Genetic roots of multiple sclerosis The genetics underlying who develops multiple sclerosis (MS) have been difficult to work out. Examining more than 47,000 cases and 68,000 controls with multiple genome-wide association studies, the International Multiple Sclerosis Genetics Consortium identified more than 200 risk loci in MS (see the Perspective by Briggs). Focusing on the best candidate genes, including a model of the major histocompatibility complex region, the authors identified statistically independent effects at the genome level. Gene expression studies detected that every major immune cell type is enriched for MS susceptibility genes and that MS risk variants are enriched in brain-resident immune cells, especially microglia. Up to 48% of the genetic contribution of MS can be explained through this analysis. Science , this issue p. eaav7188 ; see also p. 1383

Metabolism is central to cell physiology, and metabolic disturbances play a role in numerous disease states. Despite its importance, the ability to study metabolism at a global scale using genomic technologies is limited. In principle, complete genome sequences describe the range of metabolic reactions that are possible for an organism, but cannot quantitatively describe the behaviour of these reactions. We present a novel method for modeling metabolic states using whole cell measurements of gene expression. Our method, which we call E-Flux (as a combination of flux and expression), extends the technique of Flux Balance Analysis by modeling maximum flux constraints as a function of measured gene expression. In contrast to previous methods for metabolically interpreting gene expression data, E-Flux utilizes a model of the underlying metabolic network to directly predict changes in metabolic flux capacity. We applied E-Flux to Mycobacterium tuberculosis, the bacterium that causes tuberculosis (TB). Key components of mycobacterial cell walls are mycolic acids which are targets for several first-line TB drugs. We used E-Flux to predict the impact of 75 different drugs, drug combinations, and nutrient conditions on mycolic acid biosynthesis capacity in M. tuberculosis, using a public compendium of over 400 expression arrays. We tested our method using a model of mycolic acid biosynthesis as well as on a genome-scale model of M. tuberculosis metabolism. Our method correctly predicts seven of the eight known fatty acid inhibitors in this compendium and makes accurate predictions regarding the specificity of these compounds for fatty acid biosynthesis. Our method also predicts a number of additional potential modulators of TB mycolic acid biosynthesis. E-Flux thus provides a promising new approach for algorithmically predicting metabolic state from gene expression data.

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.