Abstract Dysregulation of cell signaling in chondrocytes and in bone cells, such as osteocytes, osteoblasts, osteoclasts, and an elevated burden of senescent cells in cartilage and bone, are implicated in osteoarthritis (OA). Mass spectrometric analyses provides a crucial molecular tool-kit to understand complex signaling relationships in age-related diseases, such as OA. Here we introduce a novel mass spectrometric workflow to promote proteomic studies of bone and cartilage. This workflow uses highly specialized steps, including extensive overnight demineralization, pulverization, and incubation for 72 h in 6 M guanidine hydrochloride and EDTA, followed by proteolytic digestion. Analysis on a high-resolution Orbitrap Eclipse and Orbitrap Exploris 480 mass spectrometer using Data-Independent Acquisition (DIA) provides deep coverage of the bone proteome, and preserves post-translational modifications, such as hydroxyproline. A spectral library-free quantification strategy, directDIA, identified and quantified over 2,000 protein groups (with ≥ 2 unique peptides) from calcium-rich bone matrices. Key components identified were proteins of the extracellular matrix (ECM), bone-specific proteins (e.g., secreted protein acidic and cysteine rich, SPARC, and bone sialoprotein 2, IBSP), and signaling proteins (e.g., transforming growth factor beta-2, TGFB2), and lysyl oxidase homolog 2 (LOXL2), an important protein in collagen crosslinking. Post-translational modifications (PTMs) were identified without the need for specific enrichment. This includes collagen hydroxyproline modifications, chemical modifications for collagen self-assembly and network formation. Multiple senescence factors were identified, such as complement component 3 (C3) protein of the complement system and many matrix metalloproteinases, that might be monitored during age-related bone disease progression. Our innovative workflow yields in-depth protein coverage and quantification strategies to discover underlying biological mechanisms of bone aging and to provide tools to monitor therapeutic interventions. These novel tools to monitor the bone proteome open novel horizons to investigate bone-specific diseases, many of which are age-related.

Abstract Osteocytes, the most abundant and mechanosensitive cells in bone tissue, play a pivotal role in bone homeostasis and mechano-responsiveness, orchestrating the intricate balance between bone formation and resorption under daily activity. Studying osteocyte connectivity and understanding their intricate arrangement within the lacunar canalicular network (LCN) is essential for unraveling bone physiology. This is particularly true as our bones age, which is associated with decreased integrity of the osteocyte network, disrupted mass transport, and lower sensitivity to the mechanical stimuli that allow the skeleton to adapt to changing demands. Much work has been carried out to investigate this relationship, often involving high resolution microscopy of discrete fragments of this network, alongside advanced computational modelling of individual cells. However, traditional methods of segmenting and measuring osteocyte connectomics are time-consuming and labour-intensive, often hindered by human subjectivity and limited throughput. In this study, we explore the application of deep learning and computer vision techniques to automate the segmentation and measurement of osteocyte connectomics, enabling more efficient and accurate analysis. We compare several state-of-the-art computer vision models (U-Nets and Vision Transformers) to successfully segment the LCN, finding that an Attention U-Net model can accurately segment and measure 81.8% of osteocytes and 42.1% of dendritic processes, when compared to manual labelling. While further development is required, we demonstrate that this degree of accuracy is already sufficient to distinguish between bones of young (2 month old) and aged (36 month old) mice, as well as capturing the degeneration induced by genetic modification of osteocytes. By harnessing the power of these advanced technologies, further developments can unravel the complexities of osteocyte networks in unprecedented detail, revolutionising our understanding of bone health and disease.

Obesity can increase the risk of bone fragility, even when bone mass is intact. This fragility stems from poor bone quality, potentially caused by deficiencies in bone matrix material properties. However, cellular and molecular mechanisms leading to obesity-related bone fragility are not fully understood. Using male mouse models of obesity, we discovered TGF-β signaling plays a critical role in mediating the effects of obesity on bone. High-carbohydrate and high-fat diets increase TGF-β signaling in osteocytes, which impairs their mitochondrial function, increases cellular senescence, and compromises perilacunar/canalicular remodeling and bone quality. By specifically inhibiting TGF-β signaling in mouse osteocytes, some of the negative effects of high-fat and high-carbohydrate diets on bones, including the lacunocanalicular network, perilacunar/canalicular remodeling, senescence, and mechanical properties such as yield stress, were mitigated. DMP1-Cre-mediated deletion of TGF-β receptor II also blunted adverse effects of high-fat and high-carbohydrate diets on energy balance and metabolism. These findings suggest osteocytes are key in controlling bone quality in response to high-fat and high-carbohydrate diets. Calibrating osteocyte function could mitigate bone fragility associated with metabolic diseases while reestablishing energy balance.

Abstract Osteoarthritis (OA) of the knee is a degenerative condition of the skeletal extracellular matrix (ECM) marked by the loss of articular cartilage and subchondral bone homeostasis. Treatments for OA in the knee beyond full joint replacement are lacking primarily due to gaps in molecular knowledge of the biological drivers of disease. Here, Mass Spectrometry Imaging (MSI) enabled molecular spatial mapping of the proteomic landscape of human knee tissues. Histologic sections of human tibial plateaus from OA patients and cadaveric controls were treated with collagenase III to target ECM proteins prior to imaging using a timsTOF fleX mass spectrometer (Bruker) for matrix-assisted laser desorption ionization (MALDI)-MSI of bone and cartilage proteins in human knees. Spatial MSI data of the knee, using sections of the tibial plateau from non-arthritic, cadaveric donors or from knee replacement patients with medial OA were processed and automatically segmented identifying distinct areas of joint damage. ECM peptide markers compared either OA to cadaveric tissues or OA medial to OA lateral. Not only did candidate peptides distinguish OA relative to intact cartilage, but also emphasized a significant spatial difference between OA and intact subchondral bone (AUROC >0.85). Overall, 31 peptide candidates from ECM proteins, including COL1A1, COL3A1, and unanticipated detection of collagens COL6A1 and COL6A3 in adult bone, exhibited significantly elevated abundance in diseased tissue. Highly specific hydroxyproline-containing collagens dominated OA subchondral bone directly under regions of lost cartilage revealing dramatic tissue remodeling providing molecular details on the progression of joint degeneration in OA. The identification of specific spatial markers for the progression of subchondral bone degeneration in OA advances our molecular understanding of coupled deterioration of joint tissues.