Endometriosis is a common complex inflammatory condition characterised by the presence of endometrium-like tissue outside the uterus, mainly in the pelvic area. It is associated with chronic pelvic pain and infertility, and its pathogenesis remains poorly understood. The disease is typically classified according to the revised American Fertility Society (rAFS) 4-stage surgical assessment system, although stage does not correlate well with symptomatology or prognosis. Previously identified genetic variants mainly are associated with stage III/IV disease, highlighting the need for further phenotype-stratified analysis that requires larger datasets. We conducted a meta-analysis of 15 genome-wide association studies (GWAS) and a replication analysis, including 58,115 cases and 733,480 controls in total, and sub-phenotype analyses of stage I/II, stage III/IV and infertility-associated endometriosis cases. This revealed 27 genetic loci associated with endometriosis at the genome-wide p-value threshold (P<5x10-8), 13 of which are novel and an additional 8 novel genes identified from gene-based association analyses. Of the 27 loci, 21 (78%) had greater effect sizes in stage III/IV disease compared to stage I/II, 1 (4%) had greater effect size in stage I/II compared to stage III/IV and 17 (63%) had greater effect sizes when restricted to infertility-associated endometriosis cases compared to overall endometriosis. These results suggest that specific variants may confer risk for different sub-types of endometriosis through distinct pathways. Analyses of genetic variants underlying different pain symptoms reported in the UK Biobank showed that 7/9 had positive significant (p<1.28x10-3) positive genetic correlations with endometriosis, suggesting a genetic basis for sensitivity to pain in general. Additional conditions with significant positive genetic correlations with endometriosis included uterine fibroids, excessive and irregular menstrual bleeding, osteoarthritis, diabetes as well as menstrual cycle length and age at menarche. These results provide a basis for fine-mapping of the causal variants at these 27 loci, and for functional follow-up to understand their contribution to endometriosis and its potential subtypes.

Abstract Current therapeutics of endometriosis are limited to hormonal action on endometriotic lesions to disrupt their growth. Based on the recent findings of the high utilization of glycolysis over oxidative metabolism (Warburg-like effect) in endometriotic lesions, a new strategy of nonhormonal management by addressing cellular metabolism has been proposed. However, it remains unclear which cell types are metabolically altered and contribute to endometriotic lesion growth for targeting them with metabolic drugs. Using single-cell RNA-sequencing, we investigated the activity of twelve metabolic pathways and genes involved in steroidogenesis in paired samples of eutopic endometrium (EuE) and peritoneal lesions (ectopic endometrium, EcE) from women with confirmed endometriosis. We detected nine major cell clusters in both EuE and EcE. The metabolic pathways were differentially regulated in perivascular, stromal and to a lesser extent in endothelial cell clusters, with the highest changes in AMP-activated protein kinase signaling, Hypoxia-Inducible Factor-1 signaling, glutathione metabolism, oxidative phosphorylation, and glycolysis/gluconeogenesis. We identified a transcriptomic co-activation of glycolysis and oxidative metabolism in perivascular and stromal cells of EcE compared with EuE, suggesting that metabolic reprogramming may play a critical role in maintaining cell growth and survival of endometriotic lesions. Additionally, progesterone receptor was significantly downregulated in perivascular and endothelial cells of EcE. The expression of estrogen receptor 1 was significantly reduced in perivascular, stromal and endothelial cells of EcE. In parallel, perivascular cells exhibited a high expression of estrogen receptor 2 and HSD17B8 gene that encodes for protein converting estrone (E1) to estradiol (E2), while in endothelial cells HSD17B2 gene coding for enzyme converting E2 to E1 was downregulated. Overall, our results identified different expression patterns of energy metabolic pathways and steroidogenesis-related genes in perivascular, stromal, and endothelial cells in EcE compared with EuE. Perivascular cells, known to contribute to the restoration of endometrial stroma and angiogenesis, can be a potential target for non-hormonal treatment of endometriosis.

Polycystic ovary syndrome (PCOS) is a disorder characterized by hyperandrogenism, ovulatory dysfunction and polycystic ovarian morphology. Affected women frequently have metabolic disturbances including insulin resistance and dysregulation of glucose homeostasis. PCOS is diagnosed with two different sets of diagnostic criteria, resulting in a phenotypic spectrum of PCOS cases. The genetic similarities between cases diagnosed with different criteria have been largely unknown. Previous studies in Chinese and European subjects have identified 16 loci associated with risk of PCOS. We report a meta-analysis from 10,074 PCOS cases and 103,164 controls of European ancestry and characterisation of PCOS related traits. We identified 3 novel loci (near PLGRKT, ZBTB16 and MAPRE1), and provide replication of 11 previously reported loci. Identified variants were associated with hyperandrogenism, gonadotropin regulation and testosterone levels in affected women. Genetic correlations with obesity, fasting insulin, type 2 diabetes, lipid levels and coronary artery disease indicate shared genetic architecture between metabolic traits and PCOS. Mendelian randomization analyses suggested variants associated with body mass index, fasting insulin, menopause timing, depression and male-pattern balding play a causal role in PCOS. Only one locus differed in its association by diagnostic criteria, otherwise the genetic architecture was similar between PCOS diagnosed by self-report and PCOS diagnosed by NIH or Rotterdam criteria across common variants at 13 loci.

Miscarriage is a common complex trait that affects 10-25% of clinically confirmed pregnancies. Here we present the first large-scale genetic association analyses with 69,118 cases from five different ancestries for sporadic miscarriage and 750 cases of European ancestry for recurrent miscarriage, and up to 359,469 female controls. We identify one genome-wide significant association on chromosome 13 (rs146350366, minor allele frequency (MAF) 1.2%, Pmeta=3.2×10-8, odds ratio (OR) 1.4 (95% confidence interval (CI) 1.2-1.6) for sporadic miscarriage in our European ancestry meta-analysis (50,060 cases and 174,109 controls), located near FGF9 involved in pregnancy maintenance and progesterone production. Additionally, we identified three genome-wide significant associations for recurrent miscarriage, including a signal on chromosome 9 (rs7859844, MAF=6.4%, Pmeta=1.3×10-8, OR=1.7 (1.4-2.0)) physically interacting with TLE1/TLE4 involved in controlling extravillous trophoblast motility. We further investigate the genetic architecture of miscarriage with biobank-scale Mendelian randomization, heritability and, genetic correlation analyses. Our results implicate that miscarriage etiopathogenesis is partly driven by genetic variation related to gonadotropin regulation, placental biology and progesterone production.

Abstract The choice of targeted therapies for treatment of glioblastoma patients is currently limited, and most glioblastoma patients die from the disease recurrence. Thus, systematic studies in simplified model systems are required to pinpoint the choice of targets for further exploration in clinical settings. Here, we report screening of 5 compounds targeting epigenetic writers or erasers and 6 compounds targeting cell cycle-regulating protein kinases against 3 glioblastoma cell lines following incubation under normoxic or hypoxic conditions. The viability assay indicated that PRMT5 inhibitor onametostat was endowed with high potency under both normoxic and hypoxic conditions in both MGMT-positive and MGMT-negative cell lines. In U-251 MG and U-87 MG cells, onametostat also affected the spheroid formation at concentrations lower than the currently used chemotherapeutic drug lomustine. Furthermore, in T98-G cell line, treatment with onametostat led to dramatic changes in the transcriptome profile by inducing the cell cycle arrest, suppressing RNA splicing, and down-regulating several major glioblastoma cell survival pathways. In this way, we confirmed that inhibition of epigenetic targets might represent a viable strategy for glioblastoma treatment even in the case of decreased chemo- and radiation sensitivity, although further studies in clinically more relevant models are required.

Objective: The study aimed to validate a whole-genome sequencing-based NIPT method and our newly developed NIPTmer analysis software with the potential to integrate the pipeline into prenatal clinical care in Estonia. Method: In total, 447 maternal blood samples were included to the study. Analysis pipeline involved whole-genome library preparation and massively parallel sequencing on Illumina NextSeq 500. Aneuploidy status was determined with NIPTmer software, which is based on counting pre-defined per-chromosome sets of unique k-mers from raw sequencing data. To estimate fetal fraction (FF) from total cell-free DNA SeqFF was implemented. Results: NIPTmer software allowed to identify correctly all samples of non-mosaic T21 (15/15), T18 (9/9) and T13 (4/4) cases. However, one mosaic T18 remained undetected. Six false positive results were observed, including three for T18 (specificity 99.3%) and three for T13 (specificity 99.3%). FF < 4% (2.8-3.99%) was estimated in eight samples, including two samples with T13 and T18. Despite low FF, these two samples were determined as aneuploid with NIPTmer software. Conclusion: Our NIPT analysis pipeline proved to perform efficiently in detecting common fetal aneuploidies T21, T18 and T13 and is feasible for implementation into clinical service in Estonia.

Targeted next-generation sequencing based biomarker detection methods have become essential for biomedical diagnostics. In addition to their sensitivity and high-throughput capacity, absolute molecule counting based on unique molecular identifier (UMI) has high potential to increase biomarker detection accuracy even further through the reduction of systematic technical biases. Here, we present TAC-seq, a simple and cost-effective targeted allele counting by sequencing method that uses UMIs to estimate the original molecule counts of different biomarker types like mRNAs, microRNAs and cell-free DNA. We applied TAC-seq in three different applications and compared the results with standard sequencing technologies. RNA samples extracted from human endometrial biopsies were analyzed using previously described 57 mRNA-based receptivity biomarkers and 49 selected microRNAs at different expression levels. Cell-free DNA aneuploidy testing was based on cell line (47,XX,+21) genomic DNA. TAC-seq mRNA biomarker profiling showed identical clustering results to full transcriptome RNA sequencing, and microRNA detection demonstrated significant reduction in amplification bias, allowing to determine minor expression changes between different samples that remained undetermined by standard sequencing. The mimicking experiment for cell-free DNA fetal aneuploidy analysis showed that TAC-seq can be applied to count highly fragmented DNA, detecting significant (p=4.8×10-11) excess of molecules in case of trisomy 21. Based on three proof-of-principle applications we show that TAC-seq is a highly accurate and universal method for targeted nucleic acid biomarker profiling.

Abstract The normal menstrual cycle requires a delicate interplay between the hypothalamus, pituitary, and ovary. Therefore, its length is an important indicator of female reproductive health. Menstrual cycle length has been shown to be partially controlled by genetic factors, especially in the follicle stimulating hormone beta-subunit ( FSHB ) locus. GWAS meta-analysis of menstrual cycle length in 44,871 women of European ancestry confirmed the previously observed association with the FSHB locus and identified four additional novel signals in, or near, the GNRH1, PGR, NR5A2 and INS-IGF2 genes. These findings confirm the role of the hypothalamic-pituitary-gonadal axis in the genetic regulation of menstrual cycle length, but also highlight potential novel local regulatory mechanisms, such as those mediated by IGF2 .

Non-invasive prenatal testing (NIPT) enables accurate detection of fetal chromosomal trisomies. The majority of existing computational methods for sequencing-based NIPT analyses rely on low-coverage whole-genome sequencing (WGS) data and are not applicable for targeted high-coverage sequencing data from cell-free DNA samples. Here, we present a novel computational framework for a targeted high-coverage sequencing-based NIPT analysis. The developed methods use a hidden Markov model (HMM)-based approach in conjunction with supplemental machine learning methods, such as decision tree (DT) and support vector machine (SVM), to detect fetal trisomy and parental origin of additional fetal chromosomes. These methods were tested with simulated datasets covering a wide range of biologically relevant scenarios with various chromosomal quantities, parental origins of extra chromosomes, fetal DNA fractions and sequencing read depths. Consequently, we determined the functional feasibility and limitations of each proposed approach and demonstrated that read count-based HMM achieved the best overall classification accuracy of 0.89 for detecting fetal euploidies and trisomies. Furthermore, we show that by using the DT and SVM methods on the HMM state classification results, it was possible to increase the final trisomy classification accuracy to 0.98 and 0.99, respectively. We demonstrated that read count and allelic ratio-based models can achieve a high accuracy (up to 0.98) for detecting fetal trisomy even if the fetal fraction is as low as 2%. Currently existing methods require at least 4% fetal fraction, which can be an issue in the case of early gestational age (<10 weeks) or elevated maternal body mass index (>35 kg/m2). More accurate detection can be achieved at higher sequencing depth using HMM in conjunction with supplemental methods, which significantly improve the trisomy detection especially in borderline scenarios (e.g., very low fetal fraction) and can enable to perform NIPT even earlier than 10 weeks of pregnancy.

STUDY QUESTION: Does cellular composition of the endometrial biopsy affect the gene expression profile of endometrial whole-tissue samples? SUMMARY ANSWER: The differences in epithelial and stromal cell proportions in endometrial biopsies modify whole-tissue gene expression profiles, and also affect the results of differential expression analysis. WHAT IS ALREADY KNOWN: Each cell type has its unique gene expression profile. The proportions of epithelial and stromal cells vary in endometrial tissue during the menstrual cycle, along with individual and technical variation due to the way and tools used to obtain the tissue biopsy. STUDY DESIGN, SIZE, DURATION: Using cell-population specific transcriptome data and computational deconvolution approach, we estimated the epithelial and stromal cell proportions in whole-tissue biopsies taken during early secretory and mid-secretory phases. The estimated cellular proportions were used as covariates in whole-tissue differential gene expression analysis. Endometrial transcriptomes before and after deconvolution were compared and analysed in biological context. PARTICIPANTS/MATERIAL, SETTING, METHODS: Paired early and mid-secretory endometrial biopsies were obtained from thirty-five healthy, regularly cycling, fertile volunteers, aged 23 to 36 years, and analysed by RNA sequencing. Differential gene expression analysis was performed using two approaches. In one of them, computational deconvolution was applied as an intermediate step to adjust for epithelial and stromal cells' proportions in endometrial biopsy. The results were then compared to conventional differential expression analysis. MAIN RESULTS AND THE ROLE OF CHANCE: The estimated average proportions of stromal and epithelial cells in early secretory phase were 65% and 35%, and during mid-secretory phase 46% and 54%, respectively, that correlated well with the results of histological evaluation (r=0.88, p=1.1 × 10-6). Endometrial tissue transcriptomic analysis showed that approximately 26% of transcripts (n=946) differentially expressed in receptive endometrium in cell-type unadjusted analysis also remain differentially expressed after adjustment for biopsy cellular composition. However, the other 74% (n=2,645) become statistically non-significant after adjustment for biopsy cellular composition, underlining the impact of tissue heterogeneity on differential expression analysis. The results suggest new mechanisms involved in endometrial maturation involving genes like LINC01320, SLC8A1 and GGTA1P, described for the first time in context of endometrial receptivity. LIMITATIONS, REASONS FOR CAUTION: Only dominant endometrial cell types were considered in gene expression profile deconvolution; however, other less frequent endometrial cell types also contribute to the whole-tissue gene expression profile. WIDER IMPLICATIONS OF THE FINDINGS: The better understanding of molecular processes during transition from pre-receptive to receptive endometrium serves to improve the effectiveness and personalization of assisted reproduction protocols. Biopsy cellular composition should be taken into account in future endometrial 'omics' studies, where tissue heterogeneity could potentially influence the results.