ABSTRACT Epigenome-wide association studies of Alzheimer’s disease have highlighted neuropathology-associated DNA methylation differences, although existing studies have been limited in sample size and utilized different brain regions. Here, we combine data from six DNA methylomic studies of Alzheimer’s disease (N=1,453 unique individuals) to identify differential methylation associated with Braak stage in different brain regions and across cortex. We identify 236 CpGs in the prefrontal cortex, 95 CpGs in the temporal gyrus and ten CpGs in the entorhinal cortex at Bonferroni significance, with none in the cerebellum. Our cross-cortex meta-analysis (N=1,408 donors) identifies 220 CpGs associated with neuropathology, annotated to 121 genes, of which 84 genes have not been previously reported at this significance threshold. We have replicated our findings using two further DNA methylomic datasets consisting of a further > 600 unique donors. The meta-analysis summary statistics are available in our online data resource ( www.epigenomicslab.com/ad-meta-analysis/ ).

Abstract Characterizing the intermediate phenotypes, such as gene expression, that mediate genetic effects on complex diseases is a fundamental problem in human genetics. Existing methods utilize genotypic data and summary statistics to identify putative disease genes, but cannot distinguish pleiotropy from causal mediation and are limited by overly strong assumptions about the data. To overcome these limitations, we develop Causal Multivariate Mediation within Extended Linkage disequilibrium (CaMMEL), a novel Bayesian inference framework to jointly model multiple mediated and unmediated effects relying only on summary statistics. We show in simulation that CaMMEL accurately distinguishes between mediating and pleiotropic genes unlike existing methods. We applied CaMMEL to Alzheimer’s disease (AD) and found 206 causal genes in sub-threshold loci (p < 10 −4 ). We prioritized 21 genes which mediate at least 5% of local genetic variance, disrupting innate immune pathways in AD.

Abstract The biological processes that are disrupted in the Alzheimer’s disease (AD) brain remain incompletely understood. We recently performed a proteomic analysis of >2000 brains to better understand these changes, which highlighted alterations in astrocytes and microglia as likely key drivers of disease. Here, we extend this analysis by analyzing >1000 brain tissues using a tandem mass tag mass spectrometry (TMT-MS) pipeline, which allowed us to nearly triple the number of quantified proteins across cases. A consensus protein co-expression network analysis of this deeper dataset revealed new co-expression modules that were highly preserved across cohorts and brain regions, and strongly altered in AD. Nearly half of the protein co-expression modules, including modules significantly altered in AD, were not observed in RNA networks from the same cohorts and brain regions, highlighting the proteopathic nature of AD. Two such AD-associated modules unique to the proteomic network included a module related to MAPK signaling and metabolism, and a module related to the matrisome. Analysis of paired genomic and proteomic data within subjects showed that expression level of the matrisome module was influenced by the APOE ε4 allele, but was not related to the rate of cognitive decline after adjustment for neuropathology. In contrast, the MAPK/metabolism module was strongly associated with the rate of cognitive decline. Disease-associated modules unique to the proteome are sources of promising therapeutic targets and biomarkers for AD.

Abstract The hallmark amyloid-β and tau deposition of Alzheimer’s disease (AD) represents only a fraction of its diverse pathophysiology. Molecular subtyping using large-scale -omic strategies can help resolve this biological heterogeneity. Using quantitative mass spectrometry, we measured ~8,000 proteins across >600 dorsolateral prefrontal cortex tissues from Religious Orders Study and Rush Memory and Aging Project participants with clinical diagnoses of no cognitive impairment, mild cognitive impairment (MCI), and AD dementia. Unbiased classification of MCI and AD cases based on individual proteomic profiles resolved three classes with expression differences across numerous cell types and biological ontologies. Two classes displayed molecular signatures atypical of those previously observed in AD neurodegeneration, such as elevated synaptic and decreased inflammatory markers. In one class, these atypical proteomic features were associated with clinical and pathological hallmarks of cognitive resilience. These results promise to better define disease heterogeneity within AD and meaningfully impact its diagnostic and therapeutic precision.

ABSTRACT Deep neural networks offer a promising approach for capturing complex, non-linear relationships among variables. Because they require immense sample sizes, their potential has yet to be fully tapped for understanding complex relationships between gene expression and human phenotypes. Encouragingly, a growing number of diseases are being studied through consortium efforts. Here we introduce a new analysis framework, namely MD-AD ( M ulti-task D eep learning for A lzheimer’s D isease neuropathology), which leverages an unexpected synergy between deep neural networks and multi-cohort settings. In these settings, true joint analysis can be stymied using conventional statistical methods, which (1) require “harmonized” phenotypes (i.e., measured in a highly consistent manner) and (2) tend to capture cohort-level variations, obscuring the subtler true disease signals. Instead, MD-AD incorporates multiple related phenotypes sparsely measured across cohorts, and learns complex, non-linear interactions between genes and phenotypes not discovered using conventional expression data analysis methods (e.g., component analysis and module detection), enabling the model to capture subtler signals than cohort-level variations. Applied to the largest available collection of brain samples (N=1,758), we demonstrate that MD-AD learns a truly generalizable relationship between gene expression program and AD-related neuropathology. The learned program generalizes in several important ways, including recapitulation of the disease progress in animal models and across tissue types, and we show that such generalizability is not achieved by previous statistical paradigms. Its ability to identify genes with high non-linear relevance to neuropathology enabled us to identify a sex-specific relationship between neuropathology and immune response across microglia, providing a nuanced context for association between inflammatory genes and AD.

Summary Microglia, the innate immune cells of the brain, are essential determinants of late-onset Alzheimer’s Disease (LOAD) neuropathology. Here, we developed an integrative computational systems biology approach to construct causal network models of genetic regulatory programs for microglia in Alzheimer’s Disease (AD). This model enabled us to identify novel key driver (KDs) genes for microglial functions that can be targeted for AD pharmacotherapy. We prioritized FCER1G, HCK, LAPTM5, ITGB2, SLC1A2, PAPLN, GSAP, NTRK2 , and CIRBP as KDs of microglial phagocytosis promoting neuroprotection and/or neural repair. In vitro , shRNA knockdown of each KD significantly reduced microglial phagocytosis. We repurposed riluzole, an FDA-approved ALS drug that upregulates SLC1A2 activity, and discovered that it stimulated phagocytosis of Aβ1-42 in human primary microglia and decreased hippocampal amyloid plaque burden/phosphorylated tau levels in the brain of aged 3xTg-AD mice. Taken together, these data emphasize the utlility of our integrative approach for repurposing drugs for AD therapy.

Abstract Background Molecular subtyping of brain tissue provides insights into the heterogeneity of common neurodegenerative conditions, such as Alzheimer’s disease (AD). However, existing subtyping studies have mostly focused on single data modalities and only those individuals with severe cognitive impairment. To address these gaps, we applied Similarity Network Fusion (SNF), a method capable of integrating multiple high-dimensional multi-’omic data modalities simultaneously, to an elderly sample spanning the full spectrum of cognitive aging trajectories. Methods We analyzed human frontal cortex brain samples characterized by five ‘omic modalities: bulk RNA sequencing (18,629 genes), DNA methylation (53,932 cpg sites), histone H3K9 acetylation (26,384 peaks), proteomics (7,737 proteins), and metabolomics (654 metabolites). SNF followed by spectral clustering was used for subtype detection, and subtype numbers were determined by eigen-gap and rotation cost statistics. Normalized Mutual Information (NMI) determined the relative contribution of each modality to the fused network. Subtypes were characterized by associations with 13 age-related neuropathologies and cognitive decline. Results Fusion of all five data modalities (n=111) yielded two subtypes (n S1 =53, n S2 =58) which were nominally associated with diffuse amyloid plaques; however, this effect was not significant after correction for multiple testing. Histone acetylation (NMI=0.38), DNA methylation (NMI=0.18) and RNA abundance (NMI=0.15) contributed most strongly to this network. Secondary analysis integrating only these three modalities in a larger subsample (n=513) indicated support for both 3- and 5-subtype solutions, which had significant overlap, but showed varying degrees of internal stability and external validity. One subtype showed marked cognitive decline, which remained significant even after correcting for tests across both 3- and 5-subtype solutions ( p Bonf =5.9×10 −3 ). Comparison to single-modality subtypes demonstrated that the three-modal subtypes were able to uniquely capture cognitive variability. Comprehensive sensitivity analyses explored influences of sample size and cluster number parameters. Conclusion We identified highly integrative molecular subtypes of aging derived from multiple high dimensional, multi-’omic data modalities simultaneously. Fusing RNA abundance, DNA methylation, and H3K9 acetylation measures generated subtypes that were associated with cognitive decline. This work highlights the potential value and challenges of multi-’omic integration in unsupervised subtyping of postmortem brain.

Abstract Changes in high-affinity nicotinic acetylcholine receptors are intricately connected to neuropathology in Alzheimer’s Disease (AD). Protective and cognitive-enhancing roles for the nicotinic α5 subunit have been identified, but this gene has not been closely examined in the context of human aging and dementia. Therefore, we investigate the nicotinic α5 gene CHRNA5 and the impact of relevant single nucleotide polymorphisms (SNPs) in prefrontal cortex from 922 individuals with matched genotypic and post-mortem RNA sequencing in the Religious Orders Study and Memory and Aging Project (ROS/MAP). We find that a genotype robustly linked to increased expression of CHRNA5 (rs1979905A2) predicts significantly reduced cortical β-amyloid load. Intriguingly, co-expression analysis suggests CHRNA5 has a distinct cellular expression profile compared to other nicotinic receptor genes. Consistent with this prediction, single nucleus RNA sequencing from 22 individuals reveals CHRNA5 expression is disproportionately-elevated in chandelier neurons, a distinct subtype of inhibitory neuron known for its role in excitatory/inhibitory (E/I) balance. We show that chandelier neurons are enriched in amyloid-binding proteins compared to basket cells, the other major subtype of PVALB-positive interneurons. Consistent with the hypothesis that nicotinic receptors in chandelier cells normally protect against β-amyloid, cell-type proportion analysis from 549 individuals reveals these neurons show amyloid-associated vulnerability only in individuals with impaired function/trafficking of nicotinic α5-containing receptors due to homozygosity of the missense CHRNA5 SNP (rs16969968A2). Taken together, these findings suggest that CHRNA5 and its nicotinic α5 subunit exert a neuroprotective role in aging and Alzheimer’s disease centered on chandelier interneurons.

Abstract A major challenge of genome-wide association studies (GWAS) is to translate phenotypic associations into biological insights. Here, we integrate a large GWAS on blood lipids involving 1.6 million individuals from five ancestries with a wide array of functional genomic datasets to discover regulatory mechanisms underlying lipid associations. We first prioritize lipid-associated genes with expression quantitative trait locus (eQTL) colocalizations, and then add chromatin interaction data to narrow the search for functional genes. Polygenic enrichment analysis across 697 annotations from a host of tissues and cell types confirms the central role of the liver in lipid levels, and highlights the selective enrichment of adipose-specific chromatin marks in high-density lipoprotein cholesterol and triglycerides. Overlapping transcription factor (TF) binding sites with lipid-associated loci identifies TFs relevant in lipid biology. In addition, we present an integrative framework to prioritize causal variants at GWAS loci, producing a comprehensive list of candidate causal genes and variants with multiple layers of functional evidence. Two prioritized genes, CREBRF and RRBP1 , show convergent evidence across functional datasets supporting their roles in lipid biology.

All brain areas affected in Parkinson's disease (PD) show an abundance of microglia with an activated morphology together with increased expression of pro-inflammatory cytokines, suggesting that neuroinflammation may contribute to the neurodegenerative process in this common and incurable disorder. We applied a single nucleus RNA- and ATAC-sequencing approach using the 10x Genomics Chromium platform to postmortem PD samples to investigate microglial heterogeneity in PD. We created a multiomic dataset using substantia nigra (SN) tissues from 19 PD donors and 14 non-PD controls (NPCs), as well as three other brain regions from the PD donors which are differentially affected in this disease: the ventral tegmental area (VTA), substantia inominata (SI), and hypothalamus (HypoTs). We identified thirteen microglial subpopulations within these tissues as well as a perivascular macrophage and a monocyte population, of which we characterized the transcriptional and chromatin repertoires. Using this data, we investigated whether these microglial subpopulations have any association with PD and whether they have regional specificity. We uncovered several changes in microglial subpopulations in PD, which appear to parallel the magnitude of neurodegeneration across these four selected brain regions. Specifically, we identified that inflammatory microglia in PD are more prevalent in the SN and differentially express PD-associated markers. Our analysis revealed the depletion of a CD83 and HIF1A- expressing microglial subpopulation, specifically in the SN in PD, that has a unique chromatin signature compared to other microglial subpopulations. Interestingly, this microglial subpopulation has regional specificity to the brainstem in non-disease tissues. Furthermore, it is highly enriched for transcripts of proteins involved in antigen presentation and heat-shock proteins, and its depletion in the PD SN may have implications for neuronal vulnerability in disease.