Abstract Regular exercise promotes whole-body health and prevents disease, yet the underlying molecular mechanisms throughout a whole organism are incompletely understood. Here, the Molecular Transducers of Physical Activity Consortium (MoTrPAC) profiled the temporal transcriptome, proteome, metabolome, lipidome, phosphoproteome, acetylproteome, ubiquitylproteome, epigenome, and immunome in whole blood, plasma, and 18 solid tissues in Rattus norvegicus over 8 weeks of endurance exercise training. The resulting data compendium encompasses 9466 assays across 19 tissues, 25 molecular platforms, and 4 training time points in young adult male and female rats. We identified thousands of shared and tissue- and sex-specific molecular alterations. Temporal multi-omic and multi-tissue analyses demonstrated distinct patterns of tissue remodeling, with widespread regulation of immune, metabolism, heat shock stress response, and mitochondrial pathways. These patterns provide biological insights into the adaptive responses to endurance training over time. For example, exercise training induced heart remodeling via altered activity of the Mef2 family of transcription factors and tyrosine kinases. Translational analyses revealed changes that are consistent with human endurance training data and negatively correlated with disease, including increased phospholipids and decreased triacylglycerols in the liver. Sex differences in training adaptation were widespread, including those in the brain, adrenal gland, lung, and adipose tissue. Integrative analyses generated novel hypotheses of disease relevance, including candidate mechanisms that link training adaptation to non-alcoholic fatty liver disease, inflammatory bowel disease, cardiovascular health, and tissue injury and recovery. The data and analysis results presented in this study will serve as valuable resources for the broader community and are provided in an easily accessible public repository ( https://motrpac-data.org/ ). Highlights Multi-tissue resource identifies 35,439 analytes regulated by endurance exercise training at 5% FDR across 211 combinations of tissues and molecular platforms. Interpretation of systemic and tissue-specific molecular adaptations produced hypotheses to help describe the health benefits induced by exercise. Robust sex-specific responses to endurance exercise training are observed across multiple organs at the molecular level. Deep multi-omic profiling of six tissues defines regulatory signals for tissue adaptation to endurance exercise training. All data are available in a public repository, and processed data, analysis results, and code to reproduce major analyses are additionally available in convenient R packages.

ABSTRACT Tumors acquire alterations in oncogenes and tumor suppressor genes in an adaptive walk through the fitness landscape of tumorigenesis. However, the features of this landscape remain poorly understood and cannot be revealed by human cancer genotyping alone. Here, we use a multiplexed, autochthonous mouse platform to model and quantify the initiation and growth of more than one hundred genotypes of lung tumors across four oncogenic contexts: KRAS G12D, KRAS G12C, BRAF V600E, and EGFR L858R. The resulting fitness landscape is rugged (the effect of tumor suppressor inactivation often switches between beneficial and deleterious depending on the oncogenic context), shows no evidence of diminishing-returns epistasis within variants of the same oncogene, and is inconsistent with expectations of a simple linear signaling relationship among these three oncogenes. Our findings suggest that tumor suppressor effects are strongly context-specific, which limits the set of evolutionary paths that can be taken through the fitness landscape.

Abstract Genome-wide association studies (GWAS) are often performed on ratios composed of a numerator trait divided by a denominator trait. Examples include body mass index (BMI) and the waist-to-hip ratio, among many others. Explicitly or implicitly, the goal of forming the ratio is typically to adjust the numerator for the denominator. While forming ratios may be clinically expedient, there are several important issues with performing GWAS on ratios. Forming a ratio does not “adjust” for the denominator in the sense of holding it constant, and it is unclear whether associations with ratios are attributable to the numerator, the denominator, or both. Here we demonstrate that associations arising in ratio GWAS can be entirely denominator-driven, implying that at least some associations uncovered by ratio GWAS may be due solely to a putative adjustment variable. In a survey of 10 exemplar ratios, we find that the ratio model disagrees with the adjusted model (performing GWAS on the numerator while conditioning on the denominator) at around 1/3 of loci. Using BMI as an example, we show that variants detected by only the ratio model are more strongly associated with the denominator (height), while variants detected by only the adjusted model are more strongly associated with the numerator (weight). Although the adjusted model provides effect sizes with a clearer interpretation, it is susceptible to collider bias. We propose and validate a simple method of correcting for the genetic collider bias via leave-one-chromosome-out polygenic scoring.

Background: Hand grip strength, a simple indicator of muscular strength, has been associated with a range of health conditions, including fractures, disability, cardiovascular disease and premature death risk. Twin studies have suggested a high (50-60%) heritability, but genetic determinants are largely unknown. Aims: In this study, our aim was to study genetic variation associated with muscular strength in a large sample of 334,925 individuals of European descent from the UK Biobank, and to evaluate shared genetic aetiology with and causal effects of grip strength on physical and cognitive health. Methods and Results: In our discovery analysis of 223,315 individuals, we identified 101 loci associated with grip strength at genome-wide significance (P<5e-8). Of these, 64 were associated (P<0.01 and consistent direction) also in the replication dataset (N=111,610). Many of the lead SNPs were located in or near genes known to have a function in developmental disorders (FTO, SLC39A8, TFAP2B, TGFA, CELF1, TCF4, BDNF, FOXP1, KIF1B, ANTXR2), and one of the most significant genes based on a gene-based analysis (ATP2A1) encodes SERCA1, the critical enzyme in calcium uptake to the sarcoplasmic reticulum, which plays a major role in muscle contraction and relaxation. Further, we demonstrated a significant enrichment of gene expression in brain-related transcripts among grip strength associations. Finally, we observed inverse genetic correlations of grip strength with cardiometabolic traits, and positive correlation with parents' age of death and education; and showed that grip strength was causally related to fitness, physical activity and other indicators of frailty, including cognitive performance scores. Conclusions: In our study of over 330,000 individuals from the general population, the genetic findings for hand grip strength suggest an important role of the central nervous system in strength performance. Further, our results indicate that maintaining good muscular strength is important for physical and cognitive performance and healthy aging.

Abstract Machine learning derived embeddings are a compressed representation of high content data modalities obtained through deep learning models[1]. Embeddings have been hypothesized to capture detailed information about disease states and have been qualitatively shown to be useful in genetic discovery. Despite their promise, embeddings have some drawbacks: i) they are often confounded by covariates, and ii) their disease relevance is hard to ascertain. In this work we describe a framework to systematically evaluate the utility of embeddings in genetic discovery called EmbedGEM ( Embed ding G enetic E valuation M ethods). Although, motivated by applications to embeddings, EmbedGEM is equally applicable for other multivariate traits as well. EmbedGEM focuses on comparing embeddings along two axes: i) heritability of the embeddings, and ii) ability to identify ‘disease relevant’ variants. We use the number of genome-wide significant signals and mean/median chi-square statistic as a proxy for the heritability of multivariate traits. To evaluate disease relevance, we compute polygenic risk scores for each orthogonalized component of the embedding (or multivariate comparators) and evaluate their association with a held-out set of patients with high-confidence disease traits. While we introduce some relatively straightforward ways to evaluate heritability and disease relevance, we foresee that our framework can be easily extended by adding more metrics. We demonstrate the utility of EmbedGEM by using it to evaluate embedding and non-embedding traits in two separate datasets: i) a synthetic dataset simulated to demonstrate the ability of the framework to correctly rank traits based on their heritability and disease relevance, ii) data from the UK Biobank focused on NAFLD relevant traits. EmbedGEM is implemented in the form of an easy to use Python-based workflow ( https://github.com/insitro/EmbedGEM ).

Abstract Alpha-actinin 2 (ACTN2) anchors actin within cardiac sarcomeres. The mechanisms linking ACTN2 mutations to myocardial disease phenotypes are unknown. Here, we characterize patients with novel ACTN2 mutations to reveal insights into the physiological function of ACTN2. Patient-derived iPSC-cardiomyocytes harboring ACTN2 protein-truncating variants were hypertrophic, displayed sarcomeric structural disarray, impaired contractility, and aberrant Ca 2+ -signaling. In heterozygous indel cells, the truncated protein incorporates into cardiac sarcomeres, leading to aberrant Z-disc structure. In homozygous stop-gain cells, affinity-purification mass spectrometry reveals an intricate ACTN2 interactome with sarcomere and sarcolemma-associated proteins. Loss of the C-terminus of ACTN2 disrupts interaction with ACTN1 and GJA1, two sarcolemma-associated proteins, that may lead to the clinical arrhythmic and relaxation defects. The causality of the stop-gain mutation was verified using CRISPR-Cas9 gene editing. Together, these data advance our understanding of the role of ACTN2 in the human heart and establish recessive inheritance of ACTN2 truncation as causative of disease.

Massive efforts have documented hundreds of thousands of putative enhancers in the human genome. A pressing genomic challenge is to identify which of these enhancers are functional and map them to the genes they regulate. We developed a novel method for inferring enhancer-promoter (E-P) links based on correlated activity patterns across many samples. Our method, called FOCS, uses rigorous statistical validation tailored for zero-inflated data, identifying the most important E-P links in each gene model. We applied FOCS to the wide epigenomic and transcriptomic datasets recorded by the ENCODE, Roadmap Epigenomics and FANTOM5 projects, together covering 2,630 samples of human primary cells, tissues and cell lines. In addition, building on expression of enhancer RNAs (eRNAs) as an exquisite mark of enhancer activity and on the robust detection of eRNAs by the GRO-seq technique, we compiled a compendium of eRNA and gene expression profiles based on public GRO-seq data from 245 samples and 23 human cell types. Applying FOCS to this compendium further expanded the coverage of our inferred E-P map. Benchmarking against gold standard E-P links from ChIA-PET and eQTL data, we demonstrate that FOCS prediction of E-P links outperforms extant methods. Collectively, we inferred >300,000 cross-validated E-P links spanning ~16K known genes. Our study presents an improved method for inferring regulatory links between enhancers and promoters, and provides an extensive resource of E-P maps that could greatly assist the functional interpretation of the noncoding regulatory genome. FOCS and our predicted E-P map are publicly available at http://acgt.cs.tau.ac.il/focs.

A physically active lifestyle is essential for maintaining health, and is a powerful way to prevent chronic disease. However, the molecular mechanisms that drive exercise adaptation and transduce its beneficial effects, are incompletely understood. Here, we combined data from 49 studies that measured the whole transcriptome in humans before and after exercise to provide the power to draw novel observations not seen in any individual study alone. The resulting curated and standardized resource includes samples from skeletal muscle (n=1,260) and blood (n=726) in response to endurance or resistance exercise and training. Using a linear mixed effects meta-regression model selection strategy, we detected specific time patterns and novel regulatory modulators of the acute exercise response. Acute and long term responses to exercise were transcriptionally distinct. Exercise induced a more pronounced inflammatory response in skeletal muscle of older individuals. We identified multiple sex-specific response genes, where MTMR3 is a novel exercise-regulated gene. These results deepen our understanding of the transcriptional responses to exercise and provide a powerful resource for future research efforts in exercise physiology and medicine.

Availability of large genetic databases has led to the development of powerful causal inference methods that use genetic variables as instruments to estimate causal effects. Such methods typically make many assumptions about the underlying causal graphical model, are limited in the patterns they search for in the data, and there is no guide for systematic analysis of a large database. Here, we present cGAUGE, a new pipeline for causal Graphical Analysis Using GEnetics that utilizes large changes in the significance of local conditional independencies between the genetic instruments and the phenotypes. We detect cases where causal inference can be performed with minimal risk of horizontal pleiotropy. Moreover, we search for new graphical patterns to reveal novel information about the underlying causal diagram that is not covered by extant methods, including new direct links, colliders, and evidence for confounding. We present theoretical justification, simulations, and apply our pipeline to 70 complex phenotypes from 337,198 subjects from the UK Biobank. Our results cover 102 detected causal relationships, of which some are new and many are expected. For example, we detect a direct causal link from high cholesterol to angina and a feedback loop between angina and myocardial infarction. We also corroborate a recent observational link between asthma and Crohn's disease. Finally, we detect important features of the causal network structure including several causal hubs such as intelligence and waist circumference.

Mitochondria are adaptable organelles with diverse cellular functions critical to whole-body metabolic homeostasis. While chronic endurance exercise training is known to alter mitochondrial activity, these adaptations have not yet been systematically characterized. Here, the Molecular Transducers of Physical Activity Consortium (MoTrPAC) mapped the longitudinal, multi-omic changes in mitochondrial analytes across 19 tissues in male and female rats endurance trained for 1, 2, 4 or 8 weeks. Training elicited substantial changes in the adrenal gland, brown adipose, colon, heart and skeletal muscle, while we detected mild responses in the brain, lung, small intestine and testes. The colon response was characterized by non-linear dynamics that resulted in upregulation of mitochondrial function that was more prominent in females. Brown adipose and adrenal tissues were characterized by substantial downregulation of mitochondrial pathways. Training induced a previously unrecognized robust upregulation of mitochondrial protein abundance and acetylation in the liver, and a concomitant shift in lipid metabolism. The striated muscles demonstrated a highly coordinated response to increase oxidative capacity, with the majority of changes occurring in protein abundance and post-translational modifications. We identified exercise upregulated networks that are downregulated in human type 2 diabetes and liver cirrhosis. In both cases HSD17B10, a central dehydrogenase in multiple metabolic pathways and mitochondrial tRNA maturation, was the main hub. In summary, we provide a multi-omic, cross-tissue atlas of the mitochondrial response to training and identify candidates for prevention of disease-associated mitochondrial dysfunction.