The reciprocal coordination between cholesterol absorption in the intestine and de novo cholesterol synthesis in the liver is essential for maintaining cholesterol homeostasis, yet the mechanisms governing the opposing regulation of these processes remain poorly understood. Here, we identify a hormone, Cholesin, which is capable of inhibiting cholesterol synthesis in the liver, leading to a reduction in circulating cholesterol levels. Cholesin is encoded by a gene with a previously unknown function (C7orf50 in humans; 3110082I17Rik in mice). It is secreted from the intestine in response to cholesterol absorption and binds to GPR146, an orphan G-protein-coupled receptor, exerting antagonistic downstream effects by inhibiting PKA signaling and thereby suppressing SREBP2-controlled cholesterol synthesis in the liver. Therefore, our results demonstrate that the Cholesin-GPR146 axis mediates the inhibitory effect of intestinal cholesterol absorption on hepatic cholesterol synthesis. This discovered hormone, Cholesin, holds promise as an effective agent in combating hypercholesterolemia and atherosclerosis.

Computational modeling of the genome-wide metabolic network is essential for designing new therapeutics targeting cancer-associated metabolic disorder, which is a hallmark of human malignancies. However, previous studies generally assumed that metabolic fluxes of cancer cells are subjected to the maximization of biomass production, despite the wide existence of trade-offs among multiple metabolic objectives. To address this issue, we developed a multi-objective model of cancer metabolism with algorithms depicting approximate Pareto surfaces and incorporating multiple omics datasets. To validate this approach, we built individualized models for NCI-60 cancer cell lines, and accurately predicted cell growth rates and other biological consequences of metabolic perturbations in these cells. By analyzing the landscape of approximate Pareto surface, we identified a list of metabolic targets essential for cancer cell proliferation and the Warburg effect, and further demonstrated their close association with cancer patient survival. Finally, metabolic targets predicted to be essential for tumor progression were validated by cell-based experiments, confirming this multi-objective modelling method as a novel and effective strategy to identify cancer-associated metabolic vulnerabilities.