, lipids, and metabolites and illuminates how molecular dysfunctions contribute to individual differences in stress sensitivity.

Abstract Background Brief questionnaires that comprehensively capture key restricted and repetitive behaviours (RRBs) across different informants have potential to support autism diagnostic services. We tested the psychometric properties of the 20-item Repetitive Behaviours Questionnaire-3 (RBQ-3), a questionnaire that includes self-report and informant-report versions enabling use across the lifespan. Method In Study 1, adults referred to a specialised adult autism diagnostic service ( N = 110) completed the RBQ-3 self-report version, and a relative or long-term friend completed the RBQ-3 informant-report version. Clinicians completed the abbreviated version of the Diagnostic Interview for Social and Communication Disorders (DISCO-Abbreviated) with the same adults as part of the diagnostic process. For half of the assessments, clinicians were blind to the RBQ-3 ratings. We tested internal consistency, cross-informant reliability and convergent validity of the RBQ-3. In Study 2, a follow-up online study with autistic ( N = 151) and non-autistic ( N = 151) adults, we further tested internal consistency of the RBQ-3 self-report version. We also tested group differences and response patterns in this sample. Results Study 1 showed good to excellent internal consistency for both self- and informant-report versions of the RBQ-3 (total score, α = 0.90, ω = 0.90, subscales, α = 0.76-0.89, ω = 0.77-0.88). Study 1 also showed cross-informant reliability as the RBQ-3 self-report scores significantly correlated with RBQ-3 informant-report scores for the total score ( r s = 0.71) and subscales ( r s = 0.69-0.72). Convergent validity was found for both self and informant versions of the RBQ-3, which significantly correlated with DISCO-Abbreviated RRB domain scores ( r s = 0.45-0.54). Moreover, the RBQ-3 scores showed significantly weaker association with DISCO -Abbreviated scores for the Social Communication domain, demonstrating divergent validity. Importantly, these patterns of validity were found even when clinicians were blind to RBQ-3 items. In Study 2, for both autistic and non-autistic groups, internal consistency was found for the total score (α = 0.82-0.89, ω = 0.81-0.81) and for subscales (α = 0.68-0.85, ω = 0.69-0.85). A group difference was found between groups. Limitations Due to the characteristics and scope of the specialist autism diagnostic service, further testing is needed to include representative samples of age (including children) and intellectual ability, and those with a non-autistic diagnostic outcome. Conclusions The RBQ-3 is a questionnaire of RRBs that can be used across the lifespan. The current study tested its psychometric properties with autistic adults without intellectual disability and supported its utility for both clinical diagnostic and research settings.

Rapid development and wide adoption of mass spectrometry-based proteomics technologies have empowered scientists to study proteins and their modifications in complex samples on a large scale. This progress has also created unprecedented challenges for individual labs to store, manage and analyze proteomics data, both in the cost for proprietary software and high-performance computing, and the long processing time that discourages on-the-fly changes of data processing settings required in explorative and discovery analysis. We developed an open-source, cloud computing-based pipeline, MS-PyCloud, with graphical user interface (GUI) support, for LC-MS/MS data analysis. The major components of this pipeline include data file integrity validation, MS/MS database search for spectral assignment, false discovery rate estimation, protein inference, determination of protein post-translation modifications, and quantitation of specific (modified) peptides and proteins. To ensure the transparency and reproducibility of data analysis, MS-PyCloud includes open source software tools with comprehensive testing and versioning for spectrum assignments. Leveraging public cloud computing infrastructure via Amazon Web Services (AWS), MS-PyCloud scales seamlessly based on analysis demand to achieve fast and efficient performance. Application of the pipeline to the analysis of large-scale iTRAQ/TMT LC-MS/MS data sets demonstrated the effectiveness and high performance of MS-PyCloud. The software can be downloaded at: https://bitbucket.org/mschnau/ms-pycloud/downloads/