Abstract INTRODUCTION The difference in APOEε4 risk for Alzheimer disease (AD) between different populations is associated with APOEε4 local ancestry (LA). We examined LA SNPs with significant frequency differences between African and European/Japanese APOEε4 haplotypes for areas of differential regulation. METHODS We performed two enhancer Massively Parallel Reporter Assay (MPRA) approaches, supplemented with single fragment reporter assays. We utilized Capture C analyses to support interactions with the APOE promoter. RESULTS The TOMM40 intron 2 and 3 region showed increased enhancer activity in the European/Japanese versus African LA haplotypes in astrocytes and microglia. This region overlaps with APOE promoter interactions as assessed by Capture C analysis. Single variant analyses pinpoints rs2075650/rs157581, and rs59007384 as functionally different on these haplotypes. DISCUSSION Both differential regulatory function and Capture C data support an intronic region in TOMM40 as contributing to the differential APOE expression between African and European/Japanese LA.

Despite the growing interest in studying the mammalian genome organization, it is still challenging to map the DNA contacts genome-wide. Here we present easy Hi-C (eHi-C), a highly efficient method for unbiased mapping of 3D genome architecture. The eHi-C protocol only involves a series of enzymatic reactions and maximizes the recovery of DNA products from proximity ligation. We show that eHi-C can be performed with 0.1 million cells and yields high quality libraries comparable to Hi-C.

Motivation: Recently, novel biotechnologies to quantify RNA modifications became an increasingly popular choice for researchers who study epitranscriptome. When studying RNA methylations such as N6-methyladenosine (m6A), researchers need to make several decisions in its experimental design, especially the sample size and a proper statistical power. Due to the complexity and high-throughput nature of m6A sequencing measurements, methods for power calculation and study design are still currently unavailable. Results: We propose a statistical power assessment tool, magpie, for power calculation and experimental design for epitranscriptome studies using m6A sequencing data. Our simulation-based power assessment tool will borrow information from real pilot data, and inspect various influential factors including sample size, sequencing depth, effect size, and basal expression ranges. We integrate two modules in magpie: (i) a flexible and realistic simulator module to synthesize m6A sequencing data based on real data; and (ii) a power assessment module to examine a set of comprehensive evaluation metrics. Availability: The proposed power assessment tool magpie is publicly available as a R/Bioconductor package at: https://bioconductor.org/packages/magpie/.

Major depressive disorder (MDD) is a notably complex illness with a lifetime prevalence of 14%. 1 It is often chronic or recurrent and is thus accompanied by considerable morbidity, excess mortality, substantial costs, and heightened risk of suicide. 2-7 MDD is a major cause of disability worldwide. 8 We conducted a genome-wide association (GWA) meta-analysis in 130,664 MDD cases and 330,470 controls, and identified 44 independent loci that met criteria for statistical significance. We present extensive analyses of these results which provide new insights into the nature of MDD. The genetic findings were associated with clinical features of MDD, and implicated prefrontal and anterior cingulate cortex in the pathophysiology of MDD (regions exhibiting anatomical differences between MDD cases and controls). Genes that are targets of antidepressant medications were strongly enriched for MDD association signals (P=8.5x10-10), suggesting the relevance of these findings for improved pharmacotherapy of MDD. Sets of genes involved in gene splicing and in creating isoforms were also enriched for smaller MDD GWA P-values, and these gene sets have also been implicated in schizophrenia and autism. Genetic risk for MDD was correlated with that for many adult and childhood onset psychiatric disorders. Our analyses suggested important relations of genetic risk for MDD with educational attainment, body mass, and schizophrenia: the genetic basis of lower educational attainment and higher body mass were putatively causal for MDD whereas MDD and schizophrenia reflected a partly shared biological etiology. All humans carry lesser or greater numbers of genetic risk factors for MDD, and a continuous measure of risk underlies the observed clinical phenotype. MDD is not a distinct entity that neatly demarcates normalcy from pathology but rather a useful clinical construct associated with a range of adverse outcomes and the end result of a complex process of intertwined genetic and environmental effects. These findings help refine and define the fundamental basis of MDD.

Abstract Background European local ancestry (ELA) surrounding APOE4 is associated with a higher risk for Alzheimer Disease (AD) compared to African local ancestry (ALA). We previously demonstrated significantly higher APOE4 expression in ELA vs ALA in the frontal cortex of APOE4/4 AD patients. Differences in chromatin accessibility could contribute to these differences in APOE4 expression. Methods We performed single nuclei Assays for Transposase Accessible Chromatin sequencing (snATAC-seq) and single nuclei RNA sequencing (snRNA-seq) from frozen frontal cortex of six ALA and six ELA AD patients, all homozygous for local ancestry and APOE4 . Results We demonstrated that APOE4 , including its promoter area, has greater chromatin accessibility in ELA vs ALA astrocytes. This increased accessibility in ELA astrocytes extended genome wide. Genes with increased accessibility and expression in ELA in astrocytes were enriched for synaptic function, cholesterol processing and astrocyte reactivity. Conclusion Our results suggest that increased chromatin accessibility of APOE4 in astrocyte with the ELA contributes to the observed elevated APOE4 expression, corresponding to the increased AD risk in ELA vs ALA APOE4/4 carriers.

In this paper, we develop TWO-SIGMA, a TWO-component SInGle cell Model-based Association method for differential expression (DE) analyses in single-cell RNA-seq (scRNA-seq) data. The first component models the probability of “drop-out” with a mixed-effects logistic regression model and the second component models the (conditional) mean expression with a mixed-effects negative binomial regression model. TWO-SIGMA is extremely flexible in that it: (i) does not require a log-transformation of the outcome, (ii) allows for overdispersed and zero-inflated counts, (iii) accommodates a correlation structure between cells from the same biological sample via random effect terms, (iv) can analyze unbalanced designs (in which the number of cells does not need to be identical for all samples), (v) can control for additional sample-level and cell-level covariates including batch effects, (vi) provides interpretable effect size estimates, and (vii) enables general tests of DE beyond two-group comparisons. To our knowledge, TWO-SIGMA is the only method for analyzing scRNA-seq data that can simultaneously accomplish each of these features. Simulations studies show that TWO-SIGMA outperforms alternative regression-based approaches in both type-I error control and power enhancement when the data contains even moderate within-sample correlation. A real data analysis using pancreas islet single-cells exhibits the flexibility of TWO-SIGMA and demonstrates that incorrectly failing to include random effect terms can have dramatic impacts on scientific conclusions. TWO-SIGMA is implemented in the R package twosigma available at .

Abstract Genome-wide association studies have revealed many non-coding variants associated with complex traits. However, model organism studies have largely remained as an untapped resource for unveiling the effector genes of non-coding variants. We develop INFIMA, In tegrative Fi ne- Ma pping, to pinpoint causal SNPs for Diversity Outbred (DO) mice eQTL by integrating founder mice multi-omics data including ATAC-seq, RNA-seq, footprinting, and in silico mutation analysis. We demonstrate INFIMA’s superior performance compared to alternatives with human and mouse chromatin conformation capture datasets. We apply INFIMA to identify novel effector genes for GWAS variants associated with diabetes. The results of the application are available at http://www.statlab.wisc.edu/shiny/INFIMA/