High-throughput peptide synthesis and mass spectrometry are used to generate a near-complete reference map of the Saccharomyces cerevisiae proteome; two versions of the map (supporting discovery- and hypothesis-driven proteomics) are then applied to a protein-based quantitative trait locus analysis. Complete 'gold standard' reference maps of the components within a system are valuable resources for a research community. This paper presents one such resource, a complete mass-spectrometric reference map of the budding yeast Saccharomyces cerevisiae. The map comes in two versions — one for discovery-driven (shotgun) and the other for hypothesis-driven (targeted) proteomic measurements — and will support most studies performed with contemporary proteomic technologies. The maps provide essentially a set of highly specific assays for the detection and quantification of every yeast protein in any sample, and their value is demonstrated here in a protein quantitative trait locus analysis. Experience from different fields of life sciences suggests that accessible, complete reference maps of the components of the system under study are highly beneficial research tools. Examples of such maps include libraries of the spectroscopic properties of molecules, or databases of drug structures in analytical or forensic chemistry. Such maps, and methods to navigate them, constitute reliable assays to probe any sample for the presence and amount of molecules contained in the map. So far, attempts to generate such maps for any proteome have failed to reach complete proteome coverage1,2,3. Here we use a strategy based on high-throughput peptide synthesis and mass spectrometry to generate an almost complete reference map (97% of the genome-predicted proteins) of the Saccharomyces cerevisiae proteome. We generated two versions of this mass-spectrometric map, one supporting discovery-driven (shotgun)3,4 and the other supporting hypothesis-driven (targeted)5,6 proteomic measurements. Together, the two versions of the map constitute a complete set of proteomic assays to support most studies performed with contemporary proteomic technologies. To show the utility of the maps, we applied them to a protein quantitative trait locus (QTL) analysis7, which requires precise measurement of the same set of peptides over a large number of samples. Protein measurements over 78 S. cerevisiae strains revealed a complex relationship between independent genetic loci, influencing the levels of related proteins. Our results suggest that selective pressure favours the acquisition of sets of polymorphisms that adapt protein levels but also maintain the stoichiometry of functionally related pathway members.

While it is known that rare copy-number variants (CNVs) contribute to risk for some neuropsychiatric disorders, the role of CNVs in bipolar disorder is unclear. Here, we reasoned that a contribution of CNVs to mood disorders might be most evident for de novo mutations. We performed a genome-wide analysis of de novo CNVs in a cohort of 788 trios. Diagnoses of offspring included bipolar disorder (n = 185), schizophrenia (n = 177), and healthy controls (n = 426). Frequencies of de novo CNVs were significantly higher in bipolar disorder as compared with controls (OR = 4.8 [1.4,16.0], p = 0.009). De novo CNVs were particularly enriched among cases with an age at onset younger than 18 (OR = 6.3 [1.7,22.6], p = 0.006). We also confirmed a significant enrichment of de novo CNVs in schizophrenia (OR = 5.0 [1.5,16.8], p = 0.007). Our results suggest that rare spontaneous mutations are an important contributor to risk for bipolar disorder and other major neuropsychiatric diseases.

Human genetic variation is distributed nonrandomly across the genome, though the principles governing its distribution are only partially known. DNA replication creates opportunities for mutation, and the timing of DNA replication correlates with the density of SNPs across the human genome. To enable deeper investigation of how DNA replication timing relates to human mutation and variation, we generated a high-resolution map of the human genome’s replication timing program and analyzed its relationship to point mutations, copy number variations, and the meiotic recombination hotspots utilized by males and females. DNA replication timing associated with point mutations far more strongly than predicted from earlier analyses and showed a stronger relationship to transversion than transition mutations. Structural mutations arising from recombination-based mechanisms and recombination hotspots used more extensively by females were enriched in early-replicating parts of the genome, though these relationships appeared to relate more strongly to the genomic distribution of causative sequence features. These results indicate differential and sex-specific relationship of DNA replication timing to different forms of mutation and recombination. Human genetic variation is distributed nonrandomly across the genome, though the principles governing its distribution are only partially known. DNA replication creates opportunities for mutation, and the timing of DNA replication correlates with the density of SNPs across the human genome. To enable deeper investigation of how DNA replication timing relates to human mutation and variation, we generated a high-resolution map of the human genome’s replication timing program and analyzed its relationship to point mutations, copy number variations, and the meiotic recombination hotspots utilized by males and females. DNA replication timing associated with point mutations far more strongly than predicted from earlier analyses and showed a stronger relationship to transversion than transition mutations. Structural mutations arising from recombination-based mechanisms and recombination hotspots used more extensively by females were enriched in early-replicating parts of the genome, though these relationships appeared to relate more strongly to the genomic distribution of causative sequence features. These results indicate differential and sex-specific relationship of DNA replication timing to different forms of mutation and recombination.

Abstract The use of spoken and written language is a capacity that is unique to humans. Individual differences in reading- and language-related skills are influenced by genetic variation, with twin-based heritability estimates of 30-80%, depending on the trait. The relevant genetic architecture is complex, heterogeneous, and multifactorial, and yet to be investigated with well-powered studies. Here, we present a multicohort genome-wide association study (GWAS) of five traits assessed individually using psychometric measures: word reading, nonword reading, spelling, phoneme awareness, and nonword repetition, with total sample sizes ranging from 13,633 to 33,959 participants aged 5-26 years (12,411 to 27,180 for those with European ancestry, defined by principal component analyses). We identified a genome-wide significant association with word reading (rs11208009, p=1.098 × 10 −8 ) independent of known loci associated with intelligence or educational attainment. All five reading-/language-related traits had robust SNP-heritability estimates (0.13–0.26), and genetic correlations between them were modest to high. Using genomic structural equation modelling, we found evidence for a shared genetic factor explaining the majority of variation in word and nonword reading, spelling, and phoneme awareness, which only partially overlapped with genetic variation contributing to nonword repetition, intelligence and educational attainment. A multivariate GWAS was performed to jointly analyse word and nonword reading, spelling, and phoneme awareness, maximizing power for follow-up investigation. Genetic correlation analysis of multivariate GWAS results with neuroimaging traits identified association with cortical surface area of the banks of the left superior temporal sulcus, a brain region with known links to processing of spoken and written language. Analysis of evolutionary annotations on the lineage that led to modern humans showed enriched heritability in regions depleted of Neanderthal variants. Together, these results provide new avenues for deciphering the biological underpinnings of these uniquely human traits.

ABSTRACT Neuronal activity-dependent transcription directs molecular processes that regulate synaptic plasticity, brain circuit development, behavioral adaptation, and long-term memory. Single cell RNA-sequencing technologies (scRNAseq) are rapidly developing and allow for the interrogation of activity-dependent transcription at cellular resolution. Here, we present NEUROeSTIMator, a deep learning model that integrates transcriptomic signals to estimate neuronal activation in a way that we demonstrate is associated with Patch-seq electrophysiological features and that is robust against differences in species, cell type, and brain region. We demonstrate this method’s ability to accurately detect neuronal activity in previously published studies of single cell activity-induced gene expression. Further, we applied our model in a spatial transcriptomic study to identify unique patterns of learning-induced activity across different brain regions. Altogether, our findings establish NEUROeSTIMator as a powerful and broadly applicable tool for measuring neuronal activation, whether as a critical covariate or a primary readout of interest.

Memory consolidation involves discrete patterns of transcriptional events in the hippocampus. Despite the emergence of single-cell transcriptomic profiling techniques, defining learning-responsive gene expression across subregions of the hippocampus has remained challenging. Here, we utilized unbiased spatial sequencing to elucidate transcriptome-wide changes in gene expression in the hippocampus following learning, enabling us to define molecular signatures unique to each hippocampal subregion. We find that each subregion of the hippocampus exhibits distinct yet overlapping transcriptomic signatures. Although the CA1 region exhibited increased expression of genes related to transcriptional regulation, the DG showed upregulation of genes associated with protein folding. We demonstrate the functional relevance of subregion-specific gene expression by genetic manipulation of a transcription factor selectively in the CA1 hippocampal subregion, leading to long-term memory deficits. This work demonstrates the power of using spatial molecular approaches to reveal transcriptional events during memory consolidation.

ABSTRACT Biological sex is an important factor in mental health, and a non-binary view of how variation in sex and gender influence mental health represents a new research frontier that may yield new insights. The recent acceleration of research into sexual orientation, gender identity, and mental health has generally been conducted without sufficient understanding of the opinions of sexual and gender minorities (SGM) toward this research. We surveyed 768 individuals, with an enrichment of LGBTQ+ stakeholders, for their opinions regarding genetic research of SGM and mental health. We found that the key predictors of attitudes toward genetic research specifically on SGM are 1) general attitudes toward genetic and mental health research 2) tolerance of SGM and associated behaviors 3) non-cisgender stakeholder status and 4) age of the respondent. Non-heterosexual stakeholder status was significantly associated with increased willingness to participate in genetic research if a biological basis for gender identity were discovered. We also found that non-stakeholders with a low tolerance for SGM indicated their SGM views would be positively updated if science showed a biological basis for their behaviors and identities. These findings represent an important first step in understanding and engaging the LGBTQ+ stakeholder community in the context of genetic research.