Automatic dense 3D surface registration is a powerful technique for comprehensive 3D shape analysis that has found a successful application in human craniofacial morphology research, particularly within the mandibular and cranial vault regions. However, a notable gap exists when exploring the frontal aspect of the human skull, largely due to the intricate and unique nature of its cranial anatomy. To better examine this region, this study introduces a simplified single-surface craniofacial bone mask comprising 9,999 quasi-landmarks, which can aid in the classification and quantification of variation over human facial bone surfaces. Automatic craniofacial bone phenotyping was conducted on a dataset of 31 skull scans obtained through cone-beam computed tomography (CBCT) imaging. The MeshMonk framework facilitated the non-rigid alignment of the constructed craniofacial bone mask with each individual target mesh. To gauge the accuracy and reliability of this automated process, 20 anatomical facial landmarks were manually placed three times by three independent observers on the same set of images. Intra- and inter-observer error assessments were performed using root mean square (RMS) distances, revealing consistently low scores. Subsequently, the corresponding automatic landmarks were computed and juxtaposed with the manually placed landmarks. The average Euclidean distance between these two landmark sets was 1.5mm, while centroid sizes exhibited noteworthy similarity. Intraclass coefficients (ICC) demonstrated a high level of concordance (>0.988), and automatic landmarking showing significantly lower errors and variation. These results underscore the utility of this newly developed single-surface craniofacial bone mask, in conjunction with the MeshMonk framework, as a highly accurate and reliable method for automated phenotyping of the facial region of human skulls from CBCT and CT imagery. This craniofacial template bone mask expansion of the MeshMonk toolbox not only enhances our capacity to study craniofacial bone variation but also holds significant potential for shedding light on the genetic, developmental, and evolutionary underpinnings of the overall human craniofacial structure.

ABSTRACT Transcriptional regulation displays extensive robustness, but human genetics indicate sensitivity to transcription factor (TF) dosage. Reconciling such observations requires quantitative studies of TF dosage effects at trait-relevant ranges, which are lacking to date. TFs play central roles in both normal-range and disease-associated variation in facial morphology; we therefore developed an approach to precisely modulate TF levels in human facial progenitors and applied it to SOX9, a TF associated with craniofacial variation and disease (Pierre Robin Sequence, PRS). We found that most SOX9-dependent regulatory elements (REs) are buffered against small decreases in SOX9 dosage, but REs directly and primarily regulated by SOX9 show heightened sensitivity to SOX9 dosage; these RE responses predict gene expression responses. Sensitive REs and genes underlie the vulnerability of chondrogenesis and PRS-like craniofacial shape variation to SOX9 dosage perturbation. We propose that such REs and genes drive the sensitivity of specific phenotypes to TF dosage, while buffering of other genes leads to robust, nonlinear dosage-to-phenotype relationships.

In the post-genomics era, an emphasis has been placed on disentangling 'genotype-phenotype' connections so that the biological basis of complex phenotypes can be understood. However, our ability to efficiently and comprehensively characterize phenotypes lags behind our ability to characterize genomes. Here, we report a toolbox for fast and reproducible high-throughput dense phenotyping of 3D images. Given a target image, a rigid registration is first used to orient a template to the target surface, then the template is transformed further to fit the specific shape of the target using a non-rigid transformation model. As validation, we used N = 41 3D facial images registered with MeshMonk and manually landmarked at 19 locations. We demonstrate that the MeshMonk registration is accurate, with 0.62 mm as the average root mean squared error between the manual and automatic placements and no variation in landmark position or centroid size significantly attributable to landmarking method used. Though validated using 19 landmarks for comparison with traditional methods, MeshMonk allows for automatic dense phenotyping, thus facilitating more comprehensive investigations of 3D shape variation. This expansion opens up an exciting avenue of study in assessing genomic and phenomic data to better understand the genetic contributions to complex morphological traits.

Human craniofacial shape is highly variable yet highly heritable with genetic variants interacting through multiple layers of development. Here, we hypothesize that Mendelian phenotypes represent the extremes of a phenotypic spectrum and, using achondroplasia as an example, we introduce a syndrome-informed phenotyping approach to identify genomic loci associated with achondroplasia-like facial variation in the normal population. We compared three-dimensional facial scans from 43 individuals with achondroplasia and 8246 controls to calculate achondroplasia-like facial scores. Multivariate GWAS of the control scores revealed a polygenic basis for normal facial variation along an achondroplasia-specific shape axis, identifying genes primarily involved in skeletal development. Jointly modeling these genes in two independent control samples showed craniofacial effects approximating the characteristic achondroplasia phenotype. These findings suggest that both complex and Mendelian genetic variation act on the same developmentally determined axes of facial variation, providing new insights into the genetic intersection of complex traits and Mendelian disorders.

Objectives: To propose a reliable and practical method for automatically segmenting the mandible from low-dose CBCT images. Methods: The marker-based watershed transform is a region-growing approach that dilates or 'floods' predefined markers onto a height map whose ridges denote object boundaries. We applied this method to segment the mandible from the rest of the CBCT image. The height map was generated to enhance the sharp decreases of intensity at the mandible/tissue border and suppress noise by computing the intensity gradient image of the CBCT itself. Two sets of markers, 'mandible' and 'background' were automatically placed inside and outside the mandible, respectively in a novel image using image registration. The watershed transform flooded the gradient image by dilating the markers simultaneously until colliding at watershed lines, estimating the mandible boundary. CBCT images of 20 adolescent subjects were chosen as test cases. Segmentation accuracy of the proposed method was evaluated by measuring overlap (Dice similarity coefficient) and boundary agreement against a well-accepted interactive segmentation method described in the literature. Results: The Dice similarity coefficient was 0.97 +/- 0.01 (mean +/- SD), indicating almost complete overlap between the automatically and the interactively segmented mandibles. Boundary deviations were predominantly under 1mm for most of the mandibular surfaces. The errors were mostly from bones around partially erupted wisdom teeth, the condyles and the dental enamels, which had minimal impact on the overall morphology of the mandible. Conclusions: The marker-based watershed transform method produces segmentation accuracy comparable to the well-accepted interactive segmentation approach.

Abstract Genome-wide association studies (GWAS) identified thousands of genetic variants linked to phenotypic traits and disease risk. However, mechanistic understanding of how GWAS variants influence complex morphological traits and can, in certain cases, simultaneously confer normal-range phenotypic variation and disease predisposition, is still largely lacking. Here, we focus on rs6740960 , a single nucleotide polymorphism (SNP) at the 2p21 locus, which in GWAS studies has been associated both with normal-range variation in jaw shape and with an increased risk of non-syndromic orofacial clefting. Using in vitro derived embryonic cell types relevant for human facial morphogenesis, we show that this SNP resides in an enhancer that regulates chondrocytic expression of PKDCC - a gene encoding a tyrosine kinase involved in chondrogenesis and skeletal development. In agreement, rs6740960 SNP is sufficient to confer a large difference in acetylation of its cognate enhancer preferentially in chondrocytes. By deploying dense landmark morphometric analysis of skull elements in mice, we show that changes in Pkdcc dosage are associated with quantitative changes in maxilla, mandible, and palatine bone shape that are concordant with the facial phenotypes and disease predisposition seen in humans. We further demonstrate that the frequency of the rs6740960 variant strongly deviated among different human populations, and that the activity of its cognate enhancer diverged in hominids. Our study provides a mechanistic explanation of how a common SNP can mediate normal-range and disease-associated morphological variation, with implications for the evolution of human facial features.

Abstract Clinical diagnosis of syndromes benefits strongly from objective facial phenotyping. This study introduces a novel approach to enhance clinical diagnosis through the development and exploration of a low-dimensional metric space referred to as the clinical face phenotypic space (CFPS). As a facial matching tool for clinical genetics, such CFPS can enhance clinical diagnosis. It helps to interpret facial dysmorphisms of a subject by placing them within the space of known dysmorphisms. In this paper, a triplet loss-based autoencoder developed by geometric deep learning (GDL) is trained using multi-task learning, which combines supervised and unsupervised learning approaches. Experiments are designed to illustrate the following properties of CFPSs that can aid clinicians in narrowing down their search space: a CFPS can 1) classify syndromes accurately, 2) generalize to novel syndromes, and 3) preserve the relatedness of genetic diseases, meaning that clusters of phenotypically similar disorders reflect functional relationships between genes. The proposed model consists of three main components: an encoder based on GDL optimizing distances between groups of individuals in the CFPS, a decoder enhancing classification by reconstructing faces, and a singular value decomposition layer maintaining orthogonality and optimal variance distribution across dimensions. This allows for the selection of an optimal number of CFPS dimensions as well as improving the classification capacity of the CFPS.

Abstract The contribution of low-frequency variants to the genetic architecture of normal-range facial traits is unknown. We studied the influence of low-frequency coding variants (MAF < 1%) on multi-dimensional facial shape phenotypes in 2329 healthy Europeans. We used MultiSKAT o scan the exome for face-associated low-frequency variants in a gene-based manner. Seven genes ( AR, CARS2, FTSJ1, HFE, LTB4R, TELO2, NECTIN1 ) were significantly associated with shape variation of the cheek, chin, nose and mouth areas. These genes displayed a wide range of phenotypic effects, with some impacting the full face and others affecting localized regions. The missense variant rs142863092 in NECTIN1 had a significant effect on chin morphology, and was predicted bioinformatically to be deleterious. NECTIN1 is an established craniofacial gene that underlies a human syndrome that includes a mandibular phenotype. We further showed that nectin1a mutations can affect zebrafish craniofacial development, with the size and shape of the mandibular cartilage altered in mutant animals. These Findings highlighted the role of low-frequency coding variants in normal-range facial variation.