Abstract Motivation: Experiments such as ChIP-chip, ChIP-seq, ChIP-PET and DamID (the four methods referred herein as ChIP-X) are used to profile the binding of transcription factors to DNA at a genome-wide scale. Such experiments provide hundreds to thousands of potential binding sites for a given transcription factor in proximity to gene coding regions. Results: In order to integrate data from such studies and utilize it for further biological discovery, we collected interactions from such experiments to construct a mammalian ChIP-X database. The database contains 189 933 interactions, manually extracted from 87 publications, describing the binding of 92 transcription factors to 31 932 target genes. We used the database to analyze mRNA expression data where we perform gene-list enrichment analysis using the ChIP-X database as the prior biological knowledge gene-list library. The system is delivered as a web-based interactive application called ChIP Enrichment Analysis (ChEA). With ChEA, users can input lists of mammalian gene symbols for which the program computes over-representation of transcription factor targets from the ChIP-X database. The ChEA database allowed us to reconstruct an initial network of transcription factors connected based on shared overlapping targets and binding site proximity. To demonstrate the utility of ChEA we present three case studies. We show how by combining the Connectivity Map (CMAP) with ChEA, we can rank pairs of compounds to be used to target specific transcription factor activity in cancer cells. Availability: The ChEA software and ChIP-X database is freely available online at: http://amp.pharm.mssm.edu/lib/chea.jsp Contact: avi.maayan@mssm.edu Supplementary information: Supplementary data are available at Bioinformatics online.

Summary A library of well-characterized human induced pluripotent stem cell (hiPSC) lines from clinically healthy human subjects could serve as a useful resource of normal controls for in vitro human development, disease modeling, genotype-phenotype association studies, and drug response evaluation. We report generation and extensive characterization of a gender-balanced, racially/ethnically diverse library of hiPSC lines from 40 clinically healthy human individuals who range in age from 22-61. The hiPSCs match the karyotype and short tandem repeat identity of their parental fibroblasts, and have a transcription profile characteristic of pluripotent stem cells. We provide whole genome sequencing data for one hiPSC clone from each individual, genomic ancestry determination, and analysis of Mendelian disease genes and risks. We document similar transcriptomic profiles, single-cell RNA-seq derived cell clusters and physiology of cardiomyocytes differentiated from multiple independent hiPSC lines. This extensive characterization makes this hiPSC library a valuable resource for many studies on human biology.

Abstract Drug-induced gene expression profiles can identify potential mechanisms of toxicity. We focused on obtaining signatures for cardiotoxicity of FDA-approved tyrosine kinase inhibitors (TKIs) in human induced pluripotent stem cell-derived cardiomyocytes. Using bulk transcriptomics profiles, we applied singular value decomposition to identify drug-selective patterns in cell lines obtained from multiple healthy human subjects. Cellular pathways affected by highly cardiotoxic TKIs include energy metabolism, contractile, and extracellular matrix dynamics. Projecting these pathways to single cell expression profiles indicates that TKI responses can be evoked in both cardiomyocytes and fibroblasts. Whole genome sequences of the cell lines, using outlier responses enabled us to correctly reidentify a genomic variant associated with anthracycline cardiotoxicity and predict genomic variants potentially associated with TKI cardiotoxicity. We conclude that mRNA expression profiles when integrated with publicly available genomic, pathway, and single cell transcriptomic datasets, provide multiscale predictive understanding of cardiotoxicity for drug development and patient stratification. One sentence summary Genes, pathways, and cell types of the human heart associated with antineoplastic drug cardiotoxicity.

Abstract Since the first novel gene discovery for a Mendelian condition was made via exome sequencing (ES), the rapid increase in the number of genes known to underlie Mendelian conditions coupled with the adoption of exome (and more recently, genome) sequencing by diagnostic testing labs has changed the landscape of genomic testing for rare disease. Specifically, many individuals suspected to have a Mendelian condition are now routinely offered clinical ES. This commonly results in a precise genetic diagnosis but frequently overlooks the identification of novel candidate genes. Such candidates are also less likely to be identified in the absence of large-scale gene discovery research programs. Accordingly, clinical laboratories have both the opportunity, and some might argue a responsibility, to contribute to novel gene discovery which should in turn increase the diagnostic yield for many conditions. However, clinical diagnostic laboratories must necessarily balance priorities for throughput, turnaround time, cost efficiency, clinician preferences, and regulatory constraints, and often do not have the infrastructure or resources to effectively participate in either clinical translational or basic genome science research efforts. For these and other reasons, many laboratories have historically refrained from broadly sharing potentially pathogenic variants in novel genes via networks like Matchmaker Exchange, much less reporting such results to ordering providers. Efforts to report such results are further complicated by a lack of guidelines for clinical reporting and interpretation of variants in novel candidate genes. Nevertheless, there are myriad benefits for many stakeholders, including patients/families, clinicians, researchers, if clinical laboratories systematically and routinely identify, share, and report novel candidate genes. To facilitate this change in practice, we developed criteria for triaging, sharing, and reporting novel candidate genes that are most likely to be promptly validated as underlying a Mendelian condition and translated to use in clinical settings.

ABSTRACT Objective To conduct a retrospective analysis comparing traditional human-based consenting to an automated chat-based consenting process. Materials and Methods We developed a new chat-based consent using our IRB-approved consent forms. We leveraged a previously developed platform (Gia®, or “Genetic Information Assistant”) to deliver the chat content to candidate participants. The content included information about the study, educational information, and a quiz to assess understanding. We analyzed 144 families referred to our study during a 6-month time period. A total of 37 families completed consent using the traditional process, while 35 families completed consent using Gia. Results Engagement rates were similar between both consenting methods. The median length of the consent conversation was shorter for Gia users compared to traditional (44 vs. 76 minutes). Additionally, the total time from referral to consent completion was faster with Gia (5 vs. 16 days). Within Gia, understanding was assessed with a 10-question quiz that most participants (96%) passed. Feedback about the chat consent indicated that 86% of participants had a positive experience. Discussion Using Gia resulted in time savings for both the participant and study staff. The chatbot enables studies to reach more potential candidates. We identified five key features related to human-centered design for developing a consent chat. Conclusion This analysis suggests that it is feasible to use an automated chatbot to scale obtaining informed consent for a genomics research study. We further identify a number of advantages when using a chatbot.