ABSTRACT New combinatorial drug strategies are urgently needed to improve radioiodide (RAI) uptake and efficiently ablate thyroid cancer cells, thereby addressing recurrent and metastatic disease. Cellular iodide uptake is accomplished solely by the sodium iodide symporter (NIS), but the complexity of NIS functional regulation and a lack of amenable high-throughput screening assays has impeded progress. We utilised mutated yellow fluorescent protein (YFP) as a surrogate biosensor of intracellular iodide for ∼1200 FDA-approved drugs, allowing us to appraise the impact of 73 leading compounds at 10 doses on 125 I uptake in thyroid cancer cell lines. Subsequent mechanistic analysis suggests three predominant modes of drug action: Firstly, a number of drugs inhibited specific regulation of NIS function by the protein VCP. Secondly, some drugs enhanced transcriptional or post-transcriptional regulation of NIS expression. Thirdly, several drugs strongly implicated proteasomal degradation and the unfolded protein response in the cellular processing of NIS. Exploiting these mechanistic insights, multiple compounds gave striking increases in radioiodide uptake when combined with the drug SAHA. Importantly, our new drug combination strategies were also effective in human primary thyrocytes, suggesting they target endogenous NIS physiology. In patients with papillary thyroid cancer, genes involved in proteostasis were remarkably altered and predicted significantly worse outcome, but only in those patients who received RAI therapy. Collectively, we therefore propose a new model of intracellular NIS processing, and identify key nodes which may now be druggable in patients with aggressive thyroid cancer. SUMMARY Our data identify FDA-approved drugs that enhance radioiodide uptake outside of the canonical pathways of NIS processing, leading to a new mechanistic understanding of endogenous NIS function which is subverted in cancer.

Abstract In this study, we combined AI-based atomistic structural modeling and microsecond molecular simulations of the SARS-CoV-2 Spike complexes with the host receptor ACE2 for XBB.1.5+L455F, XBB.1.5+F456L(EG.5) and XBB.1.5+L455F/F456L (FLip) lineages to examine the mechanisms underlying the role of convergent evolution hotspots in balancing ACE2 binding and antibody evasion. Using the ensemble-based mutational scanning of the spike protein residues and physics-based rigorous computations of binding affinities, we identified binding energy hotspots and characterized molecular basis underlying epistatic couplings between convergent mutational hotspots. Consistent with the experiments, the results revealed the mediating role of Q493 hotspot in synchronization of epistatic couplings between L455F and F456L mutations providing a quantitative insight into the mechanism underlying differences between XBB lineages. Mutational profiling is combined with network-based model of epistatic couplings showing that the Q493, L455 and F456 sites mediate stable communities at the binding interface with ACE2 and can serve as stable mediators of non-additive couplings. Structure-based mutational analysis of Spike protein binding with the class 1 antibodies quantified the critical role of F456L and F486P mutations in eliciting strong immune evasion response. The results of this analysis support a mechanism in which the emergence of EG.5 and FLip variants may have been dictated by leveraging strong epistatic effects between several convergent revolutionary hotspots that provide synergy between the improved ACE2 binding and broad neutralization resistance. This interpretation is consistent with the notion that functionally balanced substitutions which simultaneously optimize immune evasion and high ACE2 affinity may continue to emerge through lineages with beneficial pair or triplet combinations of RBD mutations involving mediators of epistatic couplings and sites in highly adaptable RBD regions.

Radioiodine treatment fails ≥25% of patients with thyroid cancer and has been proposed as a potential treatment for breast cancer. Cellular iodide uptake is governed by the sodium iodide symporter (NIS), which is frequently mislocalized in thyroid and breast tumours. However, the trafficking of NIS to the plasma membrane (PM) is ill-defined. Through mass spectrometry, co-immunoprecipitation, cell surface biotinylation and proximity ligation assays we identify two proteins which control NIS subcellular trafficking: ADP-ribosylation factor 4 (ARF4) and valosin-containing protein (VCP). HiLo microscopy revealed ARF4 enhanced NIS trafficking in co-incident PM vesicles, governed by a C-terminal VXPX motif, whilst papillary thyroid cancers (PTC) demonstrate repressed ARF4 expression. In contrast, VCP, the central protein in ER-associated degradation, specifically bound NIS and decreased its PM localization. Five chemically distinct allosteric VCP inhibitors all overcame VCP-mediated repression of NIS function. In mice, two re-purposed FDA-approved VCP inhibitors significantly enhanced radioiodine uptake into thyrocytes, whilst human primary thyrocytes showed similar increases. Critically, PTC patients with high tumoural VCP expression who received radioiodine had strikingly worse disease-free survival. These studies now delineate the mechanisms of NIS trafficking, and for the first time open the therapeutic possibility of systemically enhancing radioiodine uptake in patients via FDA-approved drugs.

To ascertain the prevalence of transfusion transmissible infections (TTIs) across diverse donor groups in the Najran province. Additionally, to establish a potential association between the development of TTI and the donors' blood group, as determined by the ABO/Rh blood grouping system.

User representation learning is crucial for capturing different user preferences, but it is also critical challenging because user intentions are latent and dispersed in complex and different patterns of user-generated data, and thus cannot be measured directly. Text-based data models can learn user representations by mining latent semantics, which is beneficial to enhancing the semantic function of user representations. However, these technologies only extract common features in historical records and cannot represent changes in user intentions. However, sequential feature can express the user's interests and intentions that change time by time. But the sequential recommendation results based on the user representation of the item lack the interpretability of preference factors. To address these issues, we propose in this paper a novel model with Dual-Layer User Representation, named DLUR, where the user's intention is learned based on two different layer representations. Specifically, the latent semantic layer adds an interactive layer based on Transformer to extract keywords and key sentences in the text and serve as a basis for interpretation. The sequence layer uses the Transformer model to encode the user's preference intention to clarify changes in the user's intention. Therefore, this dual-layer user mode is more comprehensive than a single text mode or sequence mode and can effectually improve the performance of recommendations. Our extensive experiments on five benchmark datasets demonstrate DLUR's performance over state-of-the-art recommendation models. In addition, DLUR's ability to explain recommendation results is also demonstrated through some specific cases.

The purple acid phosphatase was purified from 5.9-fold to apparent homogeneity from Anagelis arvensis seeds using SP-Sephadex C-50 and Sephadex G-100 chromatography. The results of residual activity tests conducted using different temperature ranges (50-70 °C) were calculated as the activation energy (E

Vascular Endothelial Growth Factor (VEGF) has a greater impact on carcinogenesis, and it is the most significant receptor in mediating the mutagenesis and permeability of endothelial cells. Here, we report the identification of potential VEGFR-2 inhibitors as new putative anti-cancer agents. In this regard, a pharmacophore model was generated, considering established potent VEGFR2 inhibitors. This model was further applied for the virtual screening of the ZINC database and the feature-based design of another eight molecules (B1–B8). Examining these molecules using sequential computational approaches including molecular docking, molecular dynamic simulation, and DFT analysis leads to the identification of compounds B3, B5, and B7 as potential inhibitors that showed better binding affinity, stability, and interaction mechanisms concerning the reference control, Sorafenib. Further, the Lipinski rule filters and ADMET analysis support the selected compounds as drug candidates subjected to experimental validation.

Abstract The latest wave SARS-CoV-2 Omicron variants displayed a growth advantage and the increased viral fitness through convergent evolution of functional hotspots that work synchronously to balance fitness requirements for productive receptor binding and efficient immune evasion. In this study, we combined AlphaFold2-based structural modeling approaches with all-atom MD simulations and mutational profiling of binding energetics and stability for prediction and comprehensive analysis of the structure, dynamics, and binding of the SARS-CoV-2 Omicron BA.2.86 spike variant with ACE2 host receptor and distinct classes of antibodies. We adapted several AlphaFold2 approaches to predict both structure and conformational ensembles of the Omicron BA.2.86 spike protein in the complex with the host receptor. The results showed that AlphaFold2-predicted conformational ensemble of the BA.2.86 spike protein complex can accurately capture the main dynamics signatures obtained from microscond molecular dynamics simulations. The ensemble-based dynamic mutational scanning of the receptor binding domain residues in the BA.2 and BA.2.86 spike complexes with ACE2 dissected the role of the BA.2 and BA.2.86 backgrounds in modulating binding free energy changes revealing a group of conserved hydrophobic hotspots and critical variant-specific contributions of the BA.2.86 mutational sites R403K, F486P and R493Q. To examine immune evasion properties of BA.2.86 in atomistic detail, we performed large scale structure-based mutational profiling of the S protein binding interfaces with distinct classes of antibodies that displayed significantly reduced neutralization against BA.2.86 variant. The results quantified specific function of the BA.2.86 mutations to ensure broad resistance against different classes of RBD antibodies. This study revealed the molecular basis of compensatory functional effects of the binding hotspots, showing that BA.2.86 lineage may have primarily evolved to improve immune escape while modulating binding affinity with ACE2 through cooperative effect of R403K, F486P and R493Q mutations. The study supports a hypothesis that the impact of the increased ACE2 binding affinity on viral fitness is more universal and is mediated through cross-talk between convergent mutational hotspots, while the effect of immune evasion could be more variant-dependent.