Abstract Motivation Gene set enrichment analysis (GSEA) is a commonly used algorithm for characterizing gene expression changes. However, the currently available tools used to perform GSEA have a limited ability to analyze large datasets, which is particularly problematic for the analysis of single-cell data. To overcome this limitation, we developed a GSEA package in Python (GSEApy), which could efficiently analyze large single-cell datasets. Results We present a package (GSEApy) that performs GSEA in either the command line or Python environment. GSEApy uses a Rust implementation to enable it to calculate the same enrichment statistic as GSEA for a collection of pathways. The Rust implementation of GSEApy is 3-fold faster than the Numpy version of GSEApy (v0.10.8) and uses >4-fold less memory. GSEApy also provides an interface between Python and Enrichr web services, as well as for BioMart. The Enrichr application programming interface enables GSEApy to perform over-representation analysis for an input gene list. Furthermore, GSEApy consists of several tools, each designed to facilitate a particular type of enrichment analysis. Availability and implementation The new GSEApy with Rust extension is deposited in PyPI: https://pypi.org/project/gseapy/. The GSEApy source code is freely available at https://github.com/zqfang/GSEApy. Also, the documentation website is available at https://gseapy.rtfd.io/. Supplementary information Supplementary data are available at Bioinformatics online.

Abstract Background Genetic factors affecting multiple biomedical traits in mice have been identified when GWAS data that measured responses in panels of inbred mouse strains was analyzed using haplotype-based computational genetic mapping (HBCGM). Although this method was previously used to analyze one dataset at a time; but now, a vast amount of mouse phenotypic data is now publicly available, which could lead to many more genetic discoveries. Results HBCGM and a whole genome SNP map covering 53 inbred strains was used to analyze 8462 publicly available datasets of biomedical responses (1.52M individual datapoints) measured in panels of inbred mouse strains. As proof of concept, causative genetic factors affecting susceptibility for eye, metabolic and infectious diseases were identified when structured automated methods were used to analyze the output. One analysis identified a novel genetic effector mechanism; allelic differences within the mitochondrial targeting sequence affected the subcellular localization of a protein. We also found allelic differences within the mitochondrial targeting sequences of many murine and human proteins, and these could affect a wide range of biomedical phenotypes. Implications These initial results indicate that genetic factors affecting biomedical responses could be identified through analysis of very large datasets, and they provide an early indication of how this type of ‘ augmented intelligence ’ can facilitate genetic discovery.

Abstract The genomes of six inbred strains were analyzed using long read (LR) sequencing. The results revealed that structural variants (SV) were very abundant within the genome of inbred mouse strains (4.8 per gene), which indicates that they could impact genetic traits. Analysis of the relationship between SNP and SV alleles across 53 inbred strains indicated that we have a very limited ability to infer whether SV are present using short read sequence data, even when nearby SNP alleles are known. The benefit of having a more complete map of the pattern of genetic variation was demonstrated by identifying at least three genetic factors that could underlie the unique neuroanatomic and behavioral features of BTBR mice that resemble human Autism Spectrum Disorder (ASD). Similar to the genetic findings in human ASD cohorts, the identified BTBR-unique alleles are very rare, and they cause high impact changes in genes that play a role in neurodevelopment and brain function.

ABSTRACT Bacille Calmette-Guérin (BCG) vaccination can confer non-specific protection against heterologous pathogens. However, the underlying mechanisms remain mysterious. Here, we show that mice immunized intravenously with BCG exhibited reduced weight loss and/or improved viral clearance when challenged with SARS-CoV-2 and influenza. Protection was first evident between 14 - 21 days post vaccination, and lasted for at least 42 days. Remarkably, BCG induced a biphasic innate response in the lung, initially at day 1 and a subsequent prolonged phase starting at ∼15 days post vaccination, and robust antigen-specific Th1 responses. MyD88-dependent TLR signaling was essential for the induction of the innate and Th1 responses, and protection against SARS-CoV-2. Depletion of CD4 + T cells or IFN-γ activity prior to infection obliterated innate activation and protection. Single cell and spatial transcriptomics revealed CD4-dependent expression of interferon-stimulated genes (ISGs) in myeloid, type II alveolar and lung epithelial cells. Thus, BCG elicits “integrated organ immunity” where CD4+ T cells act on local myeloid and epithelial cells to imprint prolonged antiviral innate resistance.

Abstract Population structure (PS) has been shown to cause false positive signals in genome-wide association studies (GWAS). Since PS correction is routinely used in human GWAS, it was assumed that it also should be utilized for murine GWAS using inbred strains. Nevertheless, there are fundamental differences between murine and human GWAS, and the impact of PS on murine GWAS results has not been thoroughly investigated. To assess the impact of PS on murine GWAS, we examined 8223 datasets that characterized biomedical responses in panels of inbred mouse strains. Surprisingly, we found that the PS had a minimal impact on datasets characterizing responses in ≤20 strains; and relatively little impact on the majority of datasets characterizing >20 strains. Moreover, there were examples where association signals within known causative genes could be rejected if PS correction methods were utilized. PS assessment should be carefully used and should be considered in conjunction with other criteria when assessing the candidate genes identified in GWAS using inbred mouse strains.

ABSTRACT Hundreds of inbred laboratory mouse strains and intercross populations have been used to functionalize genetic variants that contribute to disease. Thousands of disease relevant traits have been characterized in mice and made publicly available. New strains and populations including the Collaborative Cross, expanded BXD and inbred wild-derived strains add to set of complex disease mouse models, genetic mapping resources and sensitized backgrounds against which to evaluate engineered mutations. The genome sequences of many inbred strains, along with dense genotypes from others could allow integrated analysis of trait – variant associations across populations, but these analyses are not feasible due to the sparsity of genotypes available. Moreover, the data are not readily interoperable with other resources. To address these limitations, we created a uniformly dense data resource by harmonizing multiple variant datasets. Missing genotypes were imputed using the Viterbi algorithm with a data-driven technique that incorporates local phylogenetic information, an approach that is extensible to other model organism species. The result is a web– and programmatically-accessible data service called GenomeMUSter ( https://muster.jax.org ), comprising allelic data covering 657 strains at 106.8M segregating sites. Interoperation with phenotype databases, analytic tools and other resources enable a wealth of applications including multi-trait, multi-population meta-analysis. We demonstrate this in a cross-species comparison of the meta-analysis of Type 2 Diabetes and of substance use disorders, resulting in the more specific characterization of the role of human variant effects in light of mouse phenotype data. Other applications include refinement of mapped loci and prioritization of strain backgrounds for disease modeling to further unlock extant mouse diversity for genetic and genomic studies in health and disease.

Artificial intelligence (AI) has been used in many areas of medicine, and recently large language models (LLMs) have shown potential utility for clinical applications. However, since we do not know if the use of LLMs can accelerate the pace of genetic discovery, we used data generated from mouse genetic models to investigate this possibility. We examined whether a recently developed specialized LLM (Med-PaLM 2) could analyze sets of candidate genes generated from analysis of murine models of biomedical traits. In response to free-text input, Med-PaLM 2 correctly identified the murine genes that contained experimentally verified causative genetic factors for six biomedical traits, which included susceptibility to diabetes and cataracts. Med-PaLM 2 was also able to analyze a list of genes with high impact alleles, which were identified by comparative analysis of murine genomic sequence data, and it identified a causative murine genetic factor for spontaneous hearing loss. Based upon this Med-PaLM 2 finding, a novel bigenic model for susceptibility to spontaneous hearing loss was developed. These results demonstrate Med-PaLM 2 can analyze gene-phenotype relationships and generate novel hypotheses, which can facilitate genetic discovery.

Abstract Background To characterize fibrogenic mechanisms, genome engineering and a human hepatic organoid system was used to produce an in vitro model for human liver fibrosis. Methods and results Human hepatic organoids that were engineered to express the most common causative mutation for Autosomal Recessive Polycystic Kidney Disease (ARPKD) developed the key features of ARPKD liver pathology (abnormal bile ducts and hepatic fibrosis) in only 21 days. Second harmonic generation microscopy confirmed that the ARPKD mutation increased collagen abundance and thick collagen fiber production in hepatic organoids; and we demonstrated that these changes mirrored that occurring in ARPKD liver tissue. Transcriptomic and other analyses indicated that the ARPKD mutation generates cholangiocytes with increased TGFβ-associated pathway activation, which are actively involved in collagen fiber generation. The abnormal cholangiocytes promote the expansion of collagen-producing myofibroblasts with markedly increased PDGFRβ protein expression and an activated STAT3 signaling pathway. Moreover, the transcriptome of ARPKD organoid myofibroblasts resembled that of myofibroblasts in liver tissue obtained from patients with commonly occurring acquired forms of liver fibrosis. The involvement of the PDGFRB pathway was confirmed by the anti-fibrotic effect observed when ARPKD organoids were treated with PDGFRB inhibitors. Conclusions Besides providing mechanistic insight into the pathogenesis of congenital (and possibly acquired) forms of liver fibrosis, ARPKD organoids could also be used to test the anti-fibrotic efficacy of potential anti-fibrotic therapies.

Abstract Due to the limitations of available in vitro systems and animal models, we lack a detailed understanding of the pathogenetic mechanisms and have minimal treatment options for liver fibrosis. To overcome this barrier, we engineered a live cell imaging system that identifies collagen producing cells in a human multi-lineage hepatic organoid. This system was adapted for use as a microwell-based platform (i.e., microHOs) where exposure to PDGF or TGFβ1 induced the formation of thick collagen fibers. Transcriptomic analysis revealed that TGFβ1 exposure converted a sub-population of hepatic stellate-like cells into myofibroblast-like cells, which contribute to the development of liver fibrosis. When pro-fibrotic intracellular signaling pathways were examined using pharmacological probes, the anti-fibrotic effect of receptor-specific tyrosine kinase inhibitors was limited to the fibrosis induced by the corresponding growth factor, which indicates that their anti-fibrotic efficacy would be limited to fibrotic diseases that were solely mediated by that growth factor. In contrast, GSK3β or p38 MAPK inhibitors could prevent TGFβ1- or PDGF-induced fibrosis in microHOs because they block intracellular signaling pathways that are commonly utilized by the TGFβ1 and PDGF receptors. Hence, these studies identified GSK3β and p38 MAPK inhibitors as potential new broad-spectrum therapies for liver fibrosis, and it is likely that other new therapies could subsequently be identified using this microHO system.

Abstract Genetic variation accounts for much of the risk for developing a substance use disorder (SUD). Inbred mouse strains exhibit substantial and heritable differences in the extent of voluntary cocaine intravenous self-administration (IVSA). Computational genetic analysis of IVSA data obtained from an inbred strain panel identified Nav1, a member of the neuron navigator family that regulates dendrite formation and axonal guidance, as a candidate gene. To test this hypothesis, we generated and characterized Nav1 knockout (KO) mice. Nav1 KO mice exhibited increased cocaine intake during IVSA testing. Surprisingly, Nav1 KO mice also displayed a reduced susceptibility to become opioid dependent or develop opioid-induced hyperalgesia after chronic morphine administration, and had impaired spatial learning/memory. Immunohistochemistry and electrophysiology studies revealed that inhibitory synapse density in the cortex of Nav1 KO mice was reduced, and excitatory synaptic transmission was increased in the Nav1 KO cortex and hippocampus. Transcriptomic analysis revealed that Nav1 KO mice had a marked increase in excitatory neurons in a deep cortical layer. Collectively, our results indicate that Nav1 regulates learning, memory, and the response to multiple addictive drugs, and that changes in the excitatory and inhibitory synaptic balance in the cortex and hippocampus could possibly mediate these phenotypic effects.