The laboratory mouse shares the majority of its protein-coding genes with humans, making it the premier model organism in biomedical research, yet the two mammals differ in significant ways. To gain greater insights into both shared and species-specific transcriptional and cellular regulatory programs in the mouse, the Mouse ENCODE Consortium has mapped transcription, DNase I hypersensitivity, transcription factor binding, chromatin modifications and replication domains throughout the mouse genome in diverse cell and tissue types. By comparing with the human genome, we not only confirm substantial conservation in the newly annotated potential functional sequences, but also find a large degree of divergence of sequences involved in transcriptional regulation, chromatin state and higher order chromatin organization. Our results illuminate the wide range of evolutionary forces acting on genes and their regulatory regions, and provide a general resource for research into mammalian biology and mechanisms of human diseases.

Abstract Mouse models of human diseases are invaluable tools for studying pathogenic mechanisms and testing interventions and therapeutics. For disorders such as Alzheimer’s disease in which numerous models are being generated, a challenging first step is to identify the most appropriate model and age to effectively evaluate new therapeutic approaches. Here we conducted a detailed phenotypic characterization of the 5xFAD model on a congenic C57BL/6 J strain background, across its lifespan – including a seldomly analyzed 18-month old time point to provide temporally correlated phenotyping of this model and a template for characterization of new models of LOAD as they are generated. This comprehensive analysis included quantification of plaque burden, Aβ biochemical levels, and neuropathology, neurophysiological measurements and behavioral and cognitive assessments, and evaluation of microglia, astrocytes, and neurons. Analysis of transcriptional changes was conducted using bulk-tissue generated RNA-seq data from microdissected cortices and hippocampi as a function of aging, which can be explored at the MODEL-AD Explorer and AD Knowledge Portal. This deep-phenotyping pipeline identified novel aspects of age-related pathology in the 5xFAD model.

Researchers are often faced with analyzing data sets that are not complete. To properly analyze such data sets requires the knowledge of the missing data mechanism. If data are missing completely at random (MCAR), then many missing data analysis techniques lead to valid inference. Thus, tests of MCAR are desirable. The package MissMech implements two tests developed by Jamshidian and Jalal (2010) for this purpose. These tests can be run using a function called TestMCARNormality. One of the tests is valid if data are normally distributed, and another test does not require any distributional assumptions for the data. In addition to testing MCAR, in some special cases, the function TestMCARNormality is also able to test whether data have a multivariate normal distribution. As a bonus, the functions in MissMech can also be used for the following additional tasks: (i) test of homoscedasticity for several groups when data are completely observed, (ii) perform the k-sample test of Anderson-Darling to determine whether k groups of univariate data come from the same distribution, (iii) impute incomplete data sets using two methods, one where normality is assumed and one where no specific distributional assumptions are made, (iv) obtain normal-theory maximum likelihood estimates for mean and covariance matrix when data are incomplete, along with their standard errors, and finally (v) perform the Neyman’s test of uniformity. All of these features are explained in the paper, including examples.

Summary Gene regulatory networks (GRNs) provide a powerful framework for studying cellular differentiation. However, it is less clear how GRNs encode cellular responses to everyday microenvironmental cues. Macrophages can be polarized and potentially repolarized based on environmental signaling. In order to identify the GRNs that drive macrophage polarization and the heterogeneous single-cell subpopulations that are present in the process, we used a high-resolution time course of bulk and single-cell RNA-seq and ATAC-seq assays of HL-60-derived macrophages polarized towards M1 or M2 over 24 hours. We identified transient M1 and M2 markers, including the main transcription factors that underlie polarization, and subpopulations of naive, transitional, and terminally polarized macrophages. We built bulk and single-cell polarization GRNs to compare the recovered interactions and found that each technology recovered only a subset of known interactions. Our data provide a resource to study the GRN of cellular maturation in response to microenvironmental stimuli in a variety of contexts in homeostasis and disease.

Abstract Mouse models of human diseases are invaluable tools for studying pathogenic mechanisms and testing interventions and therapeutics. For disorders such as Alzheimer’s disease in which numerous models are being generated, a challenging first step is to identify the most appropriate model and age to effectively evaluate new therapeutic approaches. Here we conducted a detailed phenotypic characterization of the 5xFAD model on a congenic C57BL/6J strain background, across its lifespan – including a seldomly analyzed 18-month old time point to provide temporally correlated phenotyping of this model and a template for characterization of new models of LOAD as they are generated. This comprehensive analysis included quantification of plaque burden, Aβ biochemical levels, and neuropathology, neurophysiological measurements and behavioral and cognitive assessments, and evaluation of microglia, astrocytes, and neurons. Analysis of transcriptional changes was conducted using bulk-tissue generated RNA-seq data from microdissected cortices and hippocampi as a function of aging, which can be explored at the UCI Mouse Explorer and AD Knowledge Portal. This deep-phenotyping pipeline identified novel aspects of age-related pathology in the 5xFAD model.

Genome-wide occupancy maps of transcriptional regulators are important for understanding gene regulation and its effects on diverse biological processes, but only a small fraction of the >1,600 transcription factors (TFs) encoded in the human genome has been assayed. Here we present data and analyses of ChIP-seq experiments for 208 DNA-associated proteins (DAPs) in the HepG2 hepatocellular carcinoma line, spanning nearly a quarter of its expressed TFs, transcriptional co-factors, and chromatin regulator proteins. The DAP binding profiles classify into major groups associated predominantly with promoters or enhancers, or with both. We confirm and expand the current catalog of DNA sequence motifs; 77 factors showed similar motifs to those previously described using in vivo and/or in vitro methods, and 17 yielded novel motifs. We also describe motifs corresponding to other TFs that co-enrich with the primary ChIP target. FOX family motifs are, for example, significantly enriched in ChIP-seq peaks of 37 other DAPs. We show that promoters and enhancers can be discriminated based on motif content and occupancy patterns. This large catalog reveals High Occupancy Target (HOT) regions at which many DAPs associate, although each contains motifs for only a minority of the numerous associated DAPs. These analyses provide a deeper and more complete overview of the gene regulatory networks that define this cell type.

Knowledge of locations and activities of cis-regulatory elements (CREs) is needed to decipher basic mechanisms of gene regulation and to understand the impact of genetic variants on complex traits. Previous studies identified candidate CREs (cCREs) using epigenetic features in one species, making comparisons difficult across species. In contrast, we conducted a cross-species study defining epigenetic states and identifying cCREs in blood cell types to generate regulatory maps that are comparable across species. This study used integrative modeling of eight epigenetic features jointly in human and mouse in our Validated Systematic Integration (VISION) Project. The contribution of each epigenetic state in cCREs to gene regulation was estimated from a multivariate regression against gene expression across cell types. We used these values to estimate epigenetic state Regulatory Potential (esRP) scores for each cCRE in each cell type, which are useful for visualizing and categorizing dynamic changes in cCREs. Groups of cCREs displaying similar patterns of regulatory activity in human and mouse cell types, obtained by joint clustering on esRP scores, harbored distinctive transcription factor binding motifs that were similar across species. Genetic variants associated with blood cell phenotypes were highly and specifically enriched in the catalog of human VISION cCREs, supporting its utility for understanding impacts of noncoding genetic variants on blood cell-related traits. A cross-species comparison of cCREs, based on the joint modeling, revealed both conserved and lineage-specific patterns of epigenetic evolution, even in the absence of genomic sequence alignment. We provide these resources through tools and browsers at http://usevision.org.

Knowledge of locations and activities of cis -regulatory elements (CREs) is needed to decipher basic mechanisms of gene regulation and to understand the impact of genetic variants on complex traits. Previous studies identified candidate CREs (cCREs) using epigenetic features in one species, making comparisons difficult between species. In contrast, we conducted an interspecies study defining epigenetic states and identifying cCREs in blood cell types to generate regulatory maps that are comparable between species, using integrative modeling of eight epigenetic features jointly in human and mouse in our Validated Systematic Integration (VISION) Project. The resulting catalogs of cCREs are useful resources for further studies of gene regulation in blood cells, indicated by high overlap with known functional elements and strong enrichment for human genetic variants associated with blood cell phenotypes. The contribution of each epigenetic state in cCREs to gene regulation, inferred from a multivariate regression, was used to estimate epigenetic state Regulatory Potential (esRP) scores for each cCRE in each cell type, which were used to categorize dynamic changes in cCREs. Groups of cCREs displaying similar patterns of regulatory activity in human and mouse cell types, obtained by joint clustering on esRP scores, harbored distinctive transcription factor binding motifs that were similar between species. An interspecies comparison of cCREs revealed both conserved and species-specific patterns of epigenetic evolution. Finally, we showed that comparisons of the epigenetic landscape between species can reveal elements with similar roles in regulation, even in the absence of genomic sequence alignment.

Summary Mesendodermal specification is one of the earliest events in embryogenesis, where cells first acquire distinct identities. Cell differentiation is a highly regulated process that involves the function of numerous transcription factors (TFs) and signaling molecules, which can be described with gene regulatory networks (GRNs). Cell differentiation GRNs are difficult to build because existing mechanistic methods are low-throughput, and high-throughput methods tend to be non-mechanistic. Additionally, integrating highly dimensional data comprised of more than two data types is challenging. Here, we use linked self-organizing maps to combine ChIP-seq/ATAC-seq with temporal, spatial and perturbation RNA-seq data from Xenopus tropicalis mesendoderm development to build a high resolution genome scale mechanistic GRN. We recovered both known and previously unsuspected TF-DNA/TF-TF interactions and validated through reporter assays. Our analysis provides new insights into transcriptional regulation of early cell fate decisions and provides a general approach to building GRNs using highly-dimensional multi-omic data sets. Highlights Built a generally applicable pipeline to creating GRNs using highly-dimensional multi-omic data sets Predicted new TF-DNA/TF-TF interactions during mesendoderm development Generate the first genome scale GRN for vertebrate mesendoderm and expanded the core mesendodermal developmental network with high fidelity Developed a resource to visualize hundreds of RNA-seq and ChIP-seq data using 2D SOM metaclusters.

Rapid advances in single-cell assays have outpaced methods for analysis of those data types. Different single-cell assay show extensive variation in sensitivity and signal to noise levels. In particular, single-cell ATAC-seq generates extremely sparse and noisy datasets. Existing methods developed to analyze this data require cells amenable to pseudo-time analysis or require a dataset with drastically different cell-types. We describe a novel approach using self-organizing maps (SOM) to link scATAC-seq and scRNA-seq data that overcomes these and can be generate draft regulatory networks. Our SOMatic software package generates chromatin and gene expression SOMs separately and combines them using a linking function. We applied SOMatic on a mouse pre-B cell differentiation time-course using controlled Ikaros over-expression to recover temporal gene ontology enrichments, identify motifs in genomic regions showing similar single-cell profiles, and generate a gene regulatory network that both recovers known interactions and predicts new Ikaros targets during the differentiation process. The ability of linked SOMs to detect emergent properties from multiple types of highly-dimensional genomic data with very different signal properties opens new avenues for integrative analysis of single-cells.