Abstract Reconstructing lineage relationships in complex tissues can reveal mechanisms underlying development and disease. Recent methods combine single-cell transcriptomics with mitochondrial DNA variant detection to establish lineage relationships in primary human cells, but are not scalable to interrogate complex tissues. To overcome this limitation, here we develop a technology for high-confidence detection of mitochondrial mutations from high-throughput single-cell RNA-sequencing. We use the new method to identify skewed immune cell expansions in primary human clonal hematopoiesis.

Abstract The human genome contains hundreds of thousands of regions exhibiting copy number variation (CNV). However, the phenotypic effects of most such polymorphisms are unknown because only larger CNVs (spanning tens of kilobases) have been ascertainable from the SNP-array data generated by large biobanks. We developed a new computational approach that leverages abundant haplotype-sharing in biobank cohorts to more sensitively detect CNVs co-inherited within extended SNP haplotypes. Applied to UK Biobank, this approach achieved 6-fold increased CNV detection sensitivity compared to previous analyses, accounting for approximately half of all rare gene inactivation events produced by genomic structural variation. This extensive CNV call set enabled the most comprehensive analysis to date of associations between CNVs and 56 quantitative traits, identifying 269 independent associations ( P < 5 × 10 −8 ) – involving 97 loci – that rigorous statistical fine-mapping analyses indicated were likely to be causally driven by CNVs. Putative target genes were identifiable for nearly half of the loci, enabling new insights into dosage-sensitivity of these genes and implicating several novel gene-trait relationships. CNVs at several loci created extended allelic series including deletions or duplications of distal enhancers that associated with much stronger phenotypic effects than SNPs within these regulatory elements. These results demonstrate the ability of haplotype-informed analysis to empower structural variant detection and provide insights into the genetic basis of human complex traits.

Abstract Clonal hematopoiesis (CH) – age-related expansion of mutated hematopoietic clones – can differ in frequency and cellular fitness. Descriptive studies have identified a spectrum of events (coding mutations in driver genes (CHIP), gains/losses and copy-neutral loss of chromosomal segments (mCAs), and loss of sex chromosomes). Co-existence of different CH events raises key questions as to their origin, selection, and impact. Here, we report analyses of sequence and genotype array data in up to 482,378 individuals from UK Biobank, demonstrating shared genetic architecture across different types of CH. These data highlighted evidence for a cellular evolutionary trade-off between different forms of CH, with LOY occurring at lower rates in individuals carrying mutations in established CHIP genes. Furthermore, we observed co-occurrence of CHIP and mCAs with overlap at TET2, DNMT3A , and JAK2 , in which CHIP precedes mCA acquisition. Individuals carrying these overlapping somatic mutations had a large increase in risk of future hematological malignancy (HR=17.31, 95% CI=9.80-30.58, P=8.94×10 −23 ), which is significantly elevated compared to individuals with non-overlapping CHIP and autosomal mCAs (P heterogeneity =8.83×10 −3 ). Finally, we leverage the shared genetic architecture of these CH traits to identify 15 novel loci associated with blood cancer risk.

Summary Hematopoietic stem cells (HSCs) have a number of unique physiologic adaptations that enable lifelong maintenance of blood cell production, including a highly regulated rate of protein synthesis. Yet the precise vulnerabilities that arise from such adaptations have not been fully characterized. Here, inspired by a bone marrow failure disorder due to loss of the histone deubiquitinase MYSM1, characterized by selectively disadvantaged HSCs, we show how reduced protein synthesis in HSCs results in increased ferroptosis. HSC maintenance can be fully rescued by blocking ferroptosis, despite no alteration in protein synthesis rates. Importantly, this selective vulnerability to ferroptosis not only underlies HSC loss in MYSM1 deficiency, but also characterizes a broader liability of human HSCs. Increasing protein synthesis rates via MYSM1 overexpression makes HSCs less susceptible to ferroptosis, more broadly illuminating the selective vulnerabilities that arise in somatic stem cell populations as a result of physiologic adaptations.

Ever larger Structural Variant (SV) catalogs highlighting the diversity within and between populations help researchers better understand the links between SVs and disease. The identification of SVs from DNA sequence data is non-trivial and requires a balance between comprehensiveness and precision. Here we present a catalog of 355,667 SVs (59.34% novel) across autosomes and the X chromosome (50bp+) from 138,134 individuals in the diverse TOPMed consortium. We describe our methodologies for SV inference resulting in high variant quality and >90% allele concordance compared to long-read de-novo assemblies of well-characterized control samples. We demonstrate utility through significant associations between SVs and important various cardio-metabolic and hemotologic traits. We have identified 690 SV hotspots and deserts and those that potentially impact the regulation of medically relevant genes. This catalog characterizes SVs across multiple populations and will serve as a valuable tool to understand the impact of SV on disease development and progression.

With burgeoning human disease genetic associations and single-cell genomic atlases covering a range of tissues, there are unprecedented opportunities to systematically gain insights into the mechanisms of disease-causal variation. However, sparsity and noise, particularly in the context of single-cell epigenomic data, hamper the identification of disease- or trait-relevant cell types, states, and trajectories. To overcome these challenges, we have developed the SCAVENGE method, which maps causal variants to their relevant cellular context at single-cell resolution by employing the strategy of network propagation. We demonstrate how SCAVENGE can help identify key biological mechanisms underlying human genetic variation including enrichment of blood traits at distinct stages of human hematopoiesis, defining monocyte subsets that increase the risk for severe coronavirus disease 2019 (COVID-19), and identifying intermediate lymphocyte developmental states that are critical for predisposition to acute leukemia. Our approach not only provides a framework for enabling variant-to-function insights at single-cell resolution, but also suggests a more general strategy for maximizing the inferences that can be made using single-cell genomic data.

Abstract Genome-wide association studies (GWAS) have identified hundreds of thousands of genetic variants associated with complex diseases and traits. However, most variants are noncoding and not clearly linked to genes, making it challenging to interpret these GWAS signals. We present a systematic variant-to-function study, prioritizing the most likely functional elements of the genome for experimental follow-up, for >148,000 variants identified for hematological traits. Specifically, we developed VAMPIRE: Variant Annotation Method Pointing to Interesting Regulatory Effects, an interactive web application implemented in R Shiny ( http://shiny.bios.unc.edu/vampire/ ). This tool efficiently integrates and displays information from multiple complementary sources, including epigenomic signatures from blood cell relevant tissues or cells, functional and conservation summary scores, variant impact on protein and gene expression, chromatin conformation information, as well as publicly available GWAS and phenome-wide association study (PheWAS) results. Leveraging data generated from independently performed functional validation experiments, we demonstrate that our prioritized variants, genes, or variant-gene links are significantly more likely to be experimentally validated. This study not only has important implications for systematic and efficient revelation of functional mechanisms underlying GWAS variants for hematological traits, but also provides a prototype that can be adapted to many other complex traits, paving the path for efficient variant to function (V2F) analyses.

Abstract Genome-wide profiling of transcription factor binding and chromatin states is a widely-used approach for mechanistic understanding of gene regulation. Recent technology development has enabled such profiling at single-cell resolution. However, an end-to-end computational pipeline for analyzing such data is still lacking. To fill this gap, we have developed a flexible pipeline for analysis and visualization of single-cell CUT&RUN and CUT&Tag data, which provides functions for sequence alignment, quality control, dimensionality reduction, cell clustering, data aggregation, and visualization. Furthermore, it is also seamlessly integrated with the functions in original CUT&RUNTools for population-level analyses. As such, this provides a valuable toolbox for the community.

Abstract Plasma proteomic profiles associated with subclinical somatic mutations in blood cells may offer novel insights in downstream clinical consequences. Here, we explore such patterns in clonal hematopoiesis of indeterminate potential (CHIP), which links to several cancer and non-cancer outcomes, including coronary artery disease. Among 12,911 ancestrally diverse participants (682 with CHIP) from NHLBI TOPMed with blood-based DNA sequencing and 1,148 common proteins measured by SomaScan, we identified 32 unique proteins associated with the most prevalent driver genes ( DNMT3A , TET2 , and ASXL1 ) after multiple testing corrections. These associations showed substantial heterogeneity by driver genes, sex, and race, were enriched for immune response and inflammation pathways, and were moderately replicated in UK Biobank (N=48,922) that used Olink for proteomics measurement. Murine single-cell RNA-sequencing data from aortic arch cells, inclusive of resident hematologic cells, in mice with Tet2 -/- bone marrow and wild-type mice revealed corroborating differential expression of TET2 -associated protein-encoding genes. Lastly, we apply these observations to identify 68 plasma proteins shared between CHIP and coronary artery disease.