Translocation of the small GTP-binding protein Rac1 to the cell plasma membrane is essential for activating downstream effectors and requires integrin-mediated adhesion of cells to extracellular matrix. We report that active Rac1 binds preferentially to low-density, cholesterol-rich membranes, and specificity is determined at least in part by membrane lipids. Cell detachment triggered internalization of plasma membrane cholesterol and lipid raft markers. Preventing internalization maintained Rac1 membrane targeting and effector activation in nonadherent cells. Regulation of lipid rafts by integrin signals may regulate the location of membrane domains such as lipid rafts and thereby control domain-specific signaling events in anchorage-dependent cells.

The small GTPase Rac regulates cytoskeletal organization, cell cycle progression, gene expression and oncogenic transformation, processes that depend upon both soluble growth factors and adhesion to the extracellular matrix (ECM). We now show that growth factors and adhesion to the ECM both contribute independently and approximately equally to Rac activation. However, activated Rac in non-adherent cells failed to stimulate the Rac effector PAK. V12 Rac or Rac activated by serum translocated to the membrane fraction of adherent cells but remained mainly cytoplasmic in suspended cells. An activated Rac mutant lacking a membrane-targeting sequence did not activate PAK in adherent cells, while mutations that forced membrane targeting restored PAK activation in suspended cells. In vitro, V12 Rac showed greater binding to membranes from adherent relative to suspended cells, indicating that cell adhesion regulated membrane binding sites for Rac. These results show that ECM regulates the ability of Rac to couple with PAK via an effect on membrane binding sites that facilitate their interaction.

Growth of normal cells is anchorage dependent because signalling through multiple pathways including Erk, phosphatidylinositol-3-OH kinase (PI(3)K) and Rac requires integrin-mediated cell adhesion1. Components of these pathways localize to low-density, cholesterol-rich domains in the plasma membrane named 'lipid rafts'2,3 or 'cholesterol-enriched membrane microdomains' (CEMM)4. We previously reported that integrin-mediated adhesion regulates CEMM transport such that cell detachment from the extracellular matrix triggers CEMM internalization and clearance from the plasma membrane5. We now report that this internalization is mediated by dynamin-2 and caveolin-1. Internalization requires phosphorylation of caveolin-1 on Tyr 14. A shift in localization of phospho-caveolin-1 from focal adhesions to caveolae induces CEMM internalization upon cell detachment, which mediates inhibition of Erk, PI(3)K and Rac. These data define a novel molecular mechanism for growth and tumour suppression by caveolin-1.

The aim of this study is to elucidate the role of integrins in transducing fluid shear stress into intracellular signals in vascular endothelial cells, a fundamental process in vascular biology. We demonstrated that shear stress activates specific integrins in endothelial cells plated on substrates containing the cognate extracellular matrix (ECM) ligands. The shear stress-induced mechanotransduction, as manifested by integrin–Shc association, was abolished when new integrin–ECM ligand interactions were prevented by either blocking the integrin-binding sites of ECM ligands or conjugating the integrins to immobilized antibodies. Our results indicate that the dynamic formation of new connections between integrins and their specific ECM ligands is critical in relaying the signals induced by shear stress to intracellular pathways.

Anoikis (or cell-detachment-induced apoptosis) is a self-defense strategy that organisms use to eliminate ‘misplaced’ cells, i.e. cells that are in an inappropriate location. Occasionally, detached or misplaced cells can overcome anoikis and survive for a certain period of time in the absence of the correct signals from the extracellular matrix (ECM). If cells are able to adapt to their new environment, then they have probably become anchorage-independent, which is one of the hallmarks of cancer cells. Anoikis resistance and anchorage-independency allow tumor cells to expand and invade adjacent tissues, and to disseminate through the body, giving rise to metastasis. Thus, overcoming anoikis is a crucial step in a series of changes that a tumor cell undergoes during malignant transformation. Tumor cells have developed a variety of strategies to bypass or overcome anoikis. Some strategies consist of adaptive cellular changes that allow the cells to behave as they would in the correct environment, so that induction of anoikis is aborted. Other strategies aim to counteract the negative effects of anoikis induction by hyperactivating survival and proliferative cascades. The recently discovered processes of autophagy and entosis also highlight the contribution of these mechanisms to rendering the cells in a dormant state until they receive a signal initiated at the ECM, thereby circumventing anoikis. In all situations, the final outcome is the ability of the tumor to grow and metastasize. A better understanding of the mechanisms underlying anoikis resistance could help to counteract tumor progression and prevent metastasis formation.

Development, angiogenesis, wound healing, and metastasis all involve the movement of cells in response to changes in the extracellular environment. To determine whether caveolin-1 plays a role in cell migration, we have used fibroblasts from knockout mice. Caveolin-1–deficient cells lose normal cell polarity, exhibit impaired wound healing, and have decreased Rho and increased Rac and Cdc42 GTPase activities. Directional persistency of migration is lost, and the cells show an impaired response to external directional stimuli. Both Src inactivation and p190RhoGAP knockdown restore the wild-type phenotype to caveolin-1–deficient cells, suggesting that caveolin-1 stimulates normal Rho GTP loading through inactivation of the Src–p190RhoGAP pathway. These findings highlight the importance of caveolin-1 in the establishment of cell polarity during directional migration through coordination of the signaling of Src kinase and Rho GTPases.

Cells drop a bomb on pathogens Lipid droplets (LDs) accumulate in cells to serve as lipid storage organelles. They are also an attractive source of nutrients for many pathogens. Bosch et al. show that various proteins involved in innate immunity form complexes on LDs in response to bacterial lipopolysaccharide (see the Perspective by Green). Upon activation, LDs became physically uncoupled from mitochondria, driving a shift in cells from oxidative phosphorylation to aerobic glycolysis. This work highlights the ability of LDs both to kill pathogens directly and to establish a metabolic environment conducive to host defense. This may inform future antimicrobial strategies in the age of antibiotic resistance. Science , this issue p. eaay8085 ; see also p. 294

Abstract The mechanical properties of the extracellular matrix (ECM) determine cell differentiation, proliferation and migration through mechanoresponsive proteins including YAP. However, how different mechanical signals cooperate, synergize or compete to steer cell behavior remains poorly understood. Here, we have examined competition between the two major ECM mechanical cues, i.e. rigidity, which activates cell mechanosensing, and viscous energy dissipation, which reduces stiffness blunting cell mechanotransduction. To trigger competition, we have engineered protein hydrogels allowing concomitant modulation of stiffness and viscosity by mechanisms characteristic of native ECM. Culturing cells on these hydrogels, we have found that substrate energy dissipation attenuates YAP mechanosensing prevailing over stiffness cues. Hampered YAP activation on more dissipative substrates correlates with faster actin flow and smaller focal adhesions. Mechanistically, inhibition of actomyosin contractility reverses the outcome of the competition between rigidity and energy dissipation. Our results highlight the dominating contribution of substrate viscosity to the biology of the cell.

Abstract Toxicity is an important factor in failed drug development, and its efficient identification and prediction is a major challenge in drug discovery. We have explored the potential of microscopy images of fluorescently labeled nuclei for the prediction of toxicity based on nucleus pattern recognition. Deep learning algorithms obtain abstract representations of images through an automated process, allowing them to efficiently classify complex patterns, and have become the state-of-the art in machine learning for computer vision. Here, deep convolutional neural networks (CNN) were trained to predict toxicity from images of DAPI-stained cells pre-treated with a set of drugs with differing toxicity mechanisms. Different cropping strategies were used for training CNN models, the nuclei-cropping-based Tox-CNN model outperformed other models classifying cells according to health status. Tox-CNN allowed automated extraction of feature maps that clustered compounds according to mechanism of action. Moreover, fully automated region-based CNNs (RCNN) were implemented to detect and classify nuclei, providing per-cell toxicity prediction from raw screening images. We validated both Tox-(R)CNN models for detection of pre-lethal toxicity from nuclei images, which proved to be more sensitive and have broader specificity than established toxicity readouts. These models predicted toxicity of drugs with mechanisms of action other than those they had been trained for and were successfully transferred to other cell assays. The Tox-(R)CNN models thus provide robust, sensitive, and cost-effective tools for in vitro screening of drug-induced toxicity. These models can be adopted for compound prioritization in drug screening campaigns, and could thereby increase the efficiency of drug discovery. Author summary Visualization of nuclei using different microscopic approaches has for decades allowed the identification of cells undergoing cell death, based on changes in morphology, nuclear density, etc. However, this human-based visual analysis has not been traslated into quantitative tools able to objectively measure cytotoxicity in drug-exposed cells. We asked ourselves if it would be possible to train machines to detect cytotoxicity from microscopy images of fluorescently stained nuclei, without using specific toxicity labeling. Deep learning is the most powerful supervised machine learning methodology available, with exceptional abilities to solve computer vision tasks, and was thus selected for the development of a toxicity quantification tool. Two convolutional neural networks (CNN) were developed to classify cells based on health status: Tox-CNN, relying on prior cell segmentation and cropping of nuclei images, and Tox-RCNN which carries out fully-automated cell detection and classification. Both Tox-(R)CNN classification outputs provided sensitive screening readouts that detected pre-lethal toxicity and were validated for a broad array of toxicity pathways and cell assays. Tox-(R)CNN approaches excel in affordability and applicability to other in vitro toxicity readouts and constitute a robust screening tool for drug discovery.