A combination of single-molecule long-read sequencing, single-molecule genome mapping and short-read sequencing provides reference-quality de novo assemblies and also shows improved phasing and variant detection over short-read assemblies when mapping to a reference genome. We present the first comprehensive analysis of a diploid human genome that combines single-molecule sequencing with single-molecule genome maps. Our hybrid assembly markedly improves upon the contiguity observed from traditional shotgun sequencing approaches, with scaffold N50 values approaching 30 Mb, and we identified complex structural variants (SVs) missed by other high-throughput approaches. Furthermore, by combining Illumina short-read data with long reads, we phased both single-nucleotide variants and SVs, generating haplotypes with over 99% consistency with previous trio-based studies. Our work shows that it is now possible to integrate single-molecule and high-throughput sequence data to generate de novo assembled genomes that approach reference quality.

The triangular correlation heatmap aiming to visualize the linkage disequilibrium (LD) pattern and haplotype block structure of SNPs is ubiquitous component of population-based genetic studies. However, current tools suffered from the problem of time and memory consuming. Here, we developed LDBlockShow, an open source software, for visualizing LD and haplotype blocks from variant call format files. It is time and memory saving. In a test dataset with 100 SNPs from 60 000 subjects, it was at least 10.60 times faster and used only 0.03-13.33% of physical memory as compared with other tools. In addition, it could generate figures that simultaneously display additional statistical context (e.g. association P-values) and genomic region annotations. It can also compress the SVG files with a large number of SNPs and support subgroup analysis. This fast and convenient tool will facilitate the visualization of LD and haplotype blocks for geneticists.

Abstract G-quadruplexes (G4), stable four-stranded non-canonical DNA structures, are highly related to function of promoters and initiation of gene transcription. We found that G4 structures were also enriched in the enhancers across different cell lines. However, the relationship between G4 structures and enhancer activity remains unknown. Here, we proved that G4 structures on enhancers lead to the re-positioning of nucleosomes create nucleosome depleted regions (NDRs). Moreover, stable NDRs and special secondary structures of G4 help enhancers to recruit abundant TFs to co-bind, especially for architectural proteins including CTCF, RAD21, and SMC3. These architectural proteins, which play critical roles in the formation of higher-order chromatin organization, further influenced the chromatin interactions of G4 enhancers. Additionally, we revealed that G4 enhancers harbored significantly higher enrichment of eQTLs than typical enhancers, suggesting G4 enhancers displayed more enhancer regulatory activity. We found that most super enhancers (SEs) contain G4 structures. Even though the enrichment of chromatin accessibility and histone modifications around G4-containing SEs are not significantly higher than those around other SEs, G4-containing SEs still possess much more TFs across different cell lines. According to these results, we proposed a model in which the formation of G4 structures on enhancer exclude nucleosome occupancy and recruit abundant TFs which lead to the stable chromatin interaction between G4 enhancers and their target genes. Because of the relevance between G4 structures and enhancers, we hypothesized that G4 structures may be a potential markers indicating enhancer regulatory activity.

ABSTRACT Environmental co-exposures are widespread and are major contributors to carcinogenic mechanisms. Two well-established environmental agents causing skin cancer are ultraviolet radiation (UVR) and arsenic. Arsenic is a known co-carcinogen that enhances UVR’s carcinogenicity. However, the mechanisms of arsenic co-carcinogenesis are not well understood. In this study, we utilized primary human keratinocytes and a hairless mouse model to investigate the carcinogenic and mutagenic properties of co-exposure to arsenic and UVR. In vitro and in vivo exposures revealed that, on its own, arsenic is neither mutagenic nor carcinogenic. However, in combination with UVR, arsenic exposure has a synergistic effect leading to an accelerated mouse skin carcinogenesis as well as to more than 2-fold enrichment of UVR mutational burden. Notably, mutational signature ID13, previously found only in UVR-associated human skin cancers, was observed exclusively in mouse skin tumors and cell lines jointly exposed to arsenic and UVR. This signature was not observed in any model system exposed purely to arsenic or purely to UVR, making ID13 the first co-exposure signature to be reported using controlled experimental conditions. Analysis of existing genomics data from basal cell carcinomas and melanomas revealed that only a subset of human skin cancers harbor ID13 and, consistent with our experimental observations, these cancers exhibited an elevated UVR mutagenesis. Our results provide the first report of a unique mutational signature caused by a co-exposure to two environmental carcinogens and the first comprehensive evidence that arsenic is a potent co-mutagen and co-carcinogen of UVR. Importantly, our findings suggest that a large proportion of human skin cancers are not formed purely due to UVR exposure but rather due to a co-exposure of UVR and other co-mutagens such as arsenic.

Abstract The human brain has been implicated in the pathogenesis of several complex diseases. Taking advantage of single-cell techniques, genome-wide association studies (GWAS) have taken it a step further and revealed brain cell-type-specific functions for disease loci. However, genetic causal associations inferred by Mendelian randomization (MR) studies usually include all instrumental variables from GWAS, which hampers the understanding of cell-specific causality. Here, we developed an analytical framework, Cell-Stratified MR (csMR), to investigate cell-stratified causality through colocalizing GWAS signals with single-cell eQTL from different brain cells. By applying to obesity-related traits, our results demonstrate the cell-type-specific effects of GWAS variants on gene expression, and indicate the benefits of csMR to identify cell-type-specific causal effect that is often hidden from bulk analyses. We also found csMR valuable to reveal distinct causal pathways between different obesity indicators. These findings suggest the value of our approach to prioritize target cells for extending genetic causation studies.

Abstract Human mesenchymal stem cells (hMSCs) can be differentiated into adipocytes and osteoblasts. While the transcriptomic and epigenomic changes during adipogenesis and osteogenesis have been characterized, what happens to the chromatin loops is hardly known. Here we induced hMSCs to adipogenic and osteogenic differentiation, and performed 2 kb resolution Hi-C experiments for loop detection and generated RNA-seq, histone modification ChIP-seq and ATAC-seq data for integrative analysis before and after differentiation. We quantitatively identified differential contact loops and unique loops. After integrating with multi-omics data, we demonstrate that strengthened loops after differentiation are associated with gene expression activation. Specially, unique loops are linked with cell fate determination. We also proposed loop-mediated regulatory networks and identified IRS2 and RUNX2 as being activated by cell-specific loops to facilitate adipocytes and osteoblasts commitment, respectively. These results are expected to help better understand the long-range regulation in controlling hMSC differentiation, and provide novel targets for studying adipocytes and osteoblasts determination.

ABSTRACT Background Compelling observational studies have reported that childhood obesity is associated with the risk of many complex diseases in adulthood. However, results from observational studies are unable to fully account for confounding factors. The causal effects of childhood obesity have not been systematically characterized. We aimed to assess the causal associations between childhood body mass index (BMI) and various adult traits/diseases using two-sample Mendelian randomization (MR). Methods and findings Over 5,000 datasets for adult outcomes were obtained from various resources. After data filtering, 269 adult traits genetically correlated with childhood BMI ( P < 0.05) were subjected to MR analyses. The number of independent outcomes was 148, setting the significant threshold as P < 3.38 × 10 −4 . Inverse-variance weighted method, MR-Egger, weighted median method, and weighted mode method were used to estimate the causal effects. We identified potential causal effects of childhood obesity on 60 adult traits (27 disease-related traits, 27 lifestyle factors, and 6 other traits). Higher childhood BMI was associated with a reduced overall health rating (β = −0.10, 95% CI: −0.13 to −0.07, P = 6.26 × 10 −11 ). Findings on diseases included some novel effects, such as the adverse effects of higher childhood BMI on cholelithiasis (OR = 1.26, 95% CI: 1.18 to 1.35, P = 3.29 × 10 −5 ). For dietary habits, we found that higher childhood BMI was positively associated adult diet portion size (β = 0.26, 95% CI: 0.18 to 0.34, P = 7.34 × 10 −11 ). Different from the conventional impression, our results showed that higher childhood BMI was positively associated with low calorie density food intake. With 76 adult BMI single-nucleotide polymorphisms (SNPs) as instruments, we confirmed that adulthood BMI was positively associated with heel bone mineral density. However, the association no longer present after excluding the SNPs existing in or in linkage disequilibrium (LD) with childhood BMI. Network MR analyses suggested that past tobacco smoking and portion size mediated 6.39% and 10.90% of the associations between childhood BMI and type 2 diabetes, respectively. The main study limitation is that it is difficult to tease out the independent effects of childhood BMI due to the strong correlation between childhood and adulthood BMI. Conclusions In summary, we provided a phenome-wide view of the effects of childhood BMI on adult traits. Our results highlight the need to intervene in childhood to reduce obesity from a young age and its later-life effects. Author summary Why was this study done? Childhood obesity is a worldwide public health problem. The prevalence has increased at an alarming rate. Observational epidemiological studies have reported that childhood obesity is associated with the risk of many complex diseases in adulthood, such as coronary artery disease (CAD) and diabetes. However, observational studies are limited in explaining causality because of possible bias from unmeasured confounding factors. What did the researchers do and find? A Mendelian randomization (MR) approach was used to provide a phenome-wide view of the causal associations between childhood BMI and adult outcomes. Potential causal effects of childhood obesity on 60 adult traits were identified. Higher childhood BMI was associated with reduced overall health rating, and caused increased risk of some diseases, such as cholelithiasis, hypothyroidism, CAD, and type 2 diabetes (T2D). In contrast, childhood BMI was positively associated with adult heel bone mineral density and low calorie density food intake. Portion size and smoking behavior might mediate the association between childhood BMI and T2D risk. What do these findings mean? Our results highlight the importance to address rising childhood obesity prevalence rate and early interventions on obesity might help to promote health equity in later life.

Circular RNAs (circRNAs) are an abundant class of noncoding RNAs with widespread, cell/tissue specific pattern. Because of their involvement in the pathogenesis of multiple disease, they are receiving increasing attention. Previous work suggested that epigenetic features might be related to circRNA expression. However, current algorithms for circRNAs prediction neglect these features, leading to constant results across different cells. Here we built a machine learning framework named CIRCScan, to predict expression status and expression levels of circRNAs in various cell lines based on sequence and epigenetic features. Both expression status and expression levels can be accurately predicted by different groups of features. For expression status, the top features were similar in different cells. However, the top features for predicting expression levels were different in different cells. Noteworthy, the importance of H3K79me2 ranked high in predicting both circRNAs expression status and levels across different cells, indicating its important role in regulating circRNAs expression. Further validation experiment in K562 confirmed that knock down of H3K79me2 did result in reduction of circRNA production. Our study offers new insights into the regulation of circRNAs by incorporating epigenetic features in prediction models in different cellular contexts.

Abstract Objectives This study aimed to address the lack of gene expression regulation data in synovial tissues and to identify conditionally independent genes associated with rheumatoid arthritis (RA) in the synovium, a primary target tissue for RA. Methods Gene expression prediction models were built for synovial tissue using matched genotype and gene expression data from 202 subjects. Using this model, we conducted transcriptome-wide association study (TWAS), utilizing the largest RA genome-wide association study (GWAS) meta-analysis data (n = 276 020). Further analyses, including conditional and joint analysis, causal analysis, differential expression analysis and gene-set enrichment analysis, were conducted to deepen our understanding of genetic architecture and comorbidity aetiology of RA. Results Our analysis identified eight genes associated with RA, including three novel genes: TPRA1 (PTWAS = 9.59 × 1 0 −6), HIP1 (PTWAS = 1.47 × 1 0 −5), and RP11-73E17.2 (PTWAS = 3.32 × 1 0 −7). These genes differed from those identified in previous TWAS studies using alternative tissues, may play a crucial role in the target synovial tissue. We found four genes exhibited significant causal relationships with RA and were differentially expressed in RA patients. Furthermore, we explored potential drug repurposing opportunities for these genes. Conclusions Our study is the first to model gene expression in synovial tissue, uncovering novel genetic determinants of RA. This advancement not only deepens our understanding of RA's genetic architecture, but also offers promising avenues for targeted therapies and drug repurposing.