There are many examples of a single receptor coupling directly to more than one cellular signal transduction pathway. Although traditional receptor theory allows for activation of multiple cellular effectors by agonists, it predicts that the relative degree of activation of each effector pathway by an agonist (relative efficacy) must be the same. In the current experiments, we demonstrate that agonists at the human serotonin2A (5-HT2A) and 5-HT2C receptors activate differentially two signal transduction pathways independently coupled to the receptors [phospholipase C (PLC)-mediated inositol phosphate (IP) accumulation and phospholipase A2 (PLA2)-mediated arachidonic acid (AA) release]. The relative efficacies of agonists differed depending on which signal transduction pathway was measured. Moreover, relative to 5-HT, some 5-HT2C agonists (e.g., 3-trifluoromethylphenyl-piperazine) preferentially activated the PLC-IP pathway, whereas others (e.g., lysergic acid diethylamide) favored the PLA2-AA pathway. In contrast, when two dependent responses were measured (IP accumulation and calcium mobilization), agonist relative efficacies were not different. These data strongly support the hypothesis termed "agonist-directed trafficking of receptor stimulus" recently proposed by Kenakin [Trends Pharmacol Sci 16:232-238 (1995)]. Concentration-response curves to 5-HT2C agonists were fit well by a three-state model of receptor activation, suggesting that two active receptor states may be sufficient to explain pathway-dependent agonist efficacy. Rational drug design that optimizes preferential effector activity within a group of receptor-selective drugs holds the promise of increased selectivity in clinically useful agents.

Abstract The ability to predict responsiveness to drugs in individual patients is limited. We hypothesized that integrating molecular information from databases would yield predictions that could be experimentally tested to develop genomic signatures for sensitivity or resistance to specific drugs. We analyzed TCGA data for lung adenocarcinoma (LUAD) patients and identified a subset where xanthine dehydrogenase expression correlated with decreased survival. We tested allopurinol, a FDA approved drug that inhibits xanthine dehydrogenase on a library of human Non Small Cell Lung Cancer (NSCLC) cell lines from CCLE and identified sensitive and resistant cell lines. We utilized the gene expression profiles of these cell lines to identify six-gene signatures for allopurinol sensitive and resistant cell lines. Network building and analyses identified JAK2 as an additional target in allopurinol-resistant lines. Treatment of resistant cell lines with allopurinol and CEP-33779 (a JAK2 inhibitor) resulted in cell death. The effectiveness of allopurinol alone or allopurinol and CEP-33779 were verified in vivo using tumor formation in NCR-nude mice. We utilized the six-gene signatures to predict five additional allopurinolsensitive NSCLC lines, and four allopurinol-resistant lines susceptible to combination therapy. We found that drug treatment of all cell lines yielded responses as predicted by the genomic signatures. We searched the library of patient derived NSCLC tumors from Jackson Laboratory to identify tumors that would be predicted to be sensitive or resistant to allopurinol treatment. Both patient derived tumors predicted to be allopurinol sensitive showed the predicted sensitivity, and the predicted resistant tumors were sensitive to combination therapy. These data indicate that we can use integrated molecular information from cancer databases to predict drug responsiveness in individual patients and thus enable precision medicine.

Summary A library of well-characterized human induced pluripotent stem cell (hiPSC) lines from clinically healthy human subjects could serve as a useful resource of normal controls for in vitro human development, disease modeling, genotype-phenotype association studies, and drug response evaluation. We report generation and extensive characterization of a gender-balanced, racially/ethnically diverse library of hiPSC lines from 40 clinically healthy human individuals who range in age from 22-61. The hiPSCs match the karyotype and short tandem repeat identity of their parental fibroblasts, and have a transcription profile characteristic of pluripotent stem cells. We provide whole genome sequencing data for one hiPSC clone from each individual, genomic ancestry determination, and analysis of Mendelian disease genes and risks. We document similar transcriptomic profiles, single-cell RNA-seq derived cell clusters and physiology of cardiomyocytes differentiated from multiple independent hiPSC lines. This extensive characterization makes this hiPSC library a valuable resource for many studies on human biology.

Abstract Drug-induced gene expression profiles can identify potential mechanisms of toxicity. We focused on obtaining signatures for cardiotoxicity of FDA-approved tyrosine kinase inhibitors (TKIs) in human induced pluripotent stem cell-derived cardiomyocytes. Using bulk transcriptomics profiles, we applied singular value decomposition to identify drug-selective patterns in cell lines obtained from multiple healthy human subjects. Cellular pathways affected by highly cardiotoxic TKIs include energy metabolism, contractile, and extracellular matrix dynamics. Projecting these pathways to single cell expression profiles indicates that TKI responses can be evoked in both cardiomyocytes and fibroblasts. Whole genome sequences of the cell lines, using outlier responses enabled us to correctly reidentify a genomic variant associated with anthracycline cardiotoxicity and predict genomic variants potentially associated with TKI cardiotoxicity. We conclude that mRNA expression profiles when integrated with publicly available genomic, pathway, and single cell transcriptomic datasets, provide multiscale predictive understanding of cardiotoxicity for drug development and patient stratification. One sentence summary Genes, pathways, and cell types of the human heart associated with antineoplastic drug cardiotoxicity.

Neurite outgrowth is an integrated whole cell response regulated by cannabinoid-1 receptor. To understand underlying mechanisms, we identified subcellular processes (SCPs) and their interactions required for the response. Differentially expressed genes and proteins upon receptor stimulation of neuronal cells were used informatically to build networks of SCPs and their interactions. From SCP networks we identified additional genes, which when ablated validated the SCP involvement in neurite outgrowth. The experiments and informatics analyses identified diverse SCPs such as those involved in pyrimidine metabolism, lipid biosynthesis, mRNA splicing and stability along with membrane vesicle and microtubule dynamics. We find that SCPs required for neurite outgrowth are widely distributed among constitutive cellular functions. Several of these SCPs are deep since they are distal to cell signaling pathways and proximal SCPs involved in microtubule growth and membrane vesicle dynamics. We conclude that receptor regulation of SCPs for neurite outgrowth is distributed and deep.

The Drug Toxicity Signature Generation Center (DToxS) at the Icahn School of Medicine at Mount Sinai is one of the centers of the NIH Library of Integrated Network-Based Cellular Signatures (LINCS) program. A key aim of DToxS is to generate both proteomic and transcriptomic signatures that can predict adverse effects, especially cardiotoxicity, of kinase inhibitors approved by the Food and Drug Administration. Towards this goal, high throughput shot-gun proteomics experiments (317 cell line/drug combinations + 64 control lysates) have been conducted at the Center for Advanced Proteomics Research at Rutgers University - New Jersey Medical School. Using computational network analyses, these proteomic data can be integrated with transcriptomic signatures generated in tandem to identify cellular signatures of cardiotoxicity that may predict kinase inhibitor-induced toxicity and possible mitigation. Both raw and processed proteomics data have been carefully screened for quality and made publicly available via the PRIDE database. As such, this broad protein kinase inhibitor-stimulated cardiomyocyte proteomic data and signature set is valuable for the prediction of drug toxicities.

Over the last decades, several features of obesity have been identified at behavioral, physiological, endocrine and genomic levels, and they have revealed the complexity of the disease; obesity results from a combination of genetic predisposition, endocrine disorders, and dysregulation of both food intake and energy expenditure. This complexity makes the development of new therapeutic regimens challenging and bariatric surgery is still the treatment of choice for many obese patients. Given the need for noninvasive therapeutic intervention strategies, we sought to systematically study the biological manifestations of obesity in peripheral organs. We analyzed publicly available datasets of genes, genomic determinants, and levels of obesity-related hormones in the blood, using a combination of methodologies, including graph theory and dynamical modeling, that allow for the integration of different types of datasets. The analysis revealed tissue- and organ-specific metabolic impairments and potential new drug targets. All the data are organized into a tissue/organ-based subcellular-function atlas for human obesity. The data show that the complexity of the obesity arises due to the multiplicity of subcellular processes in different peripheral organs.