Abstract At first glance, longevity and immunity appear to be different traits that have not much in common except the fact that the immune system promotes survival upon pathogenic infection. Substantial evidence however points to a molecularly intertwined relationship between the immune system and ageing. Although this link is well-known throughout the animal kingdom, its genetic basis is complex and still poorly understood. To address this question, we here provide a compilation of all genes concomitantly known to be involved in immunity and ageing in humans and three well-studied model organisms, the nematode worm Caenorhabditis elegans , the fruit fly Drosophila melanogaster , and the house mouse Mus musculus . By analysing human orthologs among these species, we identified 7 evolutionarily conserved signalling cascades, the insulin/TOR network, three MAPK (ERK, p38, JNK), JAK/STAT, TGF-β, and Nf-κB pathways that act pleiotropically on ageing and immunity. We review current evidence for these pathways linking immunity and lifespan, and their role in the detrimental dysregulation of the immune system with age, known as immunosenescence. We argue that the phenotypic effects of these pathways are often context-dependent and vary, for example, between tissues, sexes, and types of pathogenic infection. Future research therefore needs to explore a higher temporal, spatial and environmental resolution to fully comprehend the connection between ageing and immunity.

Abstract There are many occurrences of enzymes catalysing the same reaction but having significantly different structures. Leveraging the comprehensive information on enzymes stored in the Mechanism and Catalytic Site Atlas (M-CSA), we present a collection of 38 cases for which there is sufficient evidence of functional convergence without an evolutionary link. For each case, we compare enzymes which have identical Enzyme Commission numbers (i.e. catalyse the same reaction), but different identifiers in the CATH data resource (i.e. different folds). We focus on similarities between their sequence, structure, active site geometry, cofactors and catalytic mechanism. These features are then assessed to evaluate whether all the evidence on these structurally diverse proteins supports their independent evolution to catalyse the same chemical reaction. Our approach combines literature information with knowledge-based computational resources from, amongst others, M-CSA, PDBe and PDBsum, supported by tailor made software to explore active site structure and assess mechanism similarity. We find that there are multiple varieties of convergent functional evolution observed to date and it is necessary to investigate sequence, structure, active site geometry and enzyme mechanisms to describe such convergence accurately.

Abstract Enzyme catalysis is governed by a limited toolkit of residues and organic or inorganic co-factors. Therefore, it is expected that recurring residue arrangements will be found across the enzyme space, which perform a defined catalytic function, are structurally similar and occur in unrelated enzymes. Leveraging the integrated information in the Mechanism and Catalytic Site Atlas (M-CSA) (enzyme structure, sequence, catalytic residue annotations, catalysed reaction, detailed mechanism description), 3D templates were derived to represent compact groups of catalytic residues. A fuzzy template-template search, allowed us to identify those recurring motifs, which are conserved or convergent, that we define as the “modules of enzyme catalysis”. We show that a large fraction of these modules facilitate binding of metal ions, co-factors and substrates, and are frequently the result of convergent evolution. A smaller number of convergent modules perform a well-defined catalytic role, such as the variants of the catalytic triad (i.e. Ser-His-Asp/Cys-His-Asp) and the saccharide-cleaving Asp/Glu triad. It is also shown that enzymes whose functions have diverged during evolution preserve regions of their active site unaltered, as shown by modules performing similar or identical steps of the catalytic mechanism. We have compiled a comprehensive library of catalytic modules, that characterise a broad spectrum of enzymes. These modules can be used as templates in enzyme design and for better understanding catalysis in 3D.

Cells in largely non-mitotic tissues such as the brain are prone to stochastic (epi-)genetic alterations that may cause increased variability between cells and individuals over time. Although increased inter-individual heterogeneity in gene expression was previously reported, whether this process starts during development or if it is restricted to the aging period has not yet been studied. The regulatory dynamics and functional significance of putative aging-related heterogeneity are also unknown. Here we address these by a meta-analysis of 19 transcriptome datasets from diverse human brain regions. We observed a significant increase in inter-individual heterogeneity during aging (20+ years) compared to postnatal development (0 to 20 years). Increased heterogeneity during aging was consistent among different brain regions at the gene level and associated with lifespan regulation and neuronal functions. Overall, our results show that increased expression heterogeneity is a characteristic of aging human brain, and may influence aging-related changes in brain functions.

Ageing is the largest risk factor for a variety of non-communicable diseases. Model organism studies have shown that genetic and chemical perturbations can extend both life- and health-span. Ageing is a complex process, with parallel and interacting mechanisms contributing to its aetiology, posing a challenge for the discovery of new pharmacological candidates to ameliorate its effects. In this study, instead of a target-centric approach, we adopt a systems level drug repurposing methodology to discover drugs that could combat ageing in human brain. Using multiple gene expression datasets from brain tissue, taken from patients of different ages, we first identified the expression changes that characterise ageing. Then, we compared these changes in gene expression with drug perturbed expression profiles in the Connectivity Map. We thus identified 24 drugs with significantly associated changes. Some of these drugs may function as anti-ageing drugs by reversing the detrimental changes that occur during ageing, others by mimicking the cellular defense mechanisms. The drugs that we identified included significant number of already identified pro-longevity drugs, indicating that the method can discover de novo drugs that meliorate ageing. The approach has the advantages that, by using data from human brain ageing data it focuses on processes relevant in human ageing and that it is unbiased, making it possible to discover new targets for ageing studies.

Ageing is broadly defined as a time-dependent progressive decline in the functional and physiological integrity of organisms. Previous studies and evolutionary theories of ageing suggest that ageing is not a programmed process but reflects dynamic stochastic events. In this study, we test whether transcriptional noise shows an increase with age, which would be expected from stochastic theories. Using human brain transcriptome dataset, we analysed the heterogeneity in the transcriptome for individual genes and functional pathways, employing different analysis methods and pre-processing steps. We show that unlike expression level changes, changes in heterogeneity are highly dependent on the methodology and the underlying assumptions. Although the particular set of genes that can be characterized as differentially variable is highly dependent on the methods, we observe a consistent increase in heterogeneity at every level, independent of the method. In particular, we demonstrate a weak but reproducible transcriptome-wide shift towards an increase in heterogeneity, with twice as many genes significantly increasing as opposed to decreasing their heterogeneity. Furthermore, this pattern of increasing heterogeneity is not specific but is associated with a wide range of pathways.

The relationship between enzyme-catalysed reactions and the Enzyme Commission (EC) number, the widely accepted classification scheme used to characterise enzyme activity, is complex and with the rapid increase in our knowledge of the reactions catalysed by enzymes needs revisiting. We present a manual and computational analysis to investigate this complexity and found that almost one-third of all known EC numbers are linked to more than one reaction in the secondary reaction databases (e.g. KEGG). Although this complexity is often resolved by defining generic, alternative and partial reactions, we have also found individual EC numbers with more than one reaction catalysing different types of bond changes. This analysis adds a new dimension to our understanding of enzyme function and might be useful for the accurate annotation of the function of enzymes and to study the changes in enzyme function during evolution.

Abstract Most proteins fold into 3D structures that determine how they function and orchestrate the biological processes of the cell. Recent developments in computational methods have led to protein structure predictions that have reached the accuracy of experimentally determined models. While this has been independently verified, the implementation of these methods across structural biology applications remains to be tested. Here, we evaluate the use of AlphaFold 2 (AF2) predictions in the study of characteristic structural elements; the impact of missense variants; function and ligand binding site predictions; modelling of interactions; and modelling of experimental structural data. For 11 proteomes, an average of 25% additional residues can be confidently modelled when compared to homology modelling, identifying structural features rarely seen in the PDB. AF2-based predictions of protein disorder and protein complexes surpass state-of-the-art tools and AF2 models can be used across diverse applications equally well compared to experimentally determined structures, when the confidence metrics are critically considered. In summary, we find that these advances are likely to have a transformative impact in structural biology and broader life science research.

ABSTRACT Constrained Coding Regions (CCRs) in the human genome have been derived from DNA sequencing data of large cohorts of healthy control populations, available in the Genome Aggregation Database (gnomAD) [1]. They identify regions depleted of protein-changing variants and thus identify segments of the genome that have been constrained during human evolution. By mapping these DNA-defined regions from genomic coordinates onto the corresponding protein positions and combining this information with protein annotations, we have explored the distribution of CCRs and compared their co-occurrence with different protein functional features, previously annotated at the amino acid level in public databases. As expected, our results reveal that functional amino acids involved in interactions with DNA/RNA, protein-protein contacts and catalytic sites are the protein features most likely to be highly constrained for variation in the control population. More surprisingly, we also found that linear motifs, linear interacting peptides (LIPs), disorder-order transitions upon binding with other protein partners and liquid-liquid phase separating (LLPS) regions are also strongly associated with high constraint for variability. We also compared intra-species constraints in the human CCRs with inter-species conservation and functional residues to explore how such CCRs may contribute to the analysis of protein variants. As has been previously observed, CCRs are only weakly correlated with conservation, suggesting that intraspecies constraints complement interspecies conservation and can provide more information to interpret variant effects.

Epigenetic clocks are mathematical models that predict the biological age of an individual using DNA methylation data, and which have emerged in the last few years as the most accurate biomarkers of the ageing process. However, little is known about the molecular mechanisms that control the rate of such clocks. Here, we have examined the human epigenetic clock in patients with a variety of developmental disorders, harbouring mutations in proteins of the epigenetic machinery. Using the Horvath epigenetic clock, we performed an unbiased screen for epigenetic age acceleration (EAA) in the blood of these patients. We demonstrate that loss-of-function mutations in the H3K36 histone methyltransferase NSD1, which cause Sotos syndrome, substantially accelerate epigenetic ageing. Furthermore, we show that the normal ageing process and Sotos syndrome share methylation changes and the genomic context in which they occur. Finally, we found that the Horvath clock CpG sites are characterised by a higher Shannon methylation entropy when compared with the rest of the genome, which is dramatically decreased in Sotos syndrome patients. These results suggest that the H3K36 methylation machinery is a key component of the epigenetic maintenance system in humans, which controls the rate of epigenetic ageing, and this role seems to be conserved in model organisms. Our observations provide novel insights into the mechanisms behind the epigenetic ageing clock and we expect will shed light on the different processes that erode the human epigenetic landscape during ageing.