ABSTRACT Hundreds of genes are implicated in autism spectrum disorder (ASD) but the mechanisms through which they contribute to ASD pathophysiology remain elusive. Here, we analyzed leukocyte transcriptomics from 1-4 year-old male toddlers with ASD or typical development from the general population. We discovered a perturbed gene network that includes genes that are highly expressed during fetal brain development and which is dysregulated in hiPSC-derived neuron models of ASD. High-confidence ASD risk genes emerge as upstream regulators of the network, and many risk genes may impact the network by modulating RAS/ERK, PI3K/AKT, and WNT/β-catenin signaling pathways. We found that the degree of dysregulation in this network correlated with the severity of ASD symptoms in the toddlers. These results demonstrate how the heterogeneous genetics of ASD may dysregulate a core network to influence brain development at prenatal and very early postnatal ages and, thereby, the severity of later ASD symptoms.

Abstract Cortical regional identities develop through anterior-posterior (A-P) and dorsal-ventral (D-V) prenatal genomic patterning gradients. Here we find that A-P and D-V genomic patterning of cortical surface area (SA) and thickness (CT) is intact in typically developing and autistic toddlers with good language outcome, but is absent in autistic toddlers with poor early language outcome. Genes driving this effect are prominent in midgestational A-P and D-V gene expression gradients and prenatal cell types driving SA and CT variation (e.g., progenitor cells versus excitatory neurons). These genes are also important for vocal learning, human-specific evolution, and prenatal co-expression networks enriched for high-penetrance autism risk genes. Autism with poor early language outcome may be linked to atypical genomic cortical patterning starting in prenatal periods and which impacts later development of regional functional specialization and circuit formation. One Sentence Summary Genomic patterning of the cortex is atypical in autistic toddlers with poor early language outcome.

ABSTRACT Omics technologies are ubiquitous in biomedical research. However, improper sample selection is an often-overlooked complication with large omics studies, resulting in confounding effects that can disrupt the internal validity of a study and lead to false conclusions. Here, we present a method called BalanceIT , which uses a genetic algorithm to identify an optimal set of samples with balanced clinical factors for large-scale omics experiments. We apply our approach to two large RNA-Seq studies in autism (1) to find a post-hoc balanced sample set among an imbalanced study, and (2) to design an optimal study that allows for efficient batch correction. Our approach leads to near-perfect estimates of differential gene expression, superior performance of pathway-level enrichment analysis, and consistent network dysregulation patterns of autism symptom severity. These results provide empirical support for the importance of balanced experimental design, and BalanceIT will be invaluable for large-scale study design and batch effect correction.

Over the past 25 years, neuroimaging has become a ubiquitous tool in basic research and clinical studies of the human brain. However, there are no reference standards against which to anchor measures of individual differences in brain morphology, in contrast to growth charts for traits such as height and weight. Here, we built an interactive online resource (www.brainchart.io) to quantify individual differences in brain structure from any current or future magnetic resonance imaging (MRI) study, against models of expected age-related trends. With the goal of basing these on the largest and most inclusive dataset, we aggregated MRI data spanning 115 days post-conception through 100 postnatal years, totaling 122,123 scans from 100,071 individuals in over 100 studies across 6 continents. When quantified as centile scores relative to the reference models, individual differences show high validity with non-MRI brain growth estimates and high stability across longitudinal assessment. Centile scores helped identify previously unreported brain developmental milestones and demonstrated increased genetic heritability compared to non-centiled MRI phenotypes. Crucially for the study of brain disorders, centile scores provide a standardised and interpretable measure of deviation that reveals new patterns of neuroanatomical differences across neurological and psychiatric disorders emerging during development and ageing. In sum, brain charts for the human lifespan are an essential first step towards robust, standardised quantification of individual variation and for characterizing deviation from age-related trends. Our global collaborative study provides such an anchorpoint for basic neuroimaging research and will facilitate implementation of research-based standards in clinical studies.

RNA-Seq is ubiquitous, but depending on the biological question or the sample source, some RNA-Seq collection methods require variable or sub-optimal sample handling. Rare tissue may need to be fixed or frozen prior to library preparation, or samples may remain at room temperature while other samples or reagents are handled. These challenges create uncharacterized impacts on sample quality. Understanding the relevant experimental factors that impact sample quality is crucial to ensuring reproducible RNA-Seq results. Here, we tested the susceptibility of poly(A)-enriched RNA-Seq results after multiple freeze-thaw cycles. We assessed sample quality independently of RIN by simulating read count variability to quantify the noise between technical replicates. Each additional freeze-thaw cycle increased the random counts between technical replicates by approximately 4%. Additionally, after three freeze-thaw cycles, differential expression reproducibility decreased substantially. The use of poly(A)-enrichment for RNA sequencing is prevalent in library preparation of frozen tissue, and thus, it is important during experimental design and data analysis to consider the impact of repeated freeze-thaw cycles on reproducibility.### Competing Interest StatementThe authors have declared no competing interest.