Abstract TMEM120A (Transmembrane protein 120A) was recently identified as a mechanical pain sensing ion channel named as TACAN, while its homologue TMEM120B has no mechanosensing property 1 . Here, we report the cryo-EM structures of both human TMEM120A and TMEM120B. The two structures share the same dimeric assembly, mediated by extensive interactions through the transmembrane domain (TMD) and the N-terminal coiled coil domain (CCD). However, the nearly identical structures cannot provide clues for the difference in mechanosensing between TMEM120A and TMEM120B. Although TMEM120A could mediate conducting currents in a bilayer system, it does not mediate mechanical-induced currents in a heterologous expression system, suggesting TMEM120A is unlikely a mechanosensing channel. Instead, the TMDs of TMEM120A and TMEM120B resemble the structure of a fatty acid elongase, ELOVL7, indicating their potential role of an enzyme in lipid metabolism.

Abstract Molecular switching plays a critical role in biological and displaying systems. Here we demonstrate the first use of peptides to operate molecular switches of donor-acceptor Stenhouse adducts (DASAs), a series of negative photochromes that are highly promising for applications ranging from smart material to biological systems. Fluorescence imaging proved Aβ40 species could make SHA-2 more stable in the linear configuration than without peptide and decrease the rate of molecular switching. According to molecular dynamics simulation, SHA-2 bound to protein resulted in substantial changes in the tertiary structure of Aβ40 monomer with the region of Glu22-Ala30 partially unfolded and being more exposed to water. This structural change is likely to impede the aggregation of Aβ40, as evidenced by fluorescence and ProteoStat ® aggresome detection experiments. SHA-2 is able to inhibit the aggregation of Aβ40 by producing the off-pathway structures. These results open ample opportunities for optically addressable potential widely apply DASAs in the biological system based on this peptides-tailor process.

Abstract Saccadic inhibition refers to a short-latency transient cessation of saccade generation after visual sensory transients. This oculomotor phenomenon occurs with a latency that is consistent with a rapid influence of sensory responses, such as stimulus-induced visual bursts, on oculomotor control circuitry. However, the neural mechanisms underlying saccadic inhibition are not well understood. Here, we exploited the fact that macaque monkeys experience robust saccadic inhibition to test the hypothesis that inhibition time and strength exhibit systematic visual feature tuning properties to a multitude of visual feature dimensions commonly used in vision science. We measured saccades in three monkeys actively controlling their gaze on a target, and we presented visual onset events at random times. Across six experiments, the visual onsets tested size, spatial frequency, contrast, motion direction, and motion speed dependencies of saccadic inhibition. We also investigated how inhibition might depend on the behavioral relevance of the appearing stimuli. We found that saccadic inhibition starts earlier, and is stronger, for large stimuli of low spatial frequencies and high contrasts. Moreover, saccadic inhibition timing depends on motion direction, with earlier inhibition systematically occurring for horizontally than for vertically drifting gratings. On the other hand, saccadic inhibition is stronger for faster motions, and when the appearing stimuli are subsequently foveated. Besides documenting a range of feature tuning dimensions of saccadic inhibition on the properties of exogenous visual stimuli, our results establish macaque monkeys as an ideal model system for unraveling the neural mechanisms underlying a highly ubiquitous oculomotor phenomenon in visual neuroscience. New and noteworthy Visual onsets dramatically reduce saccade generation likelihood with very short latencies. Such latencies suggest that stimulus-induced visual responses, normally jumpstarting perceptual and scene analysis processes, can also directly impact the decision of whether to generate saccades or not, causing saccadic inhibition. Consistent with this, we found that changing the appearance of the visual onsets systematically alters the properties of saccadic inhibition. These results constrain neurally-inspired models of coordination between saccade generation and exogenous sensory stimulation.

Ocular position drifts during gaze fixation are generally considered to be random walks. However, we recently identified a short-latency ocular position drift response, of approximately 1 min arc amplitude, that is triggered within <100 ms by visual onsets. This systematic eye movement response is feature-tuned and seems to be coordinated with a simultaneous resetting of the saccadic system by visual stimuli. However, much remains to be learned about the drift response, especially for designing better-informed neurophysiological experiments unraveling its mechanistic substrates. Here we systematically tested multiple new feature tuning properties of drift responses. Using highly precise eye tracking in three male rhesus macaque monkeys, we found that drift responses still occur for tiny foveal visual stimuli. Moreover, the responses exhibit size tuning, scaling their amplitude as a function of stimulus size, and they also possess a monotonically increasing contrast sensitivity curve. Importantly, short-latency drift responses still occur for small peripheral visual targets, which additionally introduce spatially-directed modulations in drift trajectories towards the appearing peripheral stimuli. Drift responses also remain predominantly upward even for stimuli exclusively located in the lower visual field, and even when starting gaze position is upward. When we checked the timing of drift responses, we found that it was better synchronized to stimulus-induced saccadic inhibition timing than to stimulus onset. These results, along with a suppression of drift response amplitudes by peri-stimulus saccades, suggest that drift responses reflect the rapid impacts of short-latency and feature-tuned visual neural activity on final oculomotor control circuitry in the brain.

PI3K/AKT signaling is known to regulate cancer metabolism but whether metabolic pathway feedbacks and regulates the PI3K/AKT pathway is unclear. Here, we demonstrate the important reciprocal cross-talks between the PI3K/AKT signal and PPP branching metabolic pathways. PI3K/AKT activation stabilizes G6PD, the rate-limiting enzyme of PPP, by inhibiting a newly identified E3 ligase TIRM21, and promotes PPP. PPP metabolites, in turn, reinforce AKT activation and further promote cancer metabolic reprogramming by blocking the expression of an AKT inhibitor PHLDA3. Knockout TRIM21 or PHLDA3 promotes the cross-talks and cell proliferation. Importantly, PTEN null human cancer cells and in vivo murine models are sensitive to anti-PPP treatments, suggesting the importance of PPP in maintaining AKT activation even in the presence of a constitutively activated PI3K pathway. Our study suggests that blockade of these reciprocal cross-talks may have a therapeutic benefit for cancers with PTEN loss or PI3K/AKT activation.

Natriuretic peptide system (NPS) and renin angiotensin aldosterone system (RAAS) function oppositely at multiple levels. While it has long been suspected that angiotensin II (ANGII) may directly suppress NPS activity, no clear evidence to date support this notion.This study was designed to systematically investigate ANGII-NPS interaction in humans, in vivo, and in vitro for translational insights.Circulating atrial, b-type, and c-type natriuretic peptides (ANP, BNP, CNP), cyclic guanosine monophosphate (cGMP), and ANGII were simultaneously investigated in 128 human subjects. Prompted hypothesis was validated in rat model to determine influence of ANGII on ANP actions. Multiple engineered HEK293 cells and surface plasmon resonance (SPR) technology were leveraged for mechanistic exploration.In humans, ANGII showed inverse relationship with ANP, BNP, and cGMP. In regression models predicting cGMP, adding ANGII levels and interaction term between ANGII and natriuretic peptide increased predicting accuracy of base models constructed with either ANP or BNP, but not CNP. Importantly, stratified correlation analysis further revealed positive association between cGMP with ANP or BNP only in subjects with low, but not high, ANGII levels. In rats, co-infusion of ANGII even at physiological dose attenuated blood pressure reduction and cGMP generation triggered by ANP infusion. In vitro, we showed that the suppression effect of ANGII on ANP-stimulated cGMP requires the presence of ANGII type-1 (AT1) receptor and mechanistically involves protein kinase C (PKC), which can be substantially rescued by either valsartan (AT1 blocker) or Go6983 (PKC inhibitor). Using SPR, we showed ANGII has low affinity for particulate guanylyl cyclase A (GC-A) receptor binding compared to ANP or BNP.Our study reveals ANGII as a natural suppressor for cGMP-generating action of GC-A via AT1/PKC dependent manner and highlights importance of dual-targeting RAAS and NPS in maximizing beneficial properties of natriuretic peptides in cardiovascular disease.

Motivation: Despite the existing classification and inference based machine learning methods that show promising results in drug target prediction, these methods possess inevitable limitations, where: 1) results are often biased as it lacks negative samples in the classification based methods, and 2) novel drug target associations with new (or isolated) drugs/targets cannot be explored by inference based methods. As big data continues to boom, there is a need to study a scalable, robust, and accurate solution that can process large heterogeneous datasets and yield valuable predictions. Results: We introduce a drug target prediction method that improved our previously proposed method from the three aspects: 1) we constructed a heterogeneous network which incorporates 12 repositories and includes 7 types of biomedical entities (#20,119 entities, #194,296 associations), 2) we enhanced the feature learning method with Node2Vec, a scalable state of the art feature learning method, 3) we integrate the originally proposed inference-based model with a classification model, which is further finetuned by a negative sample selection algorithm. The proposed method shows a better result for drug target association prediction: 95.3% AUC ROC score compared to the existing methods in the 10-fold cross-validation tests. We studied the biased learning/testing in the network-based pairwise prediction, and conclude a best training strategy. Finally, we conducted a disease specific prediction task based on 20 diseases. New drug-target associations were successfully predicted with AUC ROC in average, 97.2% (validated based on the DrugBank 5.1.0). The experiments showed the reliability of the proposed method in predicting novel drug-target associations for the disease treatment.