In response to various stimuli, vascular smooth muscle cells (SMCs) can de-differentiate, proliferate and migrate in a process known as phenotypic modulation. However, the phenotype of modulated SMCs in vivo during atherosclerosis and the influence of this process on coronary artery disease (CAD) risk have not been clearly established. Using single-cell RNA sequencing, we comprehensively characterized the transcriptomic phenotype of modulated SMCs in vivo in atherosclerotic lesions of both mouse and human arteries and found that these cells transform into unique fibroblast-like cells, termed ‘fibromyocytes’, rather than into a classical macrophage phenotype. SMC-specific knockout of TCF21—a causal CAD gene—markedly inhibited SMC phenotypic modulation in mice, leading to the presence of fewer fibromyocytes within lesions as well as within the protective fibrous cap of the lesions. Moreover, TCF21 expression was strongly associated with SMC phenotypic modulation in diseased human coronary arteries, and higher levels of TCF21 expression were associated with decreased CAD risk in human CAD-relevant tissues. These results establish a protective role for both TCF21 and SMC phenotypic modulation in this disease. The human coronary artery disease gene TCF21 promotes the transformation of smooth muscle cells within atherosclerotic plaques into a newly identified population of fibroblast-like cells that contribute to plaque stability.

Summary Microglia, the innate immune cells of the brain, are essential determinants of late-onset Alzheimer’s Disease (LOAD) neuropathology. Here, we developed an integrative computational systems biology approach to construct causal network models of genetic regulatory programs for microglia in Alzheimer’s Disease (AD). This model enabled us to identify novel key driver (KDs) genes for microglial functions that can be targeted for AD pharmacotherapy. We prioritized FCER1G, HCK, LAPTM5, ITGB2, SLC1A2, PAPLN, GSAP, NTRK2 , and CIRBP as KDs of microglial phagocytosis promoting neuroprotection and/or neural repair. In vitro , shRNA knockdown of each KD significantly reduced microglial phagocytosis. We repurposed riluzole, an FDA-approved ALS drug that upregulates SLC1A2 activity, and discovered that it stimulated phagocytosis of Aβ1-42 in human primary microglia and decreased hippocampal amyloid plaque burden/phosphorylated tau levels in the brain of aged 3xTg-AD mice. Taken together, these data emphasize the utlility of our integrative approach for repurposing drugs for AD therapy.

Summary Late-Onset Alzheimer’s Disease (LOAD) results from a complex pathological process influenced by genetic variation, aging and environment factors. Genetic susceptibility factors indicate that myeloid cells such as microglia play a significant role in the onset of LOAD. Here, we developed a computational systems biology approach to construct probabilistic causal and predictive network models of genetic regulatory programs of microglial cells under LOAD diagnosis by integrating two independent brain transcriptome and genome-wide genotype datasets from the Religious Orders Study and Rush Memory and Aging Project (ROSMAP) and Mayo Clinic (MAYO) studies in the AMP-AD consortium. From this network model, we identified and replicated novel microglial-specific master regulators predicted to modulate network states associated with LOAD. We experimentally validated three microglial master regulators ( FCER1G , HCK and LAPTM5 ) in primary human microglia-like cells (MDMi) by demonstrating the molecular impact these master regulators have on modulating downstream genomic targets identified by our top-down/bottom-up method and the causal relations among the three key drivers. These master regulators are involved in phagocytosis, a process associated with LOAD. Thus, we propose three new master regulator (key driver) genes that emerged from our network analyses as robust candidates for further evaluation in LOAD therapeutic development efforts.

Summary Despite decades of genetic studies on late onset Alzheimer’s disease (LOAD), the molecular mechanisms of Alzheimer’s disease (AD) remain unclear. Furthermore, different cell types in the central nervous system (CNS) play distinct roles in the onset and progression of AD pathology. To better comprehend the complex etiology of AD, we used an integrative approach to build robust predictive (causal) network models which were cross-validated over multiple large human multi-omics datasets in AD. We employed a published method to delineate bulk-tissue gene expression into single cell-type gene expression and integrated clinical and pathologic traits of AD, single nucleotide variation, and deconvoluted gene expression for the construction of predictive network models for each cell type in AD. With these predictive causal models, we are able to identify and prioritize robust key drivers of the AD-associated network state. In this study, we focused on neuron-specific network models and prioritized 19 predicted key drivers modulating AD pathology. These targets were validated via shRNA knockdown in human induced pluripotent stem cell (iPSC) derived neurons (iNs), in which 10 out of the 19 neuron-related targets ( JMJD6, NSF, NUDT2, YWHAZ, RBM4, DCAF12, NDRG4, STXBP1, ATP1B1 , and FIBP ) significantly modulated levels of amyloid-beta and/or phosphorylated tau peptides in the postmitotic iNs. Most notably, knockdown of JMJD6 significantly altered the neurotoxic ratios of Aβ42 to 40 and p231-tau to total tau, indicating its potential therapeutic relevance to both amyloid and tau pathology in AD. Molecular validation by RNA sequencing (RNAseq) in iNs further confirmed the network structure, showing significant enrichment in differentially expressed genes after knockdown of the validated targets. Interestingly, our network model predicts that these 10 key drivers are upstream regulators of REST and VGF, two recently identified key regulators of AD pathogenesis.