Translating high-confidence (hc) autism spectrum disorder (ASD) genes into viable treatment targets remains elusive. We constructed a foundational protein-protein interaction (PPI) network in HEK293T cells involving 100 hcASD risk genes, revealing over 1,800 PPIs (87% novel). Interactors, expressed in the human brain and enriched for ASD but not schizophrenia genetic risk, converged on protein complexes involved in neurogenesis, tubulin biology, transcriptional regulation, and chromatin modification. A PPI map of 54 patient-derived missense variants identified differential physical interactions, and we leveraged AlphaFold-Multimer predictions to prioritize direct PPIs and specific variants for interrogation in Xenopus tropicalis and human forebrain organoids. A mutation in the transcription factor FOXP1 led to reconfiguration of DNA binding sites and altered development of deep cortical layer neurons in forebrain organoids. This work offers new insights into molecular mechanisms underlying ASD and describes a powerful platform to develop and test therapeutic strategies for many genetically-defined conditions.

Abstract The mu opioid receptor (μOR), a prototypic member of the large G protein-coupled receptor (GPCR) family, represents an important target of therapeutic and abused drugs. To date, most of our understanding of μOR activity has focused on signal transducers and regulatory molecules including G proteins, GPCR kinases, and beta-arrestins. Yet it is clear that signaling through the μOR is coordinated by additional proteins recruited into the proximal interaction network of the activated receptor, which have largely remained invisible given the lack of technologies to interrogate these networks systematically. Here, we implement a quantitative proteomics pipeline leveraging the chemical diversity of μOR agonists and APEX-based proximity labeling to investigate the protein networks that underlie μOR signaling. We leverage a novel computational framework to extract subcellular location, trafficking, and functional partners of GPCR activity from the proximity labeling datasets. Applying this unbiased, systematic approach to the μOR, we demonstrate that opioid agonists exert differences in the μOR proximal proteome mediated by endocytosis and subsequent endosomal sorting, exemplified by VPS35 and COMMD3. Moreover, we identify two novel μOR network components, EYA4 and KCTD12, that are recruited into the receptor proximal network irrespective of the activating ligand and independent of receptor trafficking but based on receptor-triggered G protein activation. We provide functional evidence that these network components form a previously unrecognized buffering system for G protein activity which broadly modulates cellular GPCR signaling.

This study created a protein-protein interaction map of all the proteins present within the SARS-CoV-2 virus and humans. Understanding how viral proteins interact with human proteins gives researchers targets for the repurposing of drugs to treat COVID-19

Background: Upper lobe predominant emphysema is an important predictor of the response to lung volume reduction procedures. Several genetic risk loci associated with emphysema distribution have been identified through genome-wide association studies (GWAS). To further characterize these associations, we performed functional evaluations of the identified SNPs using available resources of expression quantitative trait loci (eQTL) and cell-type-specific epigenomic annotations. Results: SNPs with P-values <5x10-5 in the largest current GWAS meta-analysis of emphysema distribution in smokers (Boueiz A. et al, AJRCCM 2017) were analyzed. 99 distinct emphysema distribution-associated loci had significant associations with multi-tissue eQTL from the Genotype-Tissue Expression (GTEx) project and whole blood eQTL from the COPDGene study at FDR 10%. 14 of these loci showed strong evidence of one shared causal variant for emphysema distribution and an eQTL in multiple tissues (colocalization posterior probability ≥ 0.9). 17 Roadmap cell types exhibited enrichment in DNase-I hypersensitive peaks, DNaseI hotspots, enhancer marks, or digital DNaseI footprinting (P-value < 0.05), with the strongest enrichment observed in CD4+, CD8+, and regulatory T cells. A region near the ACVR1B gene demonstrated significant colocalization in lung eQTL and DNase-I hypersensitive region that is active in multiple cell types. Reporter assays confirmed allele-specific regulatory activity for the emphysema distribution-associated variant, rs7962469, near ACVR1B. Conclusions: This integrative analysis highlights candidate causal genes, regulatory variations, and specific cell types that may contribute to the pathogenesis of emphysema distribution. These findings will enable more accurate functional validation studies, better understanding of emphysema distribution biology, and ultimately, personalized patient care.

ABSTRACT Protein conformations are shaped by cellular environments, but how environmental changes alter the conformational landscapes of specific proteins in vivo remains largely uncharacterized, in part due to the challenge of probing protein structures in living cells. Here, we use deep mutational scanning to investigate how a toxic conformation of α-synuclein, a dynamic protein linked to Parkinson’s disease, responds to perturbations of cellular proteostasis. In the context of a course for graduate students in the UCSF Integrative Program in Quantitative Biology, we screened a comprehensive library of α-synuclein missense mutants in yeast cells treated with a variety of small molecules that perturb cellular processes linked to α-synuclein biology and pathobiology. We found that the conformation of α-synuclein previously shown to drive yeast toxicity—an extended, membrane-bound helix—is largely unaffected by these chemical perturbations, underscoring the importance of this conformational state as a driver of cellular toxicity. On the other hand, the chemical perturbations have a significant effect on the ability of mutations to suppress α-synuclein toxicity. Moreover, we find that sequence determinants of α-synuclein toxicity are well described by a simple structural model of the membrane-bound helix. This model predicts that α-synuclein penetrates the membrane to constant depth across its length but that membrane affinity decreases toward the C terminus, which is consistent with orthogonal biophysical measurements. Finally, we discuss how parallelized chemical genetics experiments can provide a robust framework for inquiry-based graduate coursework.

Abstract Artificial Intelligence (AI) has the power to improve our lives through a wide variety of applications, many of which fall into the healthcare space; however, a lack of diversity is contributing to flawed systems that perpetuate gender and racial biases, and limit how broadly AI can help people. The UCSF AI4ALL program was established in 2019 to address this issue by promoting diversity and inclusion in AI. The program targets high school students from underrepresented backgrounds in AI and gives them a chance to learn about AI with a focus on biomedicine. In 2020, the UCSF AI4ALL three-week program was held entirely online due to the COVID-19 pandemic. Thus students participated virtually to gain experience with AI, interact with diverse role models in AI, and learn about advancing health through AI. Specifically, they attended lectures in coding and AI, received an in-depth research experience through hands-on projects exploring COVID-19, and engaged in mentoring and personal development sessions with faculty, researchers, industry professionals, and undergraduate and graduate students, many of whom were women and from underrepresented racial and ethnic backgrounds. At the conclusion of the program, the students presented the results of their research projects at our final symposium. Comparison of pre- and post-program survey responses from students demonstrated that after the program, significantly more students were familiar with how to work with data and to evaluate and apply machine learning algorithms. There was also a nominally significant increase in the students’ knowing people in AI from historically underrepresented groups, feeling confident in discussing AI, and being aware of careers in AI. We found that we were able to engage young students in AI via our online training program and nurture greater inclusion in AI.