ABSTRACT The pandemic of coronavirus disease 2019 (COVID-19) caused by the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) has affected over 3.8 million people, including pregnant women. To date, no consistent evidence of vertical transmission for SARS-CoV-2 exists. This new coronavirus canonically utilizes the angiotensin-converting enzyme 2 (ACE2) receptor and the serine protease TMPRSS2 for cell entry. Herein, building upon our previous single cell study of the placenta (Pique-Regi, 2019), another study, and new single-cell/nuclei RNA-sequencing data, we investigated the expression of ACE2 and TMPRSS2 throughout pregnancy as well as in third-trimester chorioamniotic membranes. We report that co-transcription of ACE2 and TMPRSS2 is negligible, thus not a likely path of vertical transmission for SARS-CoV-2 at any stage of pregnancy. In contrast, receptors for Zika virus and cytomegalovirus which cause congenital infections are highly expressed by placental cell types. These data suggest that SARS-CoV-2 is unlikely to infect the human placenta through the canonical cell entry mediators; yet, other interacting proteins could still play a role in the viral infection.

Humans display substantial interindividual clinical variability after SARS-CoV-2 infection1-3, the genetic and immunological basis of which has begun to be deciphered4. However, the extent and drivers of population differences in immune responses to SARS-CoV-2 remain unclear. Here we report single-cell RNA-sequencing data for peripheral blood mononuclear cells-from 222 healthy donors of diverse ancestries-that were stimulated with SARS-CoV-2 or influenza A virus. We show that SARS-CoV-2 induces weaker, but more heterogeneous, interferon-stimulated gene activity compared with influenza A virus, and a unique pro-inflammatory signature in myeloid cells. Transcriptional responses to viruses display marked population differences, primarily driven by changes in cell abundance including increased lymphoid differentiation associated with latent cytomegalovirus infection. Expression quantitative trait loci and mediation analyses reveal a broad effect of cell composition on population disparities in immune responses, with genetic variants exerting a strong effect on specific loci. Furthermore, we show that natural selection has increased population differences in immune responses, particularly for variants associated with SARS-CoV-2 response in East Asians, and document the cellular and molecular mechanisms by which Neanderthal introgression has altered immune functions, such as the response of myeloid cells to viruses. Finally, colocalization and transcriptome-wide association analyses reveal an overlap between the genetic basis of immune responses to SARS-CoV-2 and COVID-19 severity, providing insights into the factors contributing to current disparities in COVID-19 risk.

Abstract Transcriptome-wide association studies (TWAS), an integrative framework using expression quantitative trait loci (eQTLs) to construct proxies for gene expression, have emerged as a promising method to investigate the biological mechanisms underlying associations between genotypes and complex traits. However, challenges remain in interpreting TWAS results, especially regarding their causality implications. In this paper, we describe a new computational framework, probabilistic TWAS (PTWAS), to detect associations and investigate causal relationships between gene expression and complex traits. We use established concepts and principles from instrumental variables (IV) analysis to delineate and address the unique challenges that arise in TWAS. PTWAS utilizes probabilistic eQTL annotations derived from multi-variant Bayesian fine-mapping analysis conferring higher power to detect TWAS associations than existing methods. Additionally, PTWAS provides novel functionalities to evaluate the causal assumptions and estimate tissue- or cell-type specific causal effects of gene expression on complex traits. These features make PTWAS uniquely suited for in-depth investigations of the biological mechanisms that contribute to complex trait variation. Using eQTL data across 49 tissues from GTEx v8, we apply PTWAS to analyze 114 complex traits using GWAS summary statistics from several large-scale projects, including the UK Biobank. Our analysis reveals an abundance of genes with strong evidence of eQTL-mediated causal effects on complex traits and highlights the heterogeneity and tissue-relevance of these effects across complex traits. We distribute software and eQTL annotations to enable users performing rigorous TWAS analysis by leveraging the full potentials of the latest GTEx multi-tissue eQTL data.

ABSTRACT Motivation The majority of the human genome is composed of non-coding regions containing regulatory elements such as enhancers, which are crucial for controlling gene expression. Many variants associated with complex traits are in these regions, and may disrupt gene regulatory sequences. Consequently, it is important to not only identify true enhancers but also to test if a variant within an enhancer affects gene regulation. Recently, allele-specific analysis in high-throughput reporter assays, such as massively parallel reporter assays (MPRA), have been used to functionally validate non-coding variants. However, we are still missing high-quality and robust data analysis tools for these datasets. Results We have further developed our method for allele-specific analysis QuASAR (quantitative allele-specific analysis of reads) to analyze allele-specific signals in barcoded read counts data from MPRA. Using this approach, we can take into account the uncertainty on the original plasmid proportions, over-dispersion, and sequencing errors. The provided allelic skew estimate and its standard error also simplifies meta-analysis of replicate experiments. Additionally, we show that a beta-binomial distribution better models the variability present in the allelic imbalance of these synthetic reporters and results in a test that is statistically well calibrated under the null. Applying this approach to the MPRA data by Tewhey et al. (2016), we found 602 SNPs with significant (FDR 10%) allele-specific regulatory function in LCLs. We also show that we can combine MPRA with QuASAR estimates to validate existing experimental and computational annotations of regulatory variants. Our study shows that with appropriate data analysis tools, we can improve the power to detect allelic effects in high throughput reporter assays. Availability http://github.com/piquelab/QuASAR/tree/master/mpra Contact fluca@wayne.edu ; rpique@wayne.edu

Synthetic glucocorticoids, such as dexamethasone, have been used as treatment for many immune conditions, such as asthma and more recently severe COVID-19. Single cell data can capture more fine-grained details on transcriptional variability and dynamics to gain a better understanding of the molecular underpinnings of inter-individual variation in drug response. Here, we used single cell RNA-seq to study the dynamics of the transcriptional response to glucocorticoids in activated Peripheral Blood Mononuclear Cells from 96 African American children. We employed novel statistical approaches to calculate a mean-independent measure of gene expression variability and a measure of transcriptional response pseudotime. Using these approaches, we demonstrated that glucocorticoids reverse the effects of immune stimulation on both gene expression mean and variability. Our novel measure of gene expression response dynamics, based on the diagonal linear discriminant analysis, separated individual cells by response status on the basis of their transcriptional profiles and allowed us to identify different dynamic patterns of gene expression along the response pseudotime. We identified genetic variants regulating gene expression mean and variability, including treatment-specific effects, and demonstrated widespread genetic regulation of the transcriptional dynamics of the gene expression response.

Dynamic interactions of neurons and glia in the ventral midbrain (VM) mediate reward and addiction behavior. We studied gene expression in 212,713 VM single nuclei from 95 human opioid overdose cases and drug-free controls. Chronic exposure to opioids left numerical proportions of VM glial and neuronal subtypes unaltered, while broadly affecting glial transcriptomes, involving 9.5 - 6.2% of expressed genes within microglia, oligodendrocytes, and astrocytes, with prominent activation of the immune response including interferon, NFkB signaling, and cell motility pathways, sharply contrasting with down-regulated expression of synaptic signaling and plasticity genes in VM non-dopaminergic neurons. VM transcriptomic reprogramming in the context of opioid exposure and overdose included 325 genes with genetic variation linked to substance use traits in the broader population, thereby pointing to heritable risk architectures in the genomic organization of the brain's reward circuitry.

Abstract Colocalization analysis has emerged as a powerful tool to uncover the overlapping of causal variants responsible for both molecular and complex disease phenotypes. The findings from colocalization analysis yield insights into the molecular pathways of complex diseases. In this paper, we conduct an in-depth investigation of the promise and limitations of the available colocalization analysis approaches. Focusing on variant-level colocalization approaches, we first establish the connections between various existing methods. We proceed to discuss the impacts of various controllable analytical factors and uncontrollable practical factors on outcomes of colocalization analysis through realistic simulations and real data examples. We identify a single analytical factor, the specification of prior enrichment levels, which can lead to severe inflation of false-positive colocalization findings. Meanwhile, the combination of many other analytical and practical factors all lead to diminished power. Consequently, we recommend the following strategies for the best practice of colocalization analysis: i) estimating prior enrichment level from the observed data; and ii) separating fine-mapping and colocalization analysis. Our analysis of 4,091 complex traits and the multi-tissue eQTL data from the GTEx (version 8) suggests that colocalizations of molecular QTLs and GWAS traits are widespread in many complex traits. However, only a small proportion can be confidently identified from currently available data due to a lack of power. Our findings should serve as an important benchmark for the current and future integrative genetic association analysis applications.

Abstract Genetic effects on gene expression and splicing can be modulated by cellular and environmental factors; yet interactions between genotypes, cell type and treatment have not been comprehensively studied together. We used an induced pluripotent stem cell system to study multiple cell types derived from the same individuals and exposed them to a large panel of treatments. Cellular responses involved different genes and pathways for gene expression and splicing processes, and were also highly variable across cell types and treatments. For thousands of genes, we identified variable allelic expression across contexts, and characterized different types of gene-environment interactions. Many of these G×E genes are associated with complex traits. We characterized promoter functional and evolutionary features that distinguish genes with elevated allelic imbalance mean and variance. More than 47% of the genes with dynamic regulatory interactions were missed by GTEx, but we identified them using a suitable allelic imbalance study design. This indicates the importance of exploring multiple treatments to reveal previously unrecognized regulatory loci that may be important for disease.

Abstract Humans display vast clinical variability upon SARS-CoV-2 infection 1–3 , partly due to genetic and immunological factors 4 . However, the magnitude of population differences in immune responses to SARS-CoV-2 and the mechanisms underlying such variation remain unknown. Here we report single-cell RNA-sequencing data for peripheral blood mononuclear cells from 222 healthy donors of various ancestries stimulated with SARS-CoV-2 or influenza A virus. We show that SARS-CoV-2 induces a weaker, but more heterogeneous interferon-stimulated gene activity than influenza A virus, and a unique pro-inflammatory signature in myeloid cells. We observe marked population differences in transcriptional responses to viral exposure that reflect environmentally induced cellular heterogeneity, as illustrated by higher rates of cytomegalovirus infection, affecting lymphoid cells, in African-descent individuals. Expression quantitative trait loci and mediation analyses reveal a broad effect of cell proportions on population differences in immune responses, with genetic variants having a narrower but stronger effect on specific loci. Additionally, natural selection has increased immune response differentiation across populations, particularly for variants associated with SARS-CoV-2 responses in East Asians. We document the cellular and molecular mechanisms through which Neanderthal introgression has altered immune functions, such as its impact on the myeloid response in Europeans. Finally, colocalization analyses reveal an overlap between the genetic architecture of immune responses to SARS-CoV-2 and COVID-19 severity. Collectively, these findings suggest that adaptive evolution targeting immunity has also contributed to current disparities in COVID-19 risk.

Summary In early development, the environment triggers mnemonic epigenomic programs resulting in memory and learning experiences to confer cognitive phenotypes into adulthood. To uncover how environmental stimulation impacts the epigenome and genome organization, we used the paradigm of environmental enrichment (EE) in young mice constantly receiving novel stimulation. We profiled epigenome and chromatin architecture in whole cortex and sorted neurons by deep-sequencing techniques. Specifically, we studied chromatin accessibility, gene and protein regulation, and 3D genome conformation, combined with predicted enhancer and chromatin interactions. We identified increased chromatin accessibility, transcription factor binding including CTCF-mediated insulation, differential occupancy of H3K36me3 and H3K79me2, and changes in transcriptional programs required for neuronal development. EE stimuli led to local genome re-organization by inducing increased contacts between chromosomes 7 and 17 ( inter- chromosomal). Our findings support the notion that EE-induced learning and memory processes are directly associated with the epigenome and genome organization. Highlights - Environmental enrichment (EE) alters chromatin conformation, CTCF binding, and spatially 3D genome changes, thereby regulating cognitive function during the first steps of life after birth. - Transcription-associated gene body marks H3K79me2 and H3K36me3 are differently influenced by EE in cortical brain cells and binding is exacerbated upon stimulation in an age-dependent manner. - EE-induced changes of 3D genome organization increase inter- chromosomal interactions of genes associated with synaptic transmission and AMPA receptor genes on chromosomes 7 and 17.