Abstract Periconceptional diet may persistently influence DNA methylation levels with phenotypic consequences. However, a comprehensive assessment of the characteristics of prenatal malnutrition-associated differentially methylated regions (P-DMRs) is lacking in humans. Here we report on a genome-scale analysis of differential DNA methylation in whole blood after periconceptional exposure to famine during the Dutch Hunger Winter. We show that P-DMRs preferentially occur at regulatory regions, are characterized by intermediate levels of DNA methylation and map to genes enriched for differential expression during early development. Validation and further exploratory analysis of six P-DMRs highlight the critical role of gestational timing. Interestingly, differential methylation of the P-DMRs extends along pathways related to growth and metabolism. P-DMRs located in INSR and CPT1A have enhancer activity in vitro and differential methylation is associated with birth weight and serum LDL cholesterol. Epigenetic modulation of pathways by prenatal malnutrition may promote an adverse metabolic phenotype in later life.

Peter 't Hoen, Lude Franke, Bastiaan Heijmans and colleagues present a combined analysis of methylome and transcriptome data from a large collection of whole-blood samples to infer the downstream effects of disease-associated variants. They identify a large number of trait-associated SNPs influencing methylation of CpG sites in trans, providing insights into the downstream functional effects of many disease-associated variants. Most disease-associated genetic variants are noncoding, making it challenging to design experiments to understand their functional consequences1,2. Identification of expression quantitative trait loci (eQTLs) has been a powerful approach to infer the downstream effects of disease-associated variants, but most of these variants remain unexplained3,4. The analysis of DNA methylation, a key component of the epigenome5,6, offers highly complementary data on the regulatory potential of genomic regions7,8. Here we show that disease-associated variants have widespread effects on DNA methylation in trans that likely reflect differential occupancy of trans binding sites by cis-regulated transcription factors. Using multiple omics data sets from 3,841 Dutch individuals, we identified 1,907 established trait-associated SNPs that affect the methylation levels of 10,141 different CpG sites in trans (false discovery rate (FDR) < 0.05). These included SNPs that affect both the expression of a nearby transcription factor (such as NFKB1, CTCF and NKX2-3) and methylation of its respective binding site across the genome. Trans methylation QTLs effectively expose the downstream effects of disease-associated variants.

Cardiomyocytes (CMs) from human induced pluripotent stem cells (hiPSCs) are functionally immature, but this is improved by incorporation into engineered tissues or forced contraction. Here, we showed that tri-cellular combinations of hiPSC-derived CMs, cardiac fibroblasts (CFs), and cardiac endothelial cells also enhance maturation in easily constructed, scaffold-free, three-dimensional microtissues (MTs). hiPSC-CMs in MTs with CFs showed improved sarcomeric structures with T-tubules, enhanced contractility, and mitochondrial respiration and were electrophysiologically more mature than MTs without CFs. Interactions mediating maturation included coupling between hiPSC-CMs and CFs through connexin 43 (CX43) gap junctions and increased intracellular cyclic AMP (cAMP). Scaled production of thousands of hiPSC-MTs was highly reproducible across lines and differentiated cell batches. MTs containing healthy-control hiPSC-CMs but hiPSC-CFs from patients with arrhythmogenic cardiomyopathy strikingly recapitulated features of the disease. Our MT model is thus a simple and versatile platform for modeling multicellular cardiac diseases that will facilitate industry and academic engagement in high-throughput molecular screening.

Abstract Background Epigenetic clocks use DNA methylation (DNAm) levels of specific sets of CpG dinucleotides to accurately predict individual chronological age. A popular application of these clocks is to explore whether the deviation of predicted age from chronological age is associated with disease phenotypes, where this deviation is interpreted as a potential biomarker of biological age. This wide application, however, contrasts with the limited insight in the processes that may drive the running of epigenetic clocks. Results We perform a functional genomics analysis on four epigenetic clocks, including Hannum’s blood predictor and Horvath’s multi-tissue predictor, using blood DNA methylome and transcriptome data from 3132 individuals. The four clocks result in similar predictions of individual chronological age, and their constituting CpGs are correlated in DNAm level and are enriched for similar histone modifications and chromatin states. Interestingly, DNAm levels of CpGs from the clocks are commonly associated with gene expression in trans . The gene sets involved are highly overlapping and enriched for T cell processes. Further analysis of the transcriptome and methylome of sorted blood cell types identifies differences in DNAm between naive and activated T and NK cells as a probable contributor to the clocks. Indeed, within the same donor, the four epigenetic clocks predict naive cells to be up to 40 years younger than activated cells. Conclusions The ability of epigenetic clocks to predict chronological age involves their ability to detect changes in proportions of naive and activated immune blood cells, an established feature of immuno-senescence. This finding may contribute to the interpretation of associations between clock-derived measures and age-related health outcomes.

ABSTRACT Common SNPs are predicted to collectively explain 40-50% of phenotypic variation in human height, but identifying the specific variants and associated regions requires huge sample sizes. Here we show, using GWAS data from 5.4 million individuals of diverse ancestries, that 12,111 independent SNPs that are significantly associated with height account for nearly all of the common SNP-based heritability. These SNPs are clustered within 7,209 non-overlapping genomic segments with a median size of ~90 kb, covering ~21% of the genome. The density of independent associations varies across the genome and the regions of elevated density are enriched for biologically relevant genes. In out-of-sample estimation and prediction, the 12,111 SNPs account for 40% of phenotypic variance in European ancestry populations but only ~10%-20% in other ancestries. Effect sizes, associated regions, and gene prioritization are similar across ancestries, indicating that reduced prediction accuracy is likely explained by linkage disequilibrium and allele frequency differences within associated regions. Finally, we show that the relevant biological pathways are detectable with smaller sample sizes than needed to implicate causal genes and variants. Overall, this study, the largest GWAS to date, provides an unprecedented saturated map of specific genomic regions containing the vast majority of common height-associated variants.

ABSTRACT Summary dsSwissKnife is an R package that enables several powerful analyses to be performed on federated datasets. The package works alongside DataSHIELD and extends its functionality. We have developed and implemented dsSwissKnife in a large IMI project on type 2 diabetes, RHAPSODY, where data from 10 observational cohorts have been harmonised and federated in CDISC SDTM format and made available for biomarker discovery. Availability and implementation dsSwissKnife is freely available online at https://github.com/sib-swiss/dsSwissKnife . The package is distributed under the GNU General Public License version 3. Contact mark.ibberson@sib.swiss

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.

Most disease associated genetic risk factors are non-coding, making it challenging to design experiments to understand their functional consequences. Identification of expression quantitative trait loci (eQTLs) has been a powerful approach to infer downstream effects of disease variants but the large majority remains unexplained.. The analysis of DNA methylation, a key component of the epigenome, offers highly complementary data on the regulatory potential of genomic regions. However, a large-scale, combined analysis of methylome and transcriptome data to infer downstream effects of disease variants is lacking. Here, we show that disease variants have wide-spread effects on DNA methylation in trans that likely reflect the downstream effects on binding sites of cis-regulated transcription factors. Using data on 3,841 Dutch samples, we detected 272,037 independent cis-meQTLs (FDR < 0.05) and identified 1,907 trait-associated SNPs that affect methylation levels of 10,141 different CpG sites in trans (FDR < 0.05), an eight-fold increase in the number of downstream effects that was known from trans-eQTL studies. Trans-meQTL CpG sites are enriched for active regulatory regions, being correlated with gene expression and overlap with Hi-C determined interchromosomal contacts. We detected many trans-meQTL SNPs that affect expression levels of nearby transcription factors (including NFKB1, CTCF and NKX2-3), while the corresponding trans-meQTL CpG sites frequently coincide with its respective binding site. Trans-meQTL mapping therefore provides a strategy for identifying and better understanding downstream functional effects of many disease-associated variants.

Background: Numerous large genome-wide association studies (GWASs) have been performed to understand the genetic factors of numerous traits, including type 2 diabetes. Many identified risk loci are located in non-coding and intergenic regions, which complicates the understanding how genes and their downstream pathways are influenced. An integrative data approach is required to understand the mechanism and consequences of identified risk loci. Results: Here, we developed the R-package CONQUER. Data for SNPs of interest (build GRCh38/hg38) were acquired from static- and dynamic repositories, such as, GTExPortal, Epigenomics Project, 4D genome database and genome browsers such as ENSEMBL. CONQUER modularizes SNPs based on the underlying co-expression data and associates them with biological pathways in specific tissues. CONQUER was used to analyze 403 previously identified type 2 diabetes risk loci. In all tissues, the majority of SNPs (mean = 13.50, SD = 11.70) were linked to metabolism. A tissue-shared effect was found for four type 2 diabetes-associated SNPs (rs601945, rs1061810, rs13737, rs4932265) that were associated with differential expression of HLA-DQA2, HSD17B12, MAN2C1 and AP3S2 respectively. Seven SNPs were identified that influenced the expression of seven ribosomal proteins in multiple tissues. Finally, one SNP (rs601945) was found to influence multiple HLA genes in all twelve tissues investigated. Conclusion: We present an universal R-package that aggregates and visualizes data in order to better understand functional consequences of GWAS loci. Using CONQUER, we showed that type 2 diabetes risk loci have many tissue-shared effects on multiple pathways including metabolism, the ribosome and HLA pathway.

Abstract Introduction Micro- and macrovascular complications are common among persons with type 2 diabetes. Recently there has been growing interest to investigate the potential of circulating small non-coding RNAs (sncRNAs) as contributors to the development of diabetic complications. In this study we investigate to what extent circulating sncRNAs levels associate with prevalent diabetic kidney disease (DKD) in persons with type 2 diabetes. Methods Plasma sncRNAs levels were determined using small RNA-seq, allowing detection of miRNAs, snoRNAs, piRNAs, tRNA fragments, and various other sncRNA classes. We tested for differentially expressed sncRNAs in persons with type 2 diabetes, with DKD (n = 69) or without DKD (n = 405). In secondary analyses, we also tested the association with eGFR, albuminuria (UACR), and the plasma proteome. Results In total seven sncRNAs were negatively associated with prevalent DKD (all P FDR ≤ 0.05). Including one microRNA (miR-143-5p), five snoRNAs (U8, SNORD118, SNORD24, SNORD107, SNORD87) and a piRNA (piR-019825 | DQ597218). Proteomic analyses showed that the seven sncRNAs, and especially the piRNA piR-019825, were associated with plasma levels of 24 proteins of which several have known associations with kidney function including TNF sR-I (TNFRFS1A), DAN (NBL1) and cystatin C (CST3). Conclusion We have identified novel small non-coding RNAs, primarily from classes other than microRNAs, that are associated with diabetic kidney disease. Our results show that the involvement of small non-coding RNAs in DKD goes beyond the already known microRNAs and also involves other classes of sncRNA, in particular snoRNAs and the piRNA piR-019825, that have never been studied before in relation to kidney function.