We assembled and analyzed genetic data of 47,351 multiple sclerosis (MS) subjects and 68,284 control subjects and establish a reference map of the genetic architecture of MS that includes 200 autosomal susceptibility variants outside the major histocompatibility complex (MHC), one chromosome X variant, and 32 independent associations within the extended MHC. We used an ensemble of methods to prioritize up to 551 potentially associated MS susceptibility genes, that implicate multiple innate and adaptive pathways distributed across the cellular components of the immune system. Using expression profiles from purified human microglia, we do find enrichment for MS genes in these brain-resident immune cells. Thus, while MS is most likely initially triggered by perturbation of peripheral immune responses the functional responses of microglia and other brain cells are also altered and may have a role in targeting an autoimmune process to the central nervous system.

International consortia, including ENCODE, Roadmap Epigenomics, Genomics of Gene Regulation and Blueprint Epigenome have made large-scale datasets of open chromatin regions publicly available. While these datasets are extremely useful for studying mechanisms of gene regulation in disease and cell development, they only identify open chromatin regions in individual samples. A uniform comparison of accessibility of the same regulatory sites across multiple samples is necessary to correlate open chromatin accessibility and expression of target genes across matched cell types. Additionally, although replicate samples are available for majority of cell types, a comprehensive replication-based quality checking of individual regulatory sites is still lacking. We have integrated 828 DNase-I hypersensitive sequencing samples, which we have uniformly processed and then clustered their regulatory regions across all samples. We checked the quality of open-chromatin regions using our replication test. This has resulted in a comprehensive, quality-checked database of Open CHROmatin (OCHROdb) regions for 194 unique human cell types and cell lines which can serve as a reference for gene regulatory studies involving open chromatin. We have made this resource publicly available: users can download the whole database, or query it for their genomic regions of interest and visualize the results in an interactive genome browser.

Genome-wide association studies in autoimmune and inflammatory diseases (AID) have uncovered hundreds of loci mediating risk. These associations are preferentially located in non-coding DNA regions and in particular to tissue--specific DNase I hypersensitivity sites (DHS). Whilst these analyses clearly demonstrate the overall enrichment of disease risk alleles on gene regulatory regions, they are not designed to identify individual regulatory regions mediating risk or the genes under their control, and thus uncover the specific molecular events driving disease risk. To do so we have departed from standard practice by identifying regulatory regions which replicate across samples, and connect them to the genes they control through robust re--analysis of public data. We find substantial evidence of regulatory potential in 132/301 (44%) risk loci across nine autoimmune and inflammatory diseases, and are able to prioritize a single gene in 104/132 (79%) of these. Thus, we are able to generate testable mechanistic hypotheses of the molecular changes that drive disease risk.

Multiple sclerosis is a common, complex neurological disease, where almost 20% of risk heritability can be attributed to common genetic variants, including >230 identified by genome-wide association studies (Patsopoulos et al., 2017). Multiple strands of evidence suggest that the majority of the remaining heritability is also due to the additive effects of individual variants, rather than epistatic interactions between these variants, or mutations exclusive to individual families. Here, we show in 68,379 cases and controls that as much as 5% of this heritability is explained by low-frequency variation in gene coding sequence. We identify four novel genes driving MS risk independently of common variant signals, which highlight a key role for regulatory T cell homeostasis and regulation, IFNγ biology and NFκB signaling in MS pathogenesis. As low-frequency variants do not show substantial linkage disequilibrium with other variants, and as coding variants are more interpretable and experimentally tractable than non-coding variation, our discoveries constitute a rich resource for dissecting the pathobiology of MS.

Genetic association studies of many heritable traits resulting from physiological testing often have modest sample sizes due to the cost and invasiveness of the required phenotyping. This reduces statistical power to discover multiple genetic associations. We present a strategy to leverage pleiotropy between traits to both discover new loci and to provide mechanistic hypotheses of the underlying pathophysiology, using obstructive sleep apnea (OSA) as an exemplar. OSA is a common disorder diagnosed via overnight physiological testing (polysomnography). Here, we leverage pleiotropy with relevant cellular and cardio-metabolic phenotypes and gene expression traits to map new risk loci in an underpowered OSA GWAS. We identify several pleiotropic loci harboring suggestive associations to OSA and genome-wide significant associations to other traits, and show that their OSA association replicates in independent cohorts of diverse ancestries. By investigating pleiotropic loci, our strategy allows proposing new hypotheses about OSA pathobiology across many physiological layers. For example we find links between OSA, a measure of lung function (FEV1/FVC), and an eQTL of desmoplakin (DSP) in lung tissue. We also link a previously known genome-wide significant peak for OSA in the hexokinase (HK1) locus to hematocrit and other red blood cell related traits. Thus, the analysis of pleiotropic associations has the potential to assemble diverse phenotypes into a chain of mechanistic hypotheses that provide insight into the pathogenesis of complex human diseases.

Humans can vary considerably in their healthy immune phenotypes and in their immune responses to various stimuli. We have developed an interactive web-based tool, ImmuneRegulation, to enable discovery of human regulatory elements that drive some of the phenotypic differences observed in gene expression profiles. ImmuneRegulation currently provides the largest centrally integrated resource available in the literature on transcriptome regulation in whole blood and blood cell types, including genotype data from 23,040 individuals, with associated gene expression data from 30,562 experiments, that provide genetic variant-gene expression associations on ~200 million eQTLs. In addition, it includes 14 million transcription factor (TF) binding region hits extracted from 1945 TF ChIP-seq peaks and the latest GWAS catalog of 67,230 published SNP-trait associations. Users can interactively explore ImmuneRegulation to visualize and discover associations between their gene(s) of interest and their regulators (genetic variants or transcription factors) across multiple cohorts and studies. These regulators can explain cohort or cell type dependent gene expression variations and may be critical in selecting the ideal cohorts or cell types for follow-up studies. Overall, ImmuneRegulation aims to contribute to our understanding of the effects of eQTLs and TFs on heterogeneous transcriptional responses reported in studies on the blood; in the development of molecular signatures of immune response; and facilitate their future application in patient management. ImmuneRegulation is freely available at http://icahn.mssm.edu/immuneregulation.

A recent study by Wang et al claims the low-frequency variant NR1H3 p.Arg415Gln is pathological for multiple sclerosis and determines a patient's likelihood of primary progressive disease. We sought to replicate this finding in the International MS Genetics Consortium (IMSGC) patient collection, which is 13-fold larger than the collection of Wang et al, but we find no evidence that this variant is associated either with MS or disease subtype. Wang et al also report a common variant association in the region, which we show captures the association the IMSGC reported in 2013. Therefore, we conclude that the reported low-frequency association is a false positive, likely generated by insufficient sample size. The claim of NR1H3 mutations describing a Mendelian form of MS - of which no examples exist - can therefore not be substantiated by data.

Using robust, integrated analysis of multiple genomic datasets, we show that genes depleted for non-synonymous de novo mutations form a subnetwork of 72 members under strong selective constraint. We further show this subnetwork is preferentially expressed in the early development of the human hippocampus and is enriched for genes mutated in neurological, but not other, Mendelian disorders. We thus conclude that carefully orchestrated developmental processes are under strong constraint in early brain development, and perturbations caused by mutation have adverse outcomes subject to strong purifying selection. Our findings demonstrate that selective forces can act on groups of genes involved in the same process, supporting the notion that adaptation can act coordinately on multiple genes. Our approach provides a statistically robust, interpretable way to identify the tissues and developmental times where groups of disease genes are active. Our findings highlight the importance of considering the interactions between genes when analyzing genome-wide sequence data.

Sequencing-based studies have identified novel risk genes for rare, severe epilepsies and revealed a role of rare deleterious variation in common epilepsies. To identify the shared and distinct ultra-rare genetic risk factors for rare and common epilepsies, we performed a whole-exome sequencing (WES) analysis of 9,170 epilepsy-affected individuals and 8,364 controls of European ancestry. We focused on three phenotypic groups; the rare but severe developmental and epileptic encephalopathies (DEE), and the commoner phenotypes of genetic generalized epilepsy (GGE) and non-acquired focal epilepsy (NAFE). We observed that compared to controls, individuals with any type of epilepsy carried an excess of ultra-rare, deleterious variants in constrained genes and in genes previously associated with epilepsy, with the strongest enrichment seen in DEE and the least in NAFE. Moreover, we found that inhibitory GABAA receptor genes were enriched for missense variants across all three classes of epilepsy, while no enrichment was seen in excitatory receptor genes. The larger gene groups for the GABAergic pathway or cation channels also showed a significant mutational burden in DEE and GGE. Although no single gene surpassed exome-wide significance among individuals with GGE or NAFE, highly constrained genes and genes encoding ion channels were among the top associations, including CACNA1G, EEF1A2, and GABRG2 for GGE and LGI1, TRIM3, and GABRG2 for NAFE. Our study confirms a convergence in the genetics of common and rare epilepsies associated with ultra-rare coding variation and highlights a ubiquitous role for GABAergic inhibition in epilepsy etiology in the largest epilepsy WES study to date.

The majority of autoimmune disease risk effects identified by genome-wide association studies (GWAS) localize to open chromatin with gene regulatory activity. GWAS loci are also enriched for expression quantitative trait loci (eQTLs), suggesting that most disease risk variants exert their pathological effects by altering gene expression. However, because causal variants are difficult to identify and cis-eQTLs occur frequently, it remains challenging to translate this bulk observation into specific instances of a disease risk variant driving changes to gene regulation. Here, we use a novel joint likelihood framework with higher resolution than previous methods to identify loci where disease risk and an eQTL are driven by a single, shared genetic effect as opposed to distinct effects in close proximity. We find that 22 approximately 25% of autoimmune disease loci harbor an eQTL driven by the same genetic effect, but the majority of loci do not. Thus, we uncover a fraction of gene regulatory changes as strong mechanistic hypotheses for disease risk.