AD
Adam Drake
Author with expertise in Natural Killer Cells in Immunity
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
4
(75% Open Access)
Cited by:
1,977
h-index:
9
/
i10-index:
9
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Autophagy mediates degradation of nuclear lamina

Zhixun Dou et al.Oct 28, 2015
Macroautophagy (hereafter referred to as autophagy) is a catabolic membrane trafficking process that degrades a variety of cellular constituents and is associated with human diseases. Although extensive studies have focused on autophagic turnover of cytoplasmic materials, little is known about the role of autophagy in degrading nuclear components. Here we report that the autophagy machinery mediates degradation of nuclear lamina components in mammals. The autophagy protein LC3/Atg8, which is involved in autophagy membrane trafficking and substrate delivery, is present in the nucleus and directly interacts with the nuclear lamina protein lamin B1, and binds to lamin-associated domains on chromatin. This LC3-lamin B1 interaction does not downregulate lamin B1 during starvation, but mediates its degradation upon oncogenic insults, such as by activated RAS. Lamin B1 degradation is achieved by nucleus-to-cytoplasm transport that delivers lamin B1 to the lysosome. Inhibiting autophagy or the LC3-lamin B1 interaction prevents activated RAS-induced lamin B1 loss and attenuates oncogene-induced senescence in primary human cells. Our study suggests that this new function of autophagy acts as a guarding mechanism protecting cells from tumorigenesis.
0

Acetyl-CoA synthetase regulates histone acetylation and hippocampal memory

Philipp Mews et al.May 31, 2017
Metabolic production of acetyl coenzyme A (acetyl-CoA) is linked to histone acetylation and gene regulation, but the precise mechanisms of this process are largely unknown. Here we show that the metabolic enzyme acetyl-CoA synthetase 2 (ACSS2) directly regulates histone acetylation in neurons and spatial memory in mammals. In a neuronal cell culture model, ACSS2 increases in the nuclei of differentiating neurons and localizes to upregulated neuronal genes near sites of elevated histone acetylation. A decrease in ACSS2 lowers nuclear acetyl-CoA levels, histone acetylation, and responsive expression of the cohort of neuronal genes. In adult mice, attenuation of hippocampal ACSS2 expression impairs long-term spatial memory, a cognitive process that relies on histone acetylation. A decrease in ACSS2 in the hippocampus also leads to defective upregulation of memory-related neuronal genes that are pre-bound by ACSS2. These results reveal a connection between cellular metabolism, gene regulation, and neural plasticity and establish a link between acetyl-CoA generation ‘on-site’ at chromatin for histone acetylation and the transcription of key neuronal genes. The metabolic enzyme acetyl coenzyme A synthetase directly regulates gene expression during memory formation by binding to specific genes and providing acetyl coenzyme A for histone acetylation. The regulation of neuronal gene transcription during memory formation involves histone acetylation, which is critical to long-term memory consolidation. Here, Shelley Berger and colleagues show that in neurons the metabolic enzyme acetyl coenzyme A synthetase 2 (ACSS2) associates with chromatin to increase local concentrations of acetyl coenzyme A and to promote histone acetylation and transcription of neural genes. In the mouse hippocampus, ACSS2 expression is required for the expression of neuronal genes involved in memory and the acquisition of long-term memories. These results reveal a direct role of a metabolic enzyme in acetylating histones and connect acetate metabolism to neuronal gene regulation and neural plasticity.
0

Machine learning enables detection of early-stage colorectal cancer by whole-genome sequencing of plasma cell-free DNA

Nathan Wan et al.Nov 24, 2018
Background: Blood-based methods using cell-free DNA (cfDNA) are under development as an alternative to existing screening tests. However, early-stage detection of cancer using tumor-derived cfDNA has proven challenging because of the small proportion of cfDNA derived from tumor tissue in early-stage disease. A machine learning approach to discover signatures in cfDNA, potentially reflective of both tumor and non-tumor contributions, may represent a promising direction for the early detection of cancer. Methods: Whole-genome sequencing was performed on cfDNA extracted from plasma samples (N=546 colorectal cancer and 271 non-cancer controls). Reads aligning to protein-coding gene bodies were extracted, and read counts were normalized. cfDNA tumor fraction was estimated using IchorCNA. Machine learning models were trained using k-fold cross-validation and confounder-based cross-validation to assess generalization performance. Results: In a colorectal cancer cohort heavily weighted towards early-stage cancer (80% stage I/II), we achieved a mean AUC of 0.92 (95% CI 0.91-0.93) with a mean sensitivity of 85% (95% CI 83-86%) at 85% specificity. Sensitivity generally increased with tumor stage and increasing tumor fraction. Stratification by age, sequencing batch, and institution demonstrated the impact of these confounders and provided a more accurate assessment of generalization performance. Conclusions: A machine learning approach using cfDNA achieved high sensitivity and specificity in a large, predominantly early-stage, colorectal cancer cohort. The possibility of systematic technical and institution-specific biases warrants similar confounder analyses in other studies. Prospective validation of this machine learning method and evaluation of a multi-analyte approach are underway.