Abstract Much is still unknown about the neurobiology of Alzheimer’s disease (AD). To better understand AD, we generated 636 ATAC-seq libraries from cases and controls to construct detailed genomewide chromatin accessibility maps of neurons and non-neurons from two AD-affected brain regions, the entorhinal cortex and superior temporal gyrus. By analyzing a total of 19.6 billion read pairs, we expanded the known repertoire of regulatory sequences in the human brain. Multi-omic data integration associated global patterns of chromatin accessibility with gene expression and identified cell-specific enhancer-promoter interactions. Using inter-individual variation in chromatin accessibility, we define cis -regulatory domains capturing the 3D structure of the genome. Multifaceted analyses uncovered disease associated perturbations impacting chromatin accessibility, transcription factor regulatory networks and the 3D genome, and implicated transcriptional dysregulation in AD. Overall, we applied a systematic approach to understand the role of the 3D genome in AD and to illuminate novel disease biology that can advance diagnosis and therapy.

Abstract Identification of risk variants for neuropsychiatric diseases within enhancers underscores the importance of understanding the population-level variation of enhancers in the human brain. Besides regulating tissue- and cell-type-specific transcription of target genes, enhancers themselves can be transcribed. We expanded the catalog of known human brain transcribed enhancers by an order of magnitude by generating and jointly analyzing large-scale cell-type-specific transcriptome and regulome data. Examination of the transcriptome in 1,382 brain samples in two independent cohorts identified robust expression of transcribed enhancers. We explored gene-enhancer coordination and found that enhancer-linked genes are strongly implicated in neuropsychiatric disease. We identified significant expression quantitative trait loci (eQTL) for 25,958 enhancers which mediate 6.8% of schizophrenia heritability, mostly independent from standard gene eQTL. Inclusion of enhancer eQTL in transcriptome-wide association studies enhanced functional interpretation of disease loci. Overall, our study characterizes the enhancer-gene regulome and genetic mechanisms in the human cortex in both healthy and disease states.

Abstract To explore modular organization of chromosomes in schizophrenia (SCZ) and bipolar disorder (BD), we applied ‘population-scale’ correlational structuring of 739 histone H3-lysine 27 acetylation and H3-lysine 4 trimethylation profiles, generated from the prefrontal cortex (PFC) of 568 cases and controls. Neuronal histone acetylomes and methylomes assembled as thousands of cis-regulatory domains (CRDs), revealing fine-grained, kilo-to megabase scale chromatin organization at higher resolution but firmly integrated into Hi-C chromosomal conformations. Large clusters of domains that were hyperacetylated in disease shared spatial positioning within the nucleus, predominantly regulating PFC projection neuron function and excitatory neurotransmission. Hypoacetylated domains were linked to inhibitory interneuron- and myelination-relevant genes. Chromosomal modular architecture is affected in SCZ and BD, with hyperacetylated domains showing unexpectedly strong convergences defined by cell type, nuclear topography, genetic risk, and active chromatin state across a wide developmental window.

Abstract Brain region- and cell-specific transcriptomic and epigenomic molecular features are associated with heritability for neuropsychiatric traits, but a systematic view, considering cortical and subcortical regions, is lacking. Here, we provide an atlas of chromatin accessibility and gene expression in neuronal and non-neuronal nuclei across 25 distinct human cortical and subcortical brain regions from 6 neurotypical controls. We identified extensive gene expression and chromatin accessibility differences across brain regions, including variation in alternative promoter-isoform usage and enhancer-promoter interactions. Genes with distinct promoter-isoform usage across brain regions are strongly enriched for neuropsychiatric disease risk variants. Using an integrative approach, we characterized the function of the brain region-specific chromatin co-accessibility and gene-coexpression modules that are robustly associated with genetic risk for neuropsychiatric disorders. In addition, we identified a novel set of genes that is enriched for disease risk variants but is independent of cell-type specific gene expression and known susceptibility pathways. Our results provide a valuable resource for studying molecular regulation across multiple regions of the human brain and suggest a unique contribution of epigenetic modifications from subcortical areas to neuropsychiatric disorders.

Abstract While schizophrenia differs between males and females in age of onset, symptomatology and the course of the disease, the molecular mechanisms underlying these differences remain uncharacterized. In order to address questions about the sex-specific effects of schizophrenia, we performed a large-scale transcriptome analysis of RNA-seq data from 437 controls and 341 cases from two distinct cohorts from the CommonMind Consortium. Analysis across the cohorts identifies a reproducible gene expression signature of schizophrenia that is highly concordant with previous work. Differential expression across sex is reproducible across cohorts and identifies X- and Y-linked genes, as well as those involved in dosage compensation. Intriguingly, the sex expression signature is also enriched for genes involved in neurexin family protein binding and synaptic organization. Differential expression analysis testing a sex-by-diagnosis interaction effect did not identify any genome-wide signature after multiple testing corrections. Gene coexpression network analysis was performed to reduce dimensionality and elucidate interactions among genes. We found enrichment of co-expression modules for sex-by-diagnosis differential expression signatures, which were highly reproducible across the two cohorts and involve a number of diverse pathways, including neural nucleus development, neuron projection morphogenesis, and regulation of neural precursor cell proliferation. Overall, our results indicate that the effect size of sex differences in schizophrenia gene expression signatures is small and underscore the challenge of identifying robust sex-by-diagnosis signatures, which will require future analyses in larger cohorts.

Nucleotide variants in cell type-specific gene regulatory elements in the human brain are major risk factors of human disease. We measured chromatin accessibility in sorted neurons and glia from 1,932 samples of human postmortem brain and identified 34,539 open chromatin regions with chromatin accessibility quantitative trait loci (caQTL). Only 10.4% of caQTL are shared between neurons and glia, supporting the cell type specificity of genetic regulation of the brain regulome. Incorporating allele specific chromatin accessibility improves statistical fine-mapping and refines molecular mechanisms underlying disease risk. Using massively parallel reporter assays in induced excitatory neurons, we screened 19,893 brain QTLs, identifying the functional impact of 476 regulatory variants. Combined, this comprehensive resource captures variation in the human brain regulome and provides novel insights into brain disease etiology.

Abstract In coronavirus disease 2019 (COVID-19), caused by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection, the relationship between brain tropism, neuroinflammation and host immune response has not been well characterized. We analyzed 68,557 single-nucleus transcriptomes from three brain regions (dorsolateral prefrontal cortex, medulla oblongata and choroid plexus) and identified an increased proportion of stromal cells and monocytes in the choroid plexus of COVID-19 patients. Differential gene expression, pseudo-temporal trajectory and gene regulatory network analyses revealed microglial transcriptome perturbations, mediating a range of biological processes, including cellular activation, mobility and phagocytosis. Quantification of viral spike S1 protein and SARS-CoV-2 transcripts did not support the notion of brain tropism. Overall, our findings suggest extensive neuroinflammation in patients with acute COVID-19. One Sentence Summary Single-nucleus transcriptome analysis suggests extensive neuroinflammation in human brain tissue of patients with acute coronavirus disease 2019.

Abstract Genotype-phenotype association is found in many biological systems, such as brain-related diseases and behavioral traits. Despite the recent improvement in the prediction of phenotypes from genotypes, they can be further improved and explainability of these predictions remains challenging, primarily due to complex underlying molecular and cellular mechanisms. Emerging multimodal data enables studying such mechanisms at different scales from genotype to phenotypes involving intermediate phenotypes like gene expression. However, due to the black-box nature of many machine learning techniques, it is challenging to integrate these multi-modalities and interpret the biological insights in prediction, especially when some modality is missing. Biological knowledge has recently been incorporated into machine learning modeling to help understand the reasoning behind the choices made by these models. To this end, we developed DeepGAMI, an interpretable deep learning model to improve genotype-phenotype prediction from multimodal data. DeepGAMI uses prior biological knowledge to define the neural network architecture. Notably, it embeds an auxiliary-learning layer for cross-modal imputation while training the model from multimodal data. Using this pre-trained layer, we can impute latent features of additional modalities and thus enable predicting phenotypes from a single modality only. Finally, the model uses integrated gradient to prioritize multimodal features and links for phenotypes. We applied DeepGAMI to multiple emerging multimodal datasets: (1) population-level genotype and bulk-tissue gene expression data for predicting schizophrenia, (2) population-level genotype and gene expression data for predicting clinical phenotypes in Alzheimer’s Disease, (3) gene expression and electrophysiological data of single neuronal cells in the mouse visual cortex, and (4) cell-type gene expression and genotype data for predicting schizophrenia. We found that DeepGAMI outperforms existing state-of-the-art methods and provides a profound understanding of gene regulatory mechanisms from genotype to phenotype, especially at cellular resolution. DeepGAMI is an open-source tool and is available at https://github.com/daifengwanglab/DeepGAMI .

Large-scale transcriptome studies with multiple samples per individual are widely used to study disease biology. Yet current methods for differential expression are inadequate for cross-individual testing for these repeated measures designs. Most problematic, we observe across multiple datasets that current methods can give reproducible false positive findings that are driven by genetic regulation of gene expression, yet are unrelated to the trait of interest. Here we introduce a statistical software package, dream, that increases power, controls the false positive rate, enables multiple types of hypothesis tests, and integrates with standard workflows. In 12 analyses in 6 independent datasets, dream yields biological insight not found with existing software while addressing the issue of reproducible false positive findings. Dream is available within the variancePartition Bioconductor package ( ).

Transcriptome-wide association studies integrate gene expression data with common risk variation to identify gene-trait associations. By incorporating epigenome data to estimate the functional importance of genetic variation on gene expression, we improve the accuracy of transcriptome prediction and the power to detect significant expression-trait associations. Joint analysis of 14 large-scale transcriptome datasets and 58 traits identify 13,724 significant expression-trait associations that converge to biological processes and relevant phenotypes in human and mouse phenotype databases. We perform drug repurposing analysis and identify known and novel compounds that mimic or reverse trait-specific changes. We identify genes that exhibit agonistic pleiotropy for genetically correlated traits that converge on shared biological pathways and elucidate distinct processes in disease etiopathogenesis. Overall, this comprehensive analysis provides insight into the specificity and convergence of gene expression on susceptibility to complex traits.