Abstract Hypophosphatasia (HPP) is a rare inherited disorder characterized by defective bone mineralization, is highly variable in its clinical phenotype. The disease occurs due to various loss-of-function mutations in ALPL , the gene encoding tissue-nonspecific alkaline phosphatase (TNSALP). In this work, a data-driven and biophysics-based approach for large-scale analysis of ALPL mutations – from nonpathogenic to severe HPPs is proposed. Allosteric molecular signatures of ALPL mutations were determined using an integrated pipeline of synergistic approaches including sequence and energetic-based analysis, structural topology network modeling and elastic network models. Statistical analysis of molecular features computed for the ALPL mutations showed a significant difference between the control and mild and severe HPP phenotypes, and the developed machine learning model suggested that the topological network parameters could serve as is a robust indicator for severe mutations. Molecular dynamics simulations coupled with protein structure network was employed to analyze the effect of single-residue variation on conformational dynamics of TNSALP dimers, and we found that severe disease-associated mutations have a significantly greater effect on allosteric communications. The results of this study suggested that ALPL mutations associated with mild and severe HPPs tend to have different effects on protein stability on local scale and long-range communications caused by network rewiring. By linking disease phenotypes with allosteric molecular signatures, the proposed integrative computational approach elucidates the complex sequence-structure-allostery relationships of ALPL mutations and dissects the role of allosteric effects in the pathogenesis of HPPs. Author Summary The understanding of mutational genotype- disease phenotype relationship is a fundamental step for enabling precision medicine. It remains a challenging task to assess the molecular principle of the genotype- phenotype relationship. By focusing on Hypophosphatasia, a rare inherited disorder, as an example, we performed comprehensive analysis of single-amino-acid mutations in the encoded protein of Tissue Nonspecific Alkaline Phosphatase associated in terms of their sequence, structure, and dynamics properties. We further developed a machine learning -based method to classify different disease phenotypes, and the interpretability of the classification model was addressed by the structural-functional analysis of network topological important mutations. Our results highlighted the allosteric propensity of severe mutations, and show the potential allosteric principle of genotype- phenotype relationship.

Abstract Background Pancreatic cancer is the seventh leading cause of cancer-related death worldwide, and despite advancements in disease management, the 5-year survival rates stands at only 9%. Triptolides have potent anti-tumor activity against different types of cancers, including pancreatic cancer, however poor solubility and toxicity limit their translation into clinical use. Methods We synthesized a novel pro-drug of triptolide, ( E )-19-[(1’-benzoyloxy-1’-phenyl)-methylidene]-Triptolide (CK21), and formulated into an emulsion for in vitro and in vivo testing in rats and mice, and using human pancreatic cancer cell lines and patient-derived pancreatic tumor organoids. A time-course transcriptomic profiling of tumor organoids treated with CK21 in vitro was conducted to define its mechanism of action, as well as transcriptomic profiling at a single time point post-CK21 administration in vivo. Findings Intravenous administration of emulsified CK21 resulted in the stable release of triptolide, and potent anti-proliferative effects on human pancreatic cancer cell lines and patient-derived pancreatic tumor organoids in vitro, and with minimal toxicity in vivo . Time course transcriptomic profiling of tumor organoids treated with CK21 in vitro revealed <10 differentially expressed genes (DEGs) at 3 h and ∼8,000 DEGs at 12 h. Overall inhibition of general RNA transcription was observed, and Ingenuity pathway analysis together with functional cellular assays confirmed inhibition of the NF-κB pathway, increased oxidative phosphorylation and mitochondrial dysfunction, leading ultimately to increased reactive oxygen species (ROS) production, reduced B-cell-lymphoma protein 2 (BCL2) expression, and mitochondrial-mediated tumor cell apoptosis. Interpretation CK21 is a novel pro-drug of triptolide that exerts potent anti-proliferative effects on human pancreatic tumors by inhibiting the NF-κB pathway, leading ultimately to mitochondrial-mediated tumor cell apoptosis. Funding The study of the anti-tumor efficacy of CK21 supported in part by a research grant from Cinkate Pharmaceutical Corp; the funders had no role in the study design, interpretation or decision to publish. Patient-derived pancreatic tumor organoids were a generous gift from the Organoid and Primary Culture Research Core at University of Chicago.

Motivation: Recent advances in human genomics have revealed that missense mutations in a single protein can lead to distinctly different phenotypes. In particular, some mutations in oncoproteins like Ras, MEK, PI3K, PTEN, and SHP2 are linked various cancers and Neurodevelopmental Disorders (NDDs). While numerous tools exist for pre-dicting the pathogenicity of missense mutations, linking these variants to certain phenotypes remains a major chal-lenge, particularly in the context of personalized medicine. Results: To fill this gap, we developed protPheMut (Protein Phenotypic Mutations Analyzer), leveraging multiple in-terpretable machine learning methods and integrate diverse biophysics and network dynamics-based signatures, for the prediction of mutations of the same protein can promote cancer, or NDDs. We illustrate the utility of protPheMut in phenotypes (cancer/NDDs) prediction by the mutation analysis of two protein cases, that are PI3Kα and PTEN. Compared to seven other predictive tools, protPheMut demonstrated exceptional accuracy in forecasting phenotypic effects, achieving an AUROC of 0.8501 for PI3Kα mutations related to cancer and Cowden syndrome. For multi-phenotypes prediction of PTEN mutations related to cancer, PHTS, and HCPS, protPheMut achieved an AUC of 0.9349 through micro-averaging. Using SHAP model explanations, we gained insights into the mechanisms driving phenotype formation. A user-friendly website deployment is also provided.