ABSTRACT Recombinant adenoviruses (Ad) have become the vector system of choice for a variety of gene therapy applications. However, the utility of Ad vectors is limited due to the low efficiency of Ad-mediated gene transfer to cells expressing marginal levels of the coxsackievirus and adenovirus receptor (CAR). In order to achieve CAR-independent gene transfer by Ad vectors in clinically important contexts, we proposed modification of viral tropism via genetic alterations to the viral fiber protein. We have shown that incorporation of an Arg-Gly-Asp (RGD)-containing peptide in the HI loop of the fiber knob domain results in the ability of the virus to utilize an alternative receptor during the cell entry process. We have also demonstrated that due to its expanded tissue tropism, this novel vector is capable of efficient transduction of primary tumor cells. An increase in gene transfer to ovarian cancer cells of 2 to 3 orders of magnitude was demonstrated by the vector, suggesting that recombinant Ad containing fibers with an incorporated RGD peptide may be of great utility for treatment of neoplasms characterized by deficiency of the primary Ad type 5 receptor.

Our understanding of Alzheimer’s disease (AD) pathophysiology remains incomplete. Here we used quantitative mass spectrometry and coexpression network analysis to conduct the largest proteomic study thus far on AD. A protein network module linked to sugar metabolism emerged as one of the modules most significantly associated with AD pathology and cognitive impairment. This module was enriched in AD genetic risk factors and in microglia and astrocyte protein markers associated with an anti-inflammatory state, suggesting that the biological functions it represents serve a protective role in AD. Proteins from this module were elevated in cerebrospinal fluid in early stages of the disease. In this study of >2,000 brains and nearly 400 cerebrospinal fluid samples by quantitative proteomics, we identify proteins and biological processes in AD brains that may serve as therapeutic targets and fluid biomarkers for the disease. Large-scale, comprehensive proteomic profiling of Alzheimer’s disease brain and cerebrospinal fluid reveals disease-associated protein coexpression modules and highlights the importance of glia and energy metabolism in disease pathogenesis.

Elucidating brain cell type specific gene expression patterns is critical towards a better understanding of how cell-cell communications may influence brain functions and dysfunctions. We set out to compare and contrast five human and murine cell type-specific transcriptome-wide RNA expression data sets that were generated within the past several years. We defined three measures of brain cell type-relative expression including specificity, enrichment, and absolute expression and identified corresponding consensus brain cell "signatures," which were well conserved across data sets. We validated that the relative expression of top cell type markers are associated with proxies for cell type proportions in bulk RNA expression data from postmortem human brain samples. We further validated novel marker genes using an orthogonal ATAC-seq dataset. We performed multiscale coexpression network analysis of the single cell data sets and identified robust cell-specific gene modules. To facilitate the use of the cell type-specific genes for cell type proportion estimation and deconvolution from bulk brain gene expression data, we developed an R package, BRETIGEA. In summary, we identified a set of novel brain cell consensus signatures and robust networks from the integration of multiple datasets and therefore transcend limitations related to technical issues characteristic of each individual study.

Summary

 Genomic studies of lung adenocarcinoma (LUAD) have advanced our understanding of the disease's biology and accelerated targeted therapy. However, the proteomic characteristics of LUAD remain poorly understood. We carried out a comprehensive proteomics analysis of 103 cases of LUAD in Chinese patients. Integrative analysis of proteome, phosphoproteome, transcriptome, and whole-exome sequencing data revealed cancer-associated characteristics, such as tumor-associated protein variants, distinct proteomics features, and clinical outcomes in patients at an early stage or with EGFR and TP53 mutations. Proteome-based stratification of LUAD revealed three subtypes (S-I, S-II, and S-III) related to different clinical and molecular features. Further, we nominated potential drug targets and validated the plasma protein level of HSP 90β as a potential prognostic biomarker for LUAD in an independent cohort. Our integrative proteomics analysis enables a more comprehensive understanding of the molecular landscape of LUAD and offers an opportunity for more precise diagnosis and treatment.

Alzheimer's disease (AD) displays a long asymptomatic stage before dementia. We characterize AD stage-associated molecular networks by profiling 14,513 proteins and 34,173 phosphosites in the human brain with mass spectrometry, highlighting 173 protein changes in 17 pathways. The altered proteins are validated in two independent cohorts, showing partial RNA dependency. Comparisons of brain tissue and cerebrospinal fluid proteomes reveal biomarker candidates. Combining with 5xFAD mouse analysis, we determine 15 Aβ-correlated proteins (e.g., MDK, NTN1, SMOC1, SLIT2, and HTRA1). 5xFAD shows a proteomic signature similar to symptomatic AD but exhibits activation of autophagy and interferon response and lacks human-specific deleterious events, such as downregulation of neurotrophic factors and synaptic proteins. Multi-omics integration prioritizes AD-related molecules and pathways, including amyloid cascade, inflammation, complement, WNT signaling, TGF-β and BMP signaling, lipid metabolism, iron homeostasis, and membrane transport. Some Aβ-correlated proteins are colocalized with amyloid plaques. Thus, the multilayer omics approach identifies protein networks during AD progression.

Abstract Alzheimer’s disease (AD) affects half the US population over the age of 85 and is universally fatal following an average course of 10 years of progressive cognitive disability. Genetic and genome-wide association studies (GWAS) have identified about 33 risk factor genes for common, late-onset AD (LOAD), but these risk loci fail to account for the majority of affected cases and can neither provide clinically meaningful prediction of development of AD nor offer actionable mechanisms. This cohort study generated large-scale matched multi-Omics data in AD and control brains for exploring novel molecular underpinnings of AD. Specifically, we generated whole genome sequencing, whole exome sequencing, transcriptome sequencing and proteome profiling data from multiple regions of 364 postmortem control, mild cognitive impaired (MCI) and AD brains with rich clinical and pathophysiological data. All the data went through rigorous quality control. Both the raw and processed data are publicly available through the Synapse software platform.

Abstract Identification of sets of objects with shared features is a common operation in all disciplines. Analysis of intersections among multiple sets is fundamental for in-depth understanding of their complex relationships. However, so far no method has been developed to assess statistical significance of intersections among three or more sets. Moreover, the state-of-the-art approaches for visualization of multi-set intersections are not scalable. Here, we first developed a theoretical framework for computing the statistical distributions of multi-set intersections based upon combinatorial theory and then accordingly designed a procedure to efficiently calculate the exact probabilities of multi-set intersections. We further developed multiple efficient and scalable techniques to visualize multi-set intersections and the corresponding intersection statistics. We implemented both the theoretical framework and the visualization techniques in a unified R software package, SuperExactTest . We demonstrated the utility of SuperExactTest through an intensive simulation study and a comprehensive analysis of seven independently curated cancer gene sets as well as six disease or trait associated gene sets identified by genome-wide association studies. We expect SuperExactTest developed by this study will have a broad range of applications in scientific data analysis in many disciplines.

Abstract Parkinson’s disease (PD) is a common and complex neurodegenerative disorder. Loss of neuromelanin-containing dopaminergic (DA) neurons in the substantia nigra (SN) is a hallmark of PD neuropathology; the etiology of PD remains unclear. Single-cell (-nucleus) RNA sequencing (sc or snRNAseq) has significantly advanced our understanding of neurodegenerative diseases including Alzheimer’s, but limited progress has been made in PD. Here we generated by far the largest snRNAseq data of high-quality 315,867 nuclei from the human SN including 9 healthy controls and 23 idiopathic PD cases across different Braak stages. Clustering analysis identified major brain cell types including DA neurons, excitatory neurons, inhibitory neurons, glial cells, endothelial, pericytes, fibroblast and T-cells in the human SN. By combining immunostaining and validating against the datasets from independent cohorts, we identified three molecularly distinct subtypes of DA-related neurons, including a RIT2 -enriched population, in human aged SN. All DA neuron subtypes degenerated in PD, whereas the composition of non-neuronal cell clusters including major glial types showed little change. Our study delineated cell-type-specific PD-linked gene expression in the SN and their alterations in PD. Examination of cell-type-based transcriptomic changes suggests the complexity and diversity of molecular mechanisms of PD. Analysis of the remaining DA neurons of the three subtypes from PD demonstrated alterations of common gene sets associated with neuroprotection. Our findings highlight the heterogeneity of DA neurons in the human SN and suggest molecular basis for vulnerability and resilience of human DA neurons in PD. Our cohort thus provides a valuable resource for dissecting detailed mechanisms of DA neuron degeneration and identifying new neuroprotective strategies for PD.

ABSTRACT We use deep sequencing to identify sources of variation in mRNA splicing in the dorsolateral prefrontal cortex (DLFPC) of 450 subjects from two prospective cohort studies of aging. Hundreds of aberrant pre-mRNA splicing events are reproducibly associated with Alzheimer’s Disease (AD). We also generate a catalog of splicing quantitative trait loci (sQTL) effects in the human cortex: splicing of 3,198 genes is influenced by genetic variation. sQTLs are enriched among those variants influencing DNA methylation and histone acetylation. In assessing known AD loci, we report that altered splicing is the mechanism for the effects of the PICALM, CLU, and PTK2B susceptibility alleles. Further, we leverage our sQTL catalog to identify genes whose aberrant splicing is associated with AD and mediated by genetics. This transcriptome-wide association study identified 21 genes with significant associations, many of which are found in AD GWAS loci, but 8 are in novel AD loci, including FUS, which is a known amyotrophic lateral sclerosis (ALS) gene. This highlights an intriguing shared genetic architecture that is further elaborated by the convergence of old and new AD genes in autophagy-lysosomal-related pathways already implicated in AD and other neurodegenerative diseases. Overall, this study of the aging brain’s transcriptome provides evidence that dysregulation of mRNA splicing is a feature of AD and is, in some genetically-driven cases, causal.

Abstract Though discovered over 100 years ago, the molecular foundation of sporadic Alzheimer’s disease (AD) remains elusive. To elucidate its complex nature, we constructed multiscale causal network models on a large human AD multi-omics dataset, integrating clinical features of AD, DNA variation, and gene and protein expression into probabilistic causal models that enabled detection and prioritization of high-confidence key drivers of AD, including the top predicted key driver VGF. Overexpression of neuropeptide precursor VGF in 5xFAD mice partially rescued beta-amyloid-mediated memory impairment and neuropathology. Molecular validation of network predictions downstream of VGF was achieved, with significant enrichment for homologous genes identified as differentially expressed in 5xFAD brains overexpressing VGF versus controls. Our findings support a causal and/or protective role for VGF in AD pathogenesis and progression. One sentence summary VGF protects against Alzheimer’s disease