The generation of affinity reagents to large numbers of human proteins depends on the ability to express the target proteins as high-quality antigens. The Structural Genomics Consortium (SGC) focuses on the production and structure determination of human proteins. In a 7-year period, the SGC has deposited crystal structures of >800 human protein domains, and has additionally expressed and purified a similar number of protein domains that have not yet been crystallised. The targets include a diversity of protein domains, with an attempt to provide high coverage of protein families. The family approach provides an excellent basis for characterising the selectivity of affinity reagents. We present a summary of the approaches used to generate purified human proteins or protein domains, a test case demonstrating the ability to rapidly generate new proteins, and an optimisation study on the modification of >70 proteins by biotinylation in vivo. These results provide a unique synergy between large-scale structural projects and the recent efforts to produce a wide coverage of affinity reagents to the human proteome.

Abstract Among the biggest challenges in the post-GWAS (genome-wide association studies) era is the interpretation of disease-associated genetic variants in non-coding genomic regions. Enhancers have emerged as key players in mediating the effect of genetic variants on complex traits and diseases. Their activity is regulated by a combination of transcription factors (TFs), epigenetic changes and genetic variants. Several approaches exist to link enhancers to their target genes, and others that infer TF-gene connections. However, we currently lack a framework that systematically integrates enhancers into TF-gene regulatory networks. Furthermore, we lack an unbiased way of assessing whether inferred regulatory interactions are biologically meaningful. Here we present two methods, implemented as user-friendly R packages: GRaNIE (Gene Regulatory Network Inference including Enhancers) for building enhancer-based gene regulatory networks (eGRNs) and GRaNPA (Gene Regulatory Network Performance Analysis) for evaluating GRNs. GRaNIE jointly infers TF-enhancer, enhancer-gene and TF-gene interactions by integrating open chromatin data such as ATAC-Seq or H3K27ac with RNA-seq across a set of samples (e.g. individuals), and optionally also Hi-C data. GRaNPA is a general framework for evaluating the biological relevance of TF-gene GRNs by assessing their performance for predicting cell-type specific differential expression. We demonstrate the power of our tool-suite by investigating gene regulatory mechanisms in macrophages that underlie their response to infection and cancer, their involvement in common genetic diseases including autoimmune diseases, and identify the TF PURA as putative regulator of pro-inflammatory macrophage polarisation. Availability - GRaNIE: https://bioconductor.org/packages/release/bioc/html/GRaNIE.html - GRaNPA: https://git.embl.de/grp-zaugg/GRaNPA Graphical abstract

Summary CD4+ T cells play a crucial role in adaptive immune responses and have been implicated in the pathogenesis of autoimmune diseases (ADs). Despite numerous studies, the molecular mechanisms underlying T cell dysregulation in ADs remain incompletely understood. Here, we used transcriptomic and epigenomic data from CD4+ T cells of healthy donors and patients with systemic lupus erythematosus (SLE), psoriasis, juvenile idiopathic arthritis (JIA), and Graves’ disease to investigate the role of enhancers in AD pathogenesis. By generating enhancer-based gene regulatory networks (eGRNs), we identified disease-specific dysregulated pathways and potential downstream target genes of enhancers harbouring AD-associated single-nucleotide polymorphisms, which we also validated using CRISPRi in primary CD4+ T cells. Our results suggest that alterations in the regulatory landscapes of CD4+ T cells, including enhancers, contribute to the development of ADs and provide a basis for developing new therapeutic approaches.