Understanding why some people establish and maintain effective control of HIV-1 and others do not is a priority in the effort to develop new treatments for HIV/AIDS. Using a whole-genome association strategy, we identified polymorphisms that explain nearly 15% of the variation among individuals in viral load during the asymptomatic set-point period of infection. One of these is found within an endogenous retroviral element and is associated with major histocompatibility allele human leukocyte antigen ( HLA )– B*5701 , whereas a second is located near the HLA-C gene. An additional analysis of the time to HIV disease progression implicated two genes, one of which encodes an RNA polymerase I subunit. These findings emphasize the importance of studying human genetic variation as a guide to combating infectious agents.

Cancer chromatin accessibility landscape The Cancer Genome Atlas (TCGA) provides a high-quality resource of molecular data on a large variety of human cancers. Corces et al. used a recently modified assay to profile chromatin accessibility to determine the accessible chromatin landscape in 410 TCGA samples from 23 cancer types (see the Perspective by Taipale). When the data were integrated with other omics data available for the same tumor samples, inherited risk loci for cancer predisposition were revealed, transcription factors and enhancers driving molecular subtypes of cancer with patient survival differences were identified, and noncoding mutations associated with clinical prognosis were discovered. Science , this issue p. eaav1898 ; see also p. 401

To extend the understanding of host genetic determinants of HIV-1 control, we performed a genome-wide association study in a cohort of 2,554 infected Caucasian subjects. The study was powered to detect common genetic variants explaining down to 1.3% of the variability in viral load at set point. We provide overwhelming confirmation of three associations previously reported in a genome-wide study and show further independent effects of both common and rare variants in the Major Histocompatibility Complex region (MHC). We also examined the polymorphisms reported in previous candidate gene studies and fail to support a role for any variant outside of the MHC or the chemokine receptor cluster on chromosome 3. In addition, we evaluated functional variants, copy-number polymorphisms, epistatic interactions, and biological pathways. This study thus represents a comprehensive assessment of common human genetic variation in HIV-1 control in Caucasians.

Deletions at 16p13.11 are associated with schizophrenia, mental retardation, and most recently idiopathic generalized epilepsy. To evaluate the role of 16p13.11 deletions, as well as other structural variation, in epilepsy disorders, we used genome-wide screens to identify copy number variation in 3812 patients with a diverse spectrum of epilepsy syndromes and in 1299 neurologically-normal controls. Large deletions (> 100 kb) at 16p13.11 were observed in 23 patients, whereas no control had a deletion greater than 16 kb. Patients, even those with identically sized 16p13.11 deletions, presented with highly variable epilepsy phenotypes. For a subset of patients with a 16p13.11 deletion, we show a consistent reduction of expression for included genes, suggesting that haploinsufficiency might contribute to pathogenicity. We also investigated another possible mechanism of pathogenicity by using hybridization-based capture and next-generation sequencing of the homologous chromosome for ten 16p13.11-deletion patients to look for unmasked recessive mutations. Follow-up genotyping of suggestive polymorphisms failed to identify any convincing recessive-acting mutations in the homologous interval corresponding to the deletion. The observation that two of the 16p13.11 deletions were larger than 2 Mb in size led us to screen for other large deletions. We found 12 additional genomic regions harboring deletions > 2 Mb in epilepsy patients, and none in controls. Additional evaluation is needed to characterize the role of these exceedingly large, non-locus-specific deletions in epilepsy. Collectively, these data implicate 16p13.11 and possibly other large deletions as risk factors for a wide range of epilepsy disorders, and they appear to point toward haploinsufficiency as a contributor to the pathogenicity of deletions. Deletions at 16p13.11 are associated with schizophrenia, mental retardation, and most recently idiopathic generalized epilepsy. To evaluate the role of 16p13.11 deletions, as well as other structural variation, in epilepsy disorders, we used genome-wide screens to identify copy number variation in 3812 patients with a diverse spectrum of epilepsy syndromes and in 1299 neurologically-normal controls. Large deletions (> 100 kb) at 16p13.11 were observed in 23 patients, whereas no control had a deletion greater than 16 kb. Patients, even those with identically sized 16p13.11 deletions, presented with highly variable epilepsy phenotypes. For a subset of patients with a 16p13.11 deletion, we show a consistent reduction of expression for included genes, suggesting that haploinsufficiency might contribute to pathogenicity. We also investigated another possible mechanism of pathogenicity by using hybridization-based capture and next-generation sequencing of the homologous chromosome for ten 16p13.11-deletion patients to look for unmasked recessive mutations. Follow-up genotyping of suggestive polymorphisms failed to identify any convincing recessive-acting mutations in the homologous interval corresponding to the deletion. The observation that two of the 16p13.11 deletions were larger than 2 Mb in size led us to screen for other large deletions. We found 12 additional genomic regions harboring deletions > 2 Mb in epilepsy patients, and none in controls. Additional evaluation is needed to characterize the role of these exceedingly large, non-locus-specific deletions in epilepsy. Collectively, these data implicate 16p13.11 and possibly other large deletions as risk factors for a wide range of epilepsy disorders, and they appear to point toward haploinsufficiency as a contributor to the pathogenicity of deletions.

Renin cells are essential for survival. They control the morphogenesis of the kidney arterioles, and the composition and volume of our extracellular fluid, arterial blood pressure, tissue perfusion, and oxygen delivery. It is known that renin cells and associated arteriolar cells descend from FoxD1 + progenitor cells, yet renin cells remain challenging to study due in no small part to their rarity within the kidney. As such, the molecular mechanisms underlying the differentiation and maintenance of these cells remain insufficiently understood.We sought to comprehensively evaluate the chromatin states and transcription factors (TFs) that drive the differentiation of FoxD1 + progenitor cells into those that compose the kidney vasculature with a focus on renin cells.We isolated single nuclei of FoxD1 + progenitor cells and their descendants from FoxD1cre/+ ; R26R-mTmG mice at embryonic day 12 (E12) (n cells =1234), embryonic day 18 (E18) (n cells =3696), postnatal day 5 (P5) (n cells =1986), and postnatal day 30 (P30) (n cells =1196). Using integrated scRNA-seq and scATAC-seq we established the developmental trajectory that leads to the mosaic of cells that compose the kidney arterioles, and specifically identified the factors that determine the elusive, myo-endocrine adult renin-secreting juxtaglomerular (JG) cell. We confirm the role of Nfix in JG cell development and renin expression, and identified the myocyte enhancer factor-2 (MEF2) family of TFs as putative drivers of JG cell differentiation.We provide the first developmental trajectory of renin cell differentiation as they become JG cells in a single-cell atlas of kidney vascular open chromatin and highlighted novel factors important for their stage-specific differentiation. This improved understanding of the regulatory landscape of renin expressing JG cells is necessary to better learn the control and function of this rare cell population as overactivation or aberrant activity of the RAS is a key factor in cardiovascular and kidney pathologies.

Data from the single-cell assay for transposase-accessible chromatin using sequencing (scATAC-seq) are now widely available. One major computational challenge is dealing with high dimensionality and inherent sparsity, which is typically addressed by producing lower dimensional representations of single cells for downstream clustering tasks. Current approaches produce such individual cell embeddings directly through a one-step learning process. Here, we propose an alternative approach by building embedding models pre-trained on reference data. We argue that this provides a more flexible analysis workflow that also has computational performance advantages through transfer learning. We implemented our approach in scEmbed, an unsupervised machine-learning framework that learns low-dimensional embeddings of genomic regulatory regions to represent and analyze scATAC-seq data. scEmbed performs well in terms of clustering ability and has the key advantage of learning patterns of region co-occurrence that can be transferred to other, unseen datasets. Moreover, models pre-trained on reference data can be exploited to build fast and accurate cell-type annotation systems without the need for other data modalities. scEmbed is implemented in Python and it is available to download from GitHub. We also make our pre-trained models available on huggingface for public use. scEmbed is open source and available at https://github.com/databio/geniml. Pre-trained models from this work can be obtained on huggingface: https://huggingface.co/databio.

ABSTRACT Delineating gene regulatory networks that orchestrate cell-type specification is an ongoing challenge for developmental biology studies. Single-cell analyses offer opportunities to address these challenges and accelerate discovery of rare cell lineage relationships and mechanisms underlying hierarchical lineage decisions. Here, we describe the molecular analysis of pancreatic endocrine cell differentiation using single-cell gene expression, chromatin accessibility assays coupled to genetic labeling and cell sorting. We uncover transcription factor networks that delineate β -, α - and δ -cell lineages. Through genomic footprint analysis we identify transcription factor-regulatory DNA interactions governing pancreatic cell development at unprecedented resolution. Our analysis suggests that the transcription factor Neurog3 may act as a pioneer transcription factor to specify the pancreatic endocrine lineage. These findings could improve protocols to generate replacement endocrine cells from renewable sources, like stem cells, for diabetes therapy.

Motivation Genomic region sets summarize functional genomics data and define locations of interest in the genome such as regulatory regions or transcription factor binding sites. The number of publicly available region sets has increased dramatically, leading to challenges in data analysis. Results We propose a new method to represent genomic region sets as vectors, or embeddings, using an adapted word2vec approach. We compared our approach to two simpler methods based on interval unions or term frequency-inverse document frequency and evaluated the methods in three ways: First, by classifying the cell line, antibody, or tissue type of the region set; second, by assessing whether similarity among embeddings can reflect simulated random perturbations of genomic regions; and third, by testing robustness of the proposed representations to different signal thresholds for calling peaks. Our word2vec-based region set embeddings reduce dimensionality from more than a hundred thousand to 100 without significant loss in classification performance. The vector representation could identify cell line, antibody, and tissue type with over 90% accuracy. We also found that the vectors could quantitatively summarize simulated random perturbations to region sets and are more robust to subsampling the data derived from different peak calling thresholds. Our evaluations demonstrate that the vectors retain useful biological information in relatively lower-dimensional spaces. We propose that vector representation of region sets is a promising approach for efficient analysis of genomic region data. Availability https://github.com/databio/regionset-embedding

ABSTRACT Renin is crucial for blood pressure regulation and electrolyte balance, and its expressing cells arise from Foxd1+ stromal progenitors. However, the factors guiding these progenitors toward the renin-secreting cell fate are not fully understood. Tcf21, a basic helix-loop-helix (bHLH) transcription factor, is essential in kidney development. Utilizing Foxd1 Cre/+ ;Tcf21 f/f and Ren1 dCre/+ ;Tcf21 f/f mouse models, we investigated the role of Tcf21 in the differentiation of Foxd1+ progenitor cells into juxtaglomerular (JG) cells. Immunostaining and in-situ hybridization demonstrated significantly fewer renin-positive areas and altered renal arterial morphology in Foxd1 Cre/+ ;Tcf21 f/f kidneys compared with controls, indicating Tcf21’s necessity for renin cell emergence. However, Tcf21 inactivation in renin-expressing cells ( Ren1 dCre/+ ;Tcf21 f/f ) did not recapitulate this phenotype, suggesting Tcf21 is dispensable once renin cell identity is established. Integrated analysis of single-cell RNA sequencing (scRNA-seq) and single-cell assay for transposase-accessible chromatin sequencing (scATAC-seq) on GFP+ cells (stromal lineage) from E12, E18, P5, and P30 Foxd1 Cre/+ ;Rosa26 mTmG control kidneys revealed that Tcf21 expression peaks at embryonic day 12, crucial for early JG cell specification. Subsequent analyses confirmed Tcf21’s critical role in early kidney development, with expression declining as development progresses. Our results highlight the temporal and spatial dynamics of Tcf21, showing its importance in the early specification of Foxd1+ cells into JG cells. These findings provide new insights into the molecular mechanisms governing JG cell differentiation and underscore Tcf21’s pivotal role in kidney development. The data suggest that Tcf21 expression in Foxd1+ progenitors is essential for the specification of renin-expressing JG cells, but once renin cell identity is assumed, Tcf21 becomes redundant. NEW & NOTEWORTHY This manuscript provides novel insights into the role of Tcf21 in the differentiation of Foxd1+ cells into JG cells. Utilizing integrated scRNA-seq and scATAC-seq, the study reveals that Tcf21 expression is crucial during early embryonic stages, with its peak at embryonic day 12. The findings demonstrate that inactivation of Tcf21 leads to fewer renin-positive areas and altered renal arterial morphology, underscoring the importance of Tcf21 in the specification of renin-expressing JG cells and kidney development.

Abstract In the past decade, defective DNA repair has been increasingly linked with cancer progression. Human tumors with markers of defective DNA repair and increased replication stress have been shown to exhibit genomic instability and poor survival rates across tumor types. Here we utilize-omics data from two independent consortia to identify the genetic underpinnings of replication stress, therapy resistance, and primary carcinoma to brain metastasis in BRCA wildtype tumors. In doing so, we have defined a new pan-cancer class of tumors characterized by replicative instability (RIN). RIN is defined by genomic evolution secondary to replicative challenge. Our data supports a model whereby defective single-strand break repair, translesion synthesis, and non-homologous end joining effectors drive RIN. Collectively, we find that RIN accelerates cancer progression by driving copy number alterations and transcriptional program rewiring that promote tumor evolution. Statement of Significance Defining the genetic basis of genomic instability with wildtype BRCA repair effectors is a significant unmet need in cancer research. Here we identify and characterize a pan-cancer cohort of tumors driven by replicative instability (RIN). We find that RIN drives therapy resistance and distant metastases across multiple tumor types.