The view of the lysosome as the terminal end of cellular catabolic pathways has been challenged by recent studies showing a central role of this organelle in the control of cell function. Here we show that a lysosomal Ca2+ signalling mechanism controls the activities of the phosphatase calcineurin and of its substrate TFEB, a master transcriptional regulator of lysosomal biogenesis and autophagy. Lysosomal Ca2+ release through mucolipin 1 (MCOLN1) activates calcineurin, which binds and dephosphorylates TFEB, thus promoting its nuclear translocation. Genetic and pharmacological inhibition of calcineurin suppressed TFEB activity during starvation and physical exercise, while calcineurin overexpression and constitutive activation had the opposite effect. Induction of autophagy and lysosomal biogenesis through TFEB required MCOLN1-mediated calcineurin activation. These data link lysosomal calcium signalling to both calcineurin regulation and autophagy induction and identify the lysosome as a hub for the signalling pathways that regulate cellular homeostasis. Medina, Ballabio and colleagues report that calcium release from the lysosome stimulates calcineurin, which dephosphorylates and activates TFEB. These findings reveal a central role for calcium signalling in autophagy and lysosome homeostasis.

Abstract Cellular stresses trigger autophagy to remove damaged macromolecules and organelles. Lysosomes ‘host’ multiple stress-sensing mechanisms that trigger the coordinated biogenesis of autophagosomes and lysosomes. For example, transcription factor (TF)EB, which regulates autophagy and lysosome biogenesis, is activated following the inhibition of mTOR, a lysosome-localized nutrient sensor. Here we show that reactive oxygen species (ROS) activate TFEB via a lysosomal Ca 2+ -dependent mechanism independent of mTOR. Exogenous oxidants or increasing mitochondrial ROS levels directly and specifically activate lysosomal TRPML1 channels, inducing lysosomal Ca 2+ release. This activation triggers calcineurin-dependent TFEB-nuclear translocation, autophagy induction and lysosome biogenesis. When TRPML1 is genetically inactivated or pharmacologically inhibited, clearance of damaged mitochondria and removal of excess ROS are blocked. Furthermore, TRPML1’s ROS sensitivity is specifically required for lysosome adaptation to mitochondrial damage. Hence, TRPML1 is a ROS sensor localized on the lysosomal membrane that orchestrates an autophagy-dependent negative-feedback programme to mitigate oxidative stress in the cell.

To mediate the degradation of biomacromolecules, lysosomes must traffic towards cargo-carrying vesicles for subsequent membrane fusion or fission. Mutations of the lysosomal Ca2+ channel TRPML1 cause lysosomal storage disease (LSD) characterized by disordered lysosomal membrane trafficking in cells. Here we show that TRPML1 activity is required to promote Ca2+-dependent centripetal movement of lysosomes towards the perinuclear region (where autophagosomes accumulate) following autophagy induction. ALG-2, an EF-hand-containing protein, serves as a lysosomal Ca2+ sensor that associates physically with the minus-end-directed dynactin–dynein motor, while PtdIns(3,5)P2, a lysosome-localized phosphoinositide, acts upstream of TRPML1. Furthermore, the PtdIns(3,5)P2–TRPML1–ALG-2–dynein signalling is necessary for lysosome tubulation and reformation. In contrast, the TRPML1 pathway is not required for the perinuclear accumulation of lysosomes observed in many LSDs, which is instead likely to be caused by secondary cholesterol accumulation that constitutively activates Rab7–RILP-dependent retrograde transport. Ca2+ release from lysosomes thus provides an on-demand mechanism regulating lysosome motility, positioning and tubulation. Following autophagy induction, lysosomes move to the perinuclear region. Xu and colleagues delineate a pathway involving PtdIns(3,5)P2-mediated activation of the TRPML1 channel and the Ca2+ sensor ALG-2 in this process.

Significance Lysosomes are the cell’s degradation center. To adapt to different environmental conditions, the cell has evolved a set of delicate mechanisms to rapidly change lysosome function, which is referred to as lysosomal adaptation. Notably, lysosomal adaptation is required for cell survival under low nutrient conditions. In this study, we identified TRPML1, a lysosomal Ca 2+ -permeant ion channel, as an essential player required for lysosomal adaptation. The activity of TRPML1 is potently (up to 10-fold) and rapidly increased upon nutrient starvation. Furthermore, pharmacological inhibition or genetic deletion of TRPML1 completely abolished the effects of starvation on boosting the degradation capability of lysosomes.

Impaired homeostasis of lysosomal Ca2+ causes lysosome dysfunction and lysosomal storage diseases (LSDs), but the mechanisms by which lysosomes acquire and refill Ca2+ are not known. We developed a physiological assay to monitor lysosomal Ca2+ store refilling using specific activators of lysosomal Ca2+ channels to repeatedly induce lysosomal Ca2+ release. In contrast to the prevailing view that lysosomal acidification drives Ca2+ into the lysosome, inhibiting the V-ATPase H+ pump did not prevent Ca2+ refilling. Instead, pharmacological depletion or chelation of Endoplasmic Reticulum (ER) Ca2+ prevented lysosomal Ca2+ stores from refilling. More specifically, antagonists of ER IP3 receptors (IP3Rs) rapidly and completely blocked Ca2+ refilling of lysosomes, but not in cells lacking IP3Rs. Furthermore, reducing ER Ca2+ or blocking IP3Rs caused a dramatic LSD-like lysosome storage phenotype. By closely apposing each other, the ER may serve as a direct and primary source of Ca2+for the lysosome.

Abstract The ability of indoor plants to purify benzene pollution is the basic basis for the selection of plants for ecological remediation of indoor benzene pollution. In this study, the purification rate and the purification amount per unit leaf area of 13 test plants at three benzene concentrations were determined by indoor fumigation experiments, and the benzene absorption and purification abilityability of indoor plants were comprehensively evaluated. The results showed that (1) there was a significant correlation between benzene concentration and purification rate and purification amount per unit leaf area. (2) At the three concentrations, Spathiphyllum floribundum showed the highest purification rate and Sansevieria trifasciata var. laurentii showed the highest purification per unit leaf area. (3) The combined results showed that Sansevieria trifasciata var. laurentii , Spathiphyllum floribundum and Aloe arborescens were the strongest absorbers and purifiers, while Podocarpus nagi and Anthurium andraeanum ‘Pink champin’ had the weakest absorption and purification capacity. The results of this study provide a theoretical basis and reference for the selection of plants with strong capacities to adsorb and purify benzene pollution in indoor air.

Point cloud registration is a fundamental task in computer vision and graphics, which is widely used in 3D reconstruction, object tracking, and atlas reconstruction. Learning-based optimization and deep learning methods have been widely developed in pairwise registration due to their own distinctive advantages. Deep learning methods offer greater flexibility and enable registering unseen point clouds that are not trained. Learning-based optimization methods exhibit enhanced robustness and stability when handling registration under various perturbations, such as noise, outliers, and occlusions. To leverage the strengths of both approaches to achieve a less time-consuming, robust, and stable registration for multiple instances, we propose a novel computational framework called SGRTmreg for multiple pairwise registrations in this paper. The SGRTmreg framework utilizes three components—a Searching scheme, a learning-based optimization method called Graph-based Reweighted discriminative optimization (GRDO), and a Transfer module to achieve multi-instance point cloud registration.Given a collection of instances to be matched, a template as a target point cloud, and an instance as a source point cloud, the searching scheme selects one point cloud from the collection that closely resembles the source. GRDO then learns a sequence of regressors by aligning the source to the target, while the transfer module stores and applies the learned regressors to align the selected point cloud to the target and estimate the transformation of the selected point cloud. In short, SGRTmreg harnesses a shared sequence of regressors to register multiple point clouds to a target point cloud. We conduct extensive registration experiments on various datasets to evaluate the proposed framework. The experimental results demonstrate that SGRTmreg achieves multiple pairwise registrations with higher accuracy, robustness, and stability than the state-of-the-art deep learning and traditional registration methods.