The Genotype-Tissue Expression (GTEx) project dissects how genetic variation affects gene expression and splicing.

Abstract Scalable, integrative methods to understand mechanisms that link genetic variants with phenotypes are needed. Here we derive a mathematical expression to compute PrediXcan (a gene mapping approach) results using summary data (S-PrediXcan) and show its accuracy and general robustness to misspecified reference sets. We apply this framework to 44 GTEx tissues and 100+ phenotypes from GWAS and meta-analysis studies, creating a growing public catalog of associations that seeks to capture the effects of gene expression variation on human phenotypes. Replication in an independent cohort is shown. Most of the associations are tissue specific, suggesting context specificity of the trait etiology. Colocalized significant associations in unexpected tissues underscore the need for an agnostic scanning of multiple contexts to improve our ability to detect causal regulatory mechanisms. Monogenic disease genes are enriched among significant associations for related traits, suggesting that smaller alterations of these genes may cause a spectrum of milder phenotypes.

Cell type composition, estimated from bulk tissue, maps the cellular specificity of genetic variants.

Many complex human phenotypes exhibit sex-differentiated characteristics. However, the molecular mechanisms underlying these differences remain largely unknown. We generated a catalog of sex differences in gene expression and in the genetic regulation of gene expression across 44 human tissue sources surveyed by the Genotype-Tissue Expression project (GTEx, v8 release). We demonstrate that sex influences gene expression levels and cellular composition of tissue samples across the human body. A total of 37% of all genes exhibit sex-biased expression in at least one tissue. We identify cis expression quantitative trait loci (eQTLs) with sex-differentiated effects and characterize their cellular origin. By integrating sex-biased eQTLs with genome-wide association study data, we identify 58 gene-trait associations that are driven by genetic regulation of gene expression in a single sex. These findings provide an extensive characterization of sex differences in the human transcriptome and its genetic regulation.

Telomere length within an individual varies in a correlated manner across most tissues.

Genome-wide association studies of neurological diseases have identified thousands of variants associated with disease phenotypes. However, most of these variants do not alter coding sequences, making it difficult to assign their function. Here, we present a multi-omic epigenetic atlas of the adult human brain through profiling of single-cell chromatin accessibility landscapes and three-dimensional chromatin interactions of diverse adult brain regions across a cohort of cognitively healthy individuals. We developed a machine-learning classifier to integrate this multi-omic framework and predict dozens of functional SNPs for Alzheimer’s and Parkinson’s diseases, nominating target genes and cell types for previously orphaned loci from genome-wide association studies. Moreover, we dissected the complex inverted haplotype of the MAPT (encoding tau) Parkinson’s disease risk locus, identifying putative ectopic regulatory interactions in neurons that may mediate this disease association. This work expands understanding of inherited variation and provides a roadmap for the epigenomic dissection of causal regulatory variation in disease. Single-cell chromatin profiling of different brain regions identifies cell-type-specific regulatory elements, and helps to predict functional SNPs for Alzheimer’s and Parkinson’s diseases.

Abstract Expression quantitative trait locus (eQTL) mapping provides a powerful means to identify functional variants influencing gene expression and disease pathogenesis. We report the identification of cis-eQTLs from 7,051 post-mortem samples representing 44 tissues and 449 individuals as part of the Genotype-Tissue Expression (GTEx) project. We find a cis-eQTL for 88% of all annotated protein-coding genes, with one-third having multiple independent effects. We identify numerous tissue-specific cis-eQTLs, highlighting the unique functional impact of regulatory variation in diverse tissues. By integrating large-scale functional genomics data and state-of-the-art fine-mapping algorithms, we identify multiple features predictive of tissue-specific and shared regulatory effects. We improve estimates of cis-eQTL sharing and effect sizes using allele specific expression across tissues. Finally, we demonstrate the utility of this large compendium of cis-eQTLs for understanding the tissue-specific etiology of complex traits, including coronary artery disease. The GTEx project provides an exceptional resource that has improved our understanding of gene regulation across tissues and the role of regulatory variation in human genetic diseases.

ABSTRACT The majority of associations between genetic variation and human traits and diseases are non-coding and in strong linkage disequilibrium (LD) with surrounding genetic variation. In these cases, a single causal variant is often assumed to underlie the association, however no systematic assessment of the number of causal variants has been performed. In this study, we applied a massively parallel reporter assay (MPRA) in lymphoblastoid cells to functionally evaluate 49,256 allelic pairs, representing 30,893 genetic variants in high, local linkage disequilibrium for 744 independent cis-expression quantitative trait loci (eQTL) and assessed each for colocalization across 114 traits. We identified 8,502 allele-independent regulatory regions containing 1,264 allele-specific regulatory variants, and found that 17.7% of eQTL contained more than one significant allelic effect. We show that detected regulatory variants are highly and specifically enriched for activating chromatin structures and allelic transcription factor binding, for which ETS-domain family members are a large driver. Integration of MPRA profiles with eQTL/complex trait colocalizations identified causal variant sets for associations with blood cell measurements, Asthma, Multiple Sclerosis, Inflammatory Bowel Disease, and Crohn’s Disease. These results demonstrate that a sizable number of association signals are manifest through multiple, tightly-linked causal variants requiring high-throughput functional assays for fine-mapping.

Abstract Objective CROP-Seq combines gene silencing using CRISPR interference (CRISPRi) with single-cell RNA sequencing (scRNA-Seq) to conduct a functional reverse genetic screen of novel gene targets associated with adipocyte differentiation or function, with single-cell transcriptomes as the readout. Methods We created a human preadipocyte SGBS cell line with stable expression of KRAB-dCas9 for CRISPRi-mediated gene knock-down. This line was transduced with a lentiviral library of sgRNAs targeting 6 genes of interest (3 sgRNAs / gene, 18 sgRNAs), 6 positive control genes (3 sgRNAs / gene, 18 sgRNAs), and non-targeting control sgRNAs (4 sgRNAs). Transduced cells were selected and differentiated, and individual cells were captured using microfluidics at day 0, 4 and 8 of adipogenic differentiation. Next, expression and sgRNA libraries were created and sequenced. Bioinformatic analysis of resulting scRNA-Seq expression data was used to determine the effects of gene knock-down and the dysregulated pathways, and to predict cellular phenotypes. Results Single-cell transcriptomes obtained from SGBS cells following CRISPRi recapitulate different states of differentiation from preadipocytes to adipocytes. We confirmed successful knock-down of targeted genes. Transcriptome-wide changes were observed for all targeted genes, with over 400 differentially expressed genes identified per gene at least at one timepoint. Knock-down of known adipogenesis regulators PPARG and CEBPB inhibited adipogenesis. Gene set enrichment analyses revealed molecular processes for adipose tissue differentiation and function for novel genes. MAFF knock-down led to a downregulation of transcriptional response to proinflammatory cytokine TNF-α in preadipocytes. TIPARP knock-down resulted in an increase in the expression of a beiging marker UCP1 at D8 of adipogenesis. Conclusions The CROP-Seq system in SGBS cells can determine the consequences of target gene knock-down at the transcriptome level. This powerful, hypothesis-free tool can identify novel regulators of adipogenesis, preadipocyte and adipocyte function associated with metabolic disease. Highlights CRISPR interference screen coupled with single-cell RNA sequencing (CROP-Seq) Parallel screening of 12 genes in human SGBS adipocytes and preadipocytes Uncovered novel regulators of adipogenesis and adipocyte function Graphical abstract

Abstract Complex traits and diseases can be influenced by both genetics and environment. However, given the large number of environmental stimuli and power challenges for gene-by-environment testing, it remains a critical challenge to identify and prioritize specific disease-relevant environmental exposures. We propose a novel framework for leveraging signals from transcriptional responses to environmental perturbations to identify disease-relevant perturbations that can modulate genetic risk for complex traits and inform the functions of genetic variants associated with complex traits. We perturbed human skeletal muscle, fat, and liver relevant cell lines with 21 perturbations affecting insulin resistance, glucose homeostasis, and metabolic regulation in humans and identified thousands of environmentally responsive genes. By combining these data with GWAS from 31 distinct polygenic traits, we show that heritability of multiple traits is enriched in regions surrounding genes responsive to specific perturbations and, further, that environmentally responsive genes are enriched for associations with specific diseases and phenotypes from the GWAS catalogue. Overall, we demonstrate the advantages of large-scale characterization of transcriptional changes in diversely stimulated and pathologically relevant cells to identify disease-relevant perturbations.