The aorta is the largest blood vessel in the body, and enlargement or aneurysm of the aorta can predispose to dissection, an important cause of sudden death. While rare syndromes have been identified that predispose to aortic aneurysm, the common genetic basis for the size of the aorta remains largely unknown. By leveraging a deep learning architecture that was originally developed to recognize natural images, we trained a model to evaluate the dimensions of the ascending and descending thoracic aorta in cardiac magnetic resonance imaging. After manual annotation of just 116 samples, we applied this model to 3,840,140 images from the UK Biobank. We then conducted a genome-wide association study in 33,420 individuals, revealing 68 loci associated with ascending and 35 with descending thoracic aortic diameter, of which 10 loci overlapped. Integration of common variation with transcriptome-wide analyses, rare-variant burden tests, and single nucleus RNA sequencing prioritized SVIL , a gene highly expressed in vascular smooth muscle, that was significantly associated with the diameter of the ascending and descending aorta. A polygenic score for ascending aortic diameter was associated with a diagnosis of thoracic aortic aneurysm in the remaining 391,251 UK Biobank participants who did not undergo imaging (HR = 1.44 per standard deviation; P = 3.7·10 −12 ). Defining the genetic basis of the diameter of the aorta may enable the identification of asymptomatic individuals at risk for aneurysm or dissection and facilitate the prioritization of potential therapeutic targets for the prevention or treatment of aortic aneurysm. Finally, our results illustrate the potential for rapidly defining novel quantitative traits derived from a deep learning model, an approach that can be more broadly applied to biomedical imaging data.

Summary Regulation of transcript structure generates transcript diversity and plays an important role in human disease. The advent of long-read sequencing technologies offers the opportunity to study the role of genetic variation in transcript structure. In this paper, we present a large human long-read RNA-seq dataset using the Oxford Nanopore Technologies platform from 88 samples from GTEx tissues and cell lines, complementing the GTEx resource. We identified just under 100,000 new transcripts for annotated genes, and validated the protein expression of a similar proportion of novel and annotated transcripts. We developed a new computational package, LORALS, to analyze genetic effects of rare and common variants on the transcriptome via allele-specific analysis of long reads. We called allele-specific expression and transcript structure events, providing novel insights into the specific transcript alterations caused by common and rare genetic variants and highlighting the resolution gained from long-read data. We were able to perturb transcript structure upon knockdown of PTBP1, an RNA binding protein that mediates splicing, thereby finding genetic regulatory effects that are modified by the cellular environment. Finally, we use this dataset to enhance variant interpretation and study rare variants leading to aberrant splicing patterns.

We have previously shown that the Myh6 promoter drives Cre expression in a subset of male germ line cells in three independent Myh6-Cre mouse lines, including two transgenic lines and one knock-in allele. In this study, we further compared the tissue-specificity of the two Myh6-Cre transgenic mouse lines, MDS Myh6-Cre and AUTR Myh6-Cre, through examining the expression of tdTomato (tdTom) red fluorescence protein in multiple internal organs, including the heart, brain, liver, lung, pancreas and brown adipose tissue. Our results show that MDS Myh6-Cre mainly activates tdTom reporter in the heart, whereas AUTR Myh6-Cre activates tdTom expression significantly in the heart, and in the cells of liver, pancreas and brain. In the heart, similar to MDS Myh6-Cre, AUTR Myh6-Cre activates tdTom in most cardiomyocytes. In the other organs, AUTR Myh6-Cre not only mosaically activates tdTom in some parenchymal cells, such as hepatocytes in the liver and neurons in the brain, but also turns on tdTom in some interstitial cells of unknown identity.

Most disease-associated variants identified by population based genetic studies are non-coding, which compromises finding causative genes and mechanisms. Presumably they interact through looping with nearby genes to modulate transcription. Hi-C provides the most complete and unbiased method for genome-wide identification of potential regulatory interactions, but finding chromatin loops in Hi-C data remains difficult and tissue specific data are limited. We have generated Hi-C data from primary cardiac tissue and developed a method, peakHiC, for sensitive and quantitative loop calling to uncover the human heart regulatory interactome. We identify complex CTCF-dependent and -independent contact networks, with loops between coding and non-coding gene promoters, shared enhancers and repressive sites. Across the genome, enhancer interaction strength correlates with gene transcriptional output and loop dynamics follows CTCF, cohesin and H3K27Ac occupancy levels. Finally, we demonstrate that intersection of the human heart regulatory interactome with cardiovascular disease variants facilitates prioritizing disease-causative genes.

Introduction: The human heart requires a complex ensemble of specialized cell types to perform its essential function. A greater knowledge of the intricate cellular milieu of the heart is critical to increase our understanding of cardiac homeostasis and pathology. As recent advances in low input RNA-sequencing have allowed definitions of cellular transcriptomes at single cell resolution at scale, here we have applied these approaches to assess the cellular and transcriptional diversity of the non-failing human heart. Methods: Microfluidic encapsulation and barcoding was used to perform single nuclear RNA sequencing with samples from seven human donors, selected for their absence of overt cardiac disease. Individual nuclear transcriptomes were then clustered based upon transcriptional profiles of highly variable genes. These clusters were used as the basis for between-chamber and between-sex differential gene expression analyses and intersection with genetic and pharmacologic data. Results: We sequenced the transcriptomes of 287,269 single cardiac nuclei, revealing a total of 9 major cell types and 20 subclusters of cell types within the human heart. Cellular subclasses include two distinct groups of resident macrophages, four endothelial subtypes, and two fibroblasts subsets. Comparisons of cellular transcriptomes by cardiac chamber or sex reveal diversity not only in cardiomyocyte transcriptional programs, but also in subtypes involved in extracellular matrix remodeling and vascularization. Using genetic association data, we identified strong enrichment for the role of cell subtypes in cardiac traits and diseases. Finally, intersection of our dataset with genes on cardiac clinical testing panels and the druggable genome reveals striking patterns of cellular specificity. Conclusions: Using large-scale single nuclei RNA sequencing, we have defined the transcriptional and cellular diversity in the normal human heart. Our identification of discrete cell subtypes and differentially expressed genes within the heart will ultimately facilitate the development of new therapeutics for cardiovascular diseases.

Atrial fibrillation is a prevalent arrhythmia associated with a five-fold increased risk of ischemic stroke, and specifically the cardioembolic stroke subtype. Genome-wide association studies of these traits have yielded overlapping risk loci, but genome-wide investigation of genetic susceptibility shared between stroke and atrial fibrillation is lacking. Comparing the genetic architectures of the two diseases could inform whether cardioembolic strokes are driven by inherited atrial fibrillation susceptibility, and may help elucidate ischemic stroke mechanisms. Here, we analyze genome-wide genotyping data and estimate SNP-based heritability in atrial fibrillation and cardioembolic stroke to be nearly identical (20.0% and 19.5%, respectively). Further, we find that the traits are genetically correlated (r=0.77 for SNPs with p < 4.4 x 10-4 in a previous atrial fibrillation meta-analysis). Clinical studies are warranted to assess whether genetic susceptibility to atrial fibrillation can be leveraged to improve the diagnosis and care of ischemic stroke patients.

The electrocardiographic PR interval reflects atrioventricular conduction, and is associated with conduction abnormalities, pacemaker implantation, atrial fibrillation (AF), and cardiovascular mortality[1][1],[2][2]. We performed multi-ancestry (N=293,051) and European only (N=271,570) genome-wide association (GWAS) meta-analyses for the PR interval, discovering 210 loci of which 149 are novel. Variants at all loci nearly doubled the percentage of heritability explained, from 33.5% to 62.6%. We observed enrichment for genes involved in cardiac muscle development/contraction and the cytoskeleton highlighting key regulation processes for atrioventricular conduction. Additionally, 19 novel loci harbour genes underlying inherited monogenic heart diseases suggesting the role of these genes in cardiovascular pathology in the general population. We showed that polygenic predisposition to PR interval duration is an endophenotype for cardiovascular disease risk, including distal conduction disease, AF, atrioventricular pre-excitation, non-ischemic cardiomyopathy, and coronary heart disease. These findings advance our understanding of the polygenic basis of cardiac conduction, and the genetic relationship between PR interval duration and cardiovascular disease. [1]: #ref-1 [2]: #ref-2

Nonsyndromic Mitral valve prolapse (MVP) is a common degenerative valvular heart disease with severe health consequences, including arrhythmia, heart failure and sudden death. MVP is characterized by excess extracellular matrix secretion and cellular disorganization which leads to bulky valves that are unable to co-apt properly during ventricular systole. However, the triggering mechanisms of this process are mostly unknown. Using pathway enrichment tools applied to GWAS we show that genes at risk loci are involved in biological functions relevant to cell adhesion and migration during cardiac development and in response to shear stress. Through genetic, in silico and in vivo experiments we demonstrates the presence of several genes involved in gene regulation, including GLIS1, a transcription factor that regulates Hedgehog signaling. Our findings define genetic, molecular and cellular mechanisms underlying non-syndromic MVP and implicate disrupted endothelial to mesenchymal transition and cell migration as a potential common cause to this disease.

Abstract The brown bear ( Ursus arctos ) is the second largest and most widespread extant terrestrial carnivore on Earth and has recently emerged as a medical model for human metabolic diseases. Here, we report a fully-phased chromosome-level assembly of a male North American brown bear built by combining Pacific Biosciences (PacBio) HiFi data and publicly available Hi-C data. The final genome size is 2.47 Gigabases (Gb) with a scaffold and contig N50 length of 70.08 and 43.94 Mb, respectively. BUSCO analysis revealed that 94.5% of single-copy orthologs from mammalia were present in the genome (the highest of any ursid genome to date). Repetitive elements accounted for 44.48% of the genome and a total of 20,480 protein coding genes were identified. Based on whole genome alignment, the brown bear is highly syntenic with the polar bear, and our phylogenetic analysis of 7,246 single-copy BUSCOs supports the currently proposed species tree for Ursidae. This highly contiguous genome assembly will support future research on both the evolutionary history of the bear family and the physiological mechanisms behind hibernation, the latter of which has broad medical implications. Significance Brown bears ( Ursus arctos ) are the most widespread, large terrestrial carnivore on the planet and represent an interesting example of speciation through hybridization, as well as a medical model for sedentary lifestyle-related disease. Although a previous genome for a brown bear has been published, the reported contig N50 was low (only ∼530 kb), despite being scaffolded into putative chromosomes. Genomes of this quality limit the accuracy of analyses which rely on long contiguous stretches of the genome to be assembled (such as with many demographic analyses) as well as attempts at connecting genotype to phenotype (such as in association analyses). In order to support studies on both the complex hybridization history of the brown bear and investigations into medically-relevant phenotypes, we generated a fully-phased, chromosome-level assembly from a male grizzly bear. The genome has a total size of 2.47 Gb and 90% of the genome is contained in 36 scaffolds, roughly corresponding to one autosome per scaffold. This high-quality genome will enable studies across a variety of disciplines, including conservation, evolution, and medicine.

ABSTRACT Cardiac allograft vasculopathy (CAV) is the leading cause of late allograft failure and mortality after heart transplantation. As current standards of diagnosis and treatment of CAV have significant limitations, understanding cell-specific responses may prove critical for developing improved detection strategies and novel therapeutics. This study is the first to successfully utilize human endomyocardial biopsy (EMB) samples to isolate large numbers of intact nuclei for single-nuclear transcriptomics. These data also lay the groundwork for ongoing experiments to study serial, routinely-collected EMB specimens after heart transplantation to identify novel biomarkers and pathways through which early CAV pathogenesis can be interrupted, thereby prolonging allograft survival.