Abstract Exogenous glucocorticoids are widely used in the clinic for the treatment of inflammatory disorders and auto-immune diseases. Unfortunately, their use is hampered by many side effects and therapy resistance. Efforts to find more selective glucocorticoid receptor (GR) agonists and modulators (called SEGRAMs) that are able to separate anti-inflammatory effects via gene repression from metabolic effects via gene activation, have been unsuccessful so far. In this study, we characterized a set of functionally diverse GR ligands in A549 cells, first using a panel of luciferase-based reporter gene assays evaluating GR-driven gene activation and gene repression. We expanded this minimal assay set with novel luciferase-based read-outs monitoring GR protein levels, GR dimerization and GR Serine 211 (Ser211) phosphorylation status and compared their outcomes with compound effects on the mRNA levels of known GR target genes in A549 cells and primary hepatocytes. We found that luciferase reporters evaluating GR-driven gene activation and gene repression were not always reliable predictors for effects on endogenous target genes. Remarkably, our novel assay monitoring GR Ser211 phosphorylation levels proved to be the most reliable predictor for compound effects on almost all tested endogenous GR targets, both driven by gene activation and repression. The integration of this novel assay in existing screening platforms running both in academia and industry may therefore boost chances to find novel GR ligands with an actual improved therapeutic benefit.

Abstract Neuroimaging studies suggest that intranasal oxytocin (IN-OXT) may modulate emotional and social processes by altering neural activity patterns. The extent of brain penetration after IN-OXT is unclear, and it is currently under debate whether IN-OXT can directly bind central oxytocin receptors (OXTRs). We investigated oxytocin pathway gene expression in regions affected by IN-OXT on task-based fMRI. We found that OXTR is more highly expressed in affected than unaffected subcortical regions; this effect did not vary by task-type or sex. Cortical results revealed higher OXTR expression in regions affected by IN-OXT in emotional processing tasks and in male-only data. No significant differences were found in expression of the closely related vasopressin receptors. Our findings suggest that the mechanism by which IN-OXT may alter brain functionality involves direct activation of central OXTRs.

Abstract The ability to individually predict disease course of major depressive disorder (MDD) is essential for optimal treatment planning. Here, we use a data-driven machine learning approach to assess the predictive value of different sets of biological data (whole-blood proteomics, lipid-metabolomics, transcriptomics, genetics), both separately and added to clinical baseline variables, for the longitudinal prediction of 2-year MDD chronicity (defined as presence of MDD diagnosis after 2 years) at the individual subject level. Prediction models were trained and cross-validated in a sample of 643 patients with current MDD (2-year chronicity n = 318) and subsequently tested for performance in 161 MDD individuals (2-year chronicity n = 79). Proteomics data showed best unimodal data predictions (AUROC = 0.68). Adding proteomic to clinical data at baseline significantly improved 2-year MDD chronicity predictions (AUROC = 0.63 vs AUROC = 0.78, p = 0.013), while the addition of other -omics data to clinical data did not yield significantly increased model performance. SHAP and enrichment analysis revealed proteomic analytes involved in inflammatory response and lipid metabolism, with fibrinogen levels showing the highest variable importance, followed by symptom severity. Machine learning models outperformed psychiatrists’ ability to predict two-year chronicity (balanced accuracy = 71% vs 55%). This study showed the added predictive value of combining proteomic, but not other -omic data, with clinical data. Adding other -omic data to proteomics did not further improve predictions. Our results reveal a novel multimodal signature of MDD chronicity that shows clinical potential for individual MDD disease course predictions from baseline measurements.

Abstract Counteracting the overactivation of glucocorticoid receptors (GR) is an important therapeutic goal in stress-related psychiatry and beyond. The only clinically approved GR antagonist lacks selectivity and induces unwanted side effects. To complement existing tools of small-molecule-based inhibitors, we present a highly potent, novel catalytically-driven GR degrader, KH-103, based on proteolysis-targeting chimera technology. This selective degrader enables immediate and reversible GR depletion that is independent of genetic manipulation and circumvents transcriptional adaptations to inhibition. KH-103 achieves passive inhibition, preventing agonistic induction of gene expression, and significantly averts the GR’s genomic effects compared to two currently available inhibitors. Application in primary-neuron cultures revealed the dependency of a glucocorticoid-induced increase in spontaneous calcium activity on GR. Finally, we present a proof of concept for application in-vivo. KH-103 opens opportunities for a more lucid interpretation of GR functions with translational potential.

Abstract The hypothalamic paraventricular nucleus (PVN) is a highly complex brain region that is crucial for homeostatic regulation through neuroendocrine signalling, outflow of the autonomic nervous system, and projections to other brain areas. The past years, single-cell datasets of the hypothalamus have contributed immensely to the current understanding of the diverse hypothalamic cellular composition. While the PVN has been adequately classified functionally, its molecular classification is currently still insufficient. To address this, we created a detailed atlas of PVN transcriptional cell types by integrating various PVN single-cell datasets into a recently published hypothalamus single-cell transcriptome atlas. Furthermore, we functionally profiled transcriptional cell types, based on relevant literature, existing retrograde tracing data and existing single-cell data of a PVN-projection target region. In our PVN atlas dataset, we identify the well-known different neuropeptide types, each composed of multiple novel subtypes. We identify Avp - Tac1, Avp - Th, Oxt - Foxp1, Crh - Nr3c1 and Trh - Nfib as the most important neuroendocrine subtypes based on markers described in literature. To characterize the pre-autonomic functional population, we integrated a single-cell retrograde tracing study of spinally-projecting pre-autonomic neurons into our PVN atlas. We identify these (pre-sympathetic) neurons to co-cluster with the Adarb2 + clusters in our dataset. Finally, we identify expression of receptors for Crh, Oxt, Penk, Sst , and Trh in the dorsal motor nucleus of the vagus, a key region that pre-parasympathetic PVN neurons project to. Concluding, our study present a detailed overview of the transcriptional cell types of the murine PVN, and provides a first attempt to resolve functionality for the identified populations.

Abstract The characteristic endogenous circadian rhythm of plasma glucocorticoid concentrations is made up from an underlying ultradian pulsatile secretory pattern. Recent evidence has indicated that this ultradian cortisol pulsatility is crucial for normal emotional response in man. In this study, we investigate the anatomical transcriptional and cell type signature of brain regions sensitive to a loss of ultradian rhythmicity in the context of emotional processing. We combine human cell type and transcriptomic atlas data of high spatial resolution with functional magnetic resonance imaging (fMRI) data. We show that the loss of cortisol ultradian rhythm alters emotional processing response in cortical brain areas that are characterized by transcriptional and cellular profiles of GABAergic function. We find that two previously identified key components of rapid non-genomic GC signaling – the ANXA1 gene and retrograde endocannabinoid signaling – show top differential expression and the most significant enrichment. Our results further indicate that specific cell types, including a specific NPY-expressing GABAergic neuronal cell type, and specific G protein signaling cascades underly the cerebral effects of a loss of ultradian cortisol rhythm. Our results provide a biological mechanistic underpinning of our fMRI findings, indicating specific cell types and cascades as a target for manipulation in future experimental studies.