Abstract Multicellular organisms require intercellular and intracellular signaling to coordinately regulate different cell functions. Although many methods of cell-cell communication (CCC) inference have been developed, they seldom account for both the intracellular signaling responses and global spatial information. The recent advancement of spatial transcriptomics (ST) provides unprecedented opportunities to better decipher CCC signaling and functioning. In this paper, we propose an ST -based m ultilayer net work method, stMLnet, for inferring spatial intercellular communication and multilayer signaling regulations by quantifying distance-weighted ligand–receptor signaling activity based on diffusion and mass action models and mapping it to intracellular targets. We benchmark stMLnet with existing methods using simulation data and 8 real datasets of cell type-specific perturbations. Furthermore, we demonstrate the applicability of stMLnet on six ST datasets acquired with four different technologies (e.g., seqFISH+, Slide-seq v2, MERFIS and Visium), showing its effectiveness and reliability on ST data with varying spatial resolutions and gene coverages. Finally, stMLnet identifies positive feedback circuits between alveolar epithelial cells, macrophages, and monocytes via multilayer signaling pathways within a COVID-19 microenvironment. Our proposed method provides an effective tool for predicting multilayer signaling regulations between interacting cells, which can advance the mechanistic and functional understanding of spatial CCCs.

Abstract Unraveling molecular regulatory networks underlying disease progression is critically important for understanding disease mechanisms and identifying drug targets. The existing methods for inferring gene regulatory networks (GRNs) rely mainly on time-course gene expression data. However, most available omics data from cross-sectional studies of cancer patients often lack sufficient temporal information, leading to a key challenge for GRN inference. Through quantifying the latent progression using random walks-based manifold distance, we propose a latent-temporal progression-based Bayesian method, PROB, for inferring GRNs from the cross-sectional transcriptomic data of tumor samples. The robustness of PROB to the measurement variabilities in the data is mathematically proved and numerically verified. Performance evaluation on real data indicates that PROB outperforms other methods in both pseudotime inference and GRN inference. Applications to bladder cancer and breast cancer demonstrate that our method is effective to identify key regulators of cancer progression or drug targets. The identified ACSS1 is experimentally validated to promote epithelial-to-mesenchymal transition of bladder cancer cells, and the predicted FOXM1-targets interactions are verified and are predictive of relapse in breast cancer. Our study suggests new effective ways to clinical transcriptomic data modeling for characterizing cancer progression and facilitates the translation of regulatory network-based approaches into precision medicine. Author summary Reconstructing gene regulatory network (GRN) is an essential question in systems biology. The lack of temporal information in sample-based transcriptomic data leads to a major challenge for inferring GRN and its translation to precision medicine. To address the above challenge, we propose to decode the latent temporal information underlying cancer progression via ordering patient samples based on transcriptomic similarity, and design a latent-temporal progression-based Bayesian method to infer GRNs from sample-based transcriptomic data of cancer patients. The advantages of our method include its capability to infer causal GRNs (with directed and signed edges) and its robustness to the measurement variability in the data. Performance evaluation using both simulated data and real data demonstrate that our method outperforms other existing methods in both pseudotime inference and GRN inference. Our method is then applied to reconstruct EMT regulatory networks in bladder cancer and to identify key regulators underlying progression of breast cancer. Importantly, the predicted key regulators/interactions are experimentally validated. Our study suggests that inferring dynamic progression trajectory from static expression data of tumor samples helps to uncover regulatory mechanisms underlying cancer progression and to discovery key regulators which may be used as candidate drug targets.

BackgroundConduct disorder is associated with the highest burden of any mental disorder in childhood, yet its neurobiology remains unclear. Inconsistent findings limit our understanding of the role of brain structure alterations in conduct disorder. This study aims to identify the most robust and replicable brain structural correlates of conduct disorder.MethodsThe ENIGMA-Antisocial Behavior Working Group performed a coordinated analysis of structural MRI data from 15 international cohorts. Eligibility criteria were a mean sample age of 18 years or less, with data available on sex, age, and diagnosis of conduct disorder, and at least ten participants with conduct disorder and ten typically developing participants. 3D T1-weighted MRI brain scans of all participants were pre-processed using ENIGMA-standardised protocols. We assessed group differences in cortical thickness, surface area, and subcortical volumes using general linear models, adjusting for age, sex, and total intracranial volume. Group-by-sex and group-by-age interactions, and DSM-subtype comparisons (childhood-onset vs adolescent-onset, and low vs high levels of callous-unemotional traits) were investigated. People with lived experience of conduct disorder were not involved in this study.FindingsWe collated individual participant data from 1185 young people with conduct disorder (339 [28·6%] female and 846 [71·4%] male) and 1253 typically developing young people (446 [35·6%] female and 807 [64·4%] male), with a mean age of 13·5 years (SD 3·0; range 7–21). Information on race and ethnicity was not available. Relative to typically developing young people, the conduct disorder group had lower surface area in 26 cortical regions and lower total surface area (Cohen's d 0·09–0·26). Cortical thickness differed in the caudal anterior cingulate cortex (d 0·16) and the banks of the superior temporal sulcus (d –0·13). The conduct disorder group also had smaller amygdala (d 0·13), nucleus accumbens (d 0·11), thalamus (d 0·14), and hippocampus (d 0·12) volumes. Most differences remained significant after adjusting for ADHD comorbidity or intelligence quotient. No group-by-sex or group-by-age interactions were detected. Few differences were found between DSM-defined conduct disorder subtypes. However, individuals with high callous-unemotional traits showed more widespread differences compared with controls than those with low callous-unemotional traits.InterpretationOur findings provide robust evidence of subtle yet widespread brain structural alterations in conduct disorder across subtypes and sexes, mostly in surface area. These findings provide further evidence that brain alterations might contribute to conduct disorder. Greater consideration of this under-recognised disorder is needed in research and clinical practice.FundingAcademy of Medical Sciences and Economic and Social Research Council.

Experimental studies have demonstrated that both the extracellular vasculature, microenvironment and intracellualr molecular network (e.g. epidermal growth factor receptor (EGFR) signaling pathways) are essentially important for brain tumor growth. Some drugs have been developed to inhibit the EGFR signaling pathways. However, how does angiogenesis affect the response of tumor cells to the drug treatment has rarely been mechanistically studied. Therefore, a multiscale model is required to investigate such complex biological systems that contain interactions and feedbacks among multi-levels. In this study, we developed a single cell-based multi-scale spatio-temporal model to simulate more realistic vascular tumor growth and drug response, based on VEGFR signaling pathways, EGFR signaling pathway and cell cycle as well as several microenvironmental factors that determine cell fate switches in a temporal and spatial context. The simulation reconstructed an evolving profile of vascular tumor growth, demonstrating the dynamic interplay between angiogenesis and various types of tumor cells (e.g., migrating, proliferating, apoptosis and quiescent cells). Moreover, we revealed the critical role of angiogenesis in the acquired drug resistance. We further investigated the optimal timing of combing VEGFR inhibition with EGFR inhibition and predicted that the drug combination targeting both EGFR pathway and VEGFR pathway has a synergistic effect. The experimental data validated the prediction of drug synergy, confirming the effectiveness of our model. The developed multiscale model explored mechanistic and functional mechanisms of angiogenesis underlying tumor growth and drug resistance, which advances our understanding of novel mechanisms of drug resistance and provides implications for designing more effective cancer therapies.

Patients who are recovering from general anesthesia commonly exhibit symptoms such as dry lips, throat irritation, and thirst, prompting a desire to drink water in the post-anesthesia care unit (PACU). In this study, we aimed to evaluate the therapeutic effects and any potential complications of administering varying quantities of water to such patients. The primary objectives are to assess the safety and feasibility of early water intake after general anesthesia, specifically in the context of daytime surgery.

Abstract Cardiovascular and cerebrovascular diseases are leading causes of death worldwide, accounting for more than 40% of all deaths in China. Acute myocardial infarction (AMI) is a common cardiovascular disease and traditionally divided into ST-segment (STEMI) and non-ST-segment elevation myocardial infarction (NSTEMI), which are known with different prognoses and treatment strategies. However, key regulatory genes and pathways involved in AMI that may be used as potential biomarker for prognosis are unknown. In this study, we constructed weighted gene co-expression networks for differential expressed genes between STEMI and NSTEMI patients based on whole-blood RNA-seq transcriptomics. Network topological attributes (e.g., node degree, betweenness) were analyzed to identify key genes involved in different functional network modules. Furthermore, we used single-cell RNA-seq data to construct multilayer signaling network to infer regulatory mechanisms of the above key genes. PLAUR (receptor for urokinase plasminogen activator) was found to play a vital role in transducing inter-cellular signals from endothelial cells and fibroblast cells to intra-cellular pathways of myocardial cells, leading to gene expression involved in cellular response to hypoxia. Our study sheds lights on identifying molecular biomarkers for diagnosis and prognosis of AMI, and provides candidate key regulatory genes for further experimental validation.