Abstract Understanding the molecular mechanisms underlying frontotemporal dementia (FTD) is essential for the development of successful therapies. Systematic studies on human post-mortem brain tissue of patients with genetic subtypes of FTD are currently lacking. The Risk and Modyfing Factors of Frontotemporal Dementia (RiMod-FTD) consortium therefore has generated a multi-omics dataset for genetic subtypes of FTD to identify common and distinct molecular mechanisms disturbed in disease. Here, we present multi-omics datasets generated from the frontal lobe of post-mortem human brain tissue from patients with mutations in MAPT, GRN and C9orf72 and healthy controls. This data resource consists of four datasets generated with different technologies to capture the transcriptome by RNA-seq, and small RNA-seq, and supplemented this date with CAGE-seq, and methylation profiling. We show concrete examples on how to use the resulting data and confirm current knowledge about FTD and identify new processes for further investigation. This extensive multi-omics dataset holds great value to reveal new research avenues for this devastating disease.

Abstract The FOUNdational Data INitiative for Parkinson’s Disease (FOUNDIN-PD) is an international collaboration producing fundamental resources for Parkinson’s disease (PD). FOUNDIN-PD generated a multi-layered molecular dataset in a cohort of induced pluripotent stem cell (iPSC) lines differentiated to dopaminergic (DA) neurons, a major affected cell type in PD. The lines were derived from the Parkinson’s Progression Markers Initiative study including participants with PD carrying monogenic PD ( SNCA ) variants, variants with intermediate effects and variants identified by genome-wide association studies and unaffected individuals. We generated genetic, epigenetic, regulatory, transcriptomic, and longitudinal cellular imaging data from iPSC-derived DA neurons to understand molecular relationships between disease associated genetic variation and proximate molecular events. These data reveal that iPSC-derived DA neurons provide a valuable cellular context and foundational atlas for modelling PD genetic risk. We have integrated these data into a FOUNDIN-PD data browser ( https://www.foundinpd.org ) as a resource for understanding the molecular pathogenesis of PD.

ABSTRACT The human genome contains numerous duplicated regions, such as parent-pseudogene pairs, causing sequencing reads to align equally well to either gene. The extent to which this ambiguity complicates transcriptomic analyses is currently unknown. This is concerning as many parent genes have been linked to disease, including GBA1, causally linked to both Parkinson’s and Gaucher disease. We find that most of the short sequencing reads that map to GBA1 , also map to its pseudogene, GBAP1 . Using long-read RNA-sequencing in human brain, where all reads mapped uniquely, we demonstrate significant differences in expression compared to short-read data. We identify novel transcripts from both GBA1 and GBAP1 , including protein-coding transcripts that are translated in vitro and detected in proteomic data, but that lack GCase activity. By combining long-read with single-nuclear RNA-sequencing to analyse brain-relevant cell types we demonstrate that transcript expression varies by brain region with cell-type-selectivity. Taken together, these results suggest a non-lysosomal function for both GBA1 and GBAP1 in brain. Finally, we demonstrate that inaccuracies in annotation are widespread among parent genes, with implications for many human diseases.

ABSTRACT Background Mendelian randomization (MR) is a method for exploring observational associations to find evidence of causality. Objective To apply MR between multiple risk factors/phenotypic traits (exposures) and Parkinson’s disease (PD) in a large, unbiased manner, and to create a public resource for research. Methods We used two-sample MR in which the summary statistics relating to SNPs from genome wide association studies (GWASes) of 5,839 exposures curated on MR Base were used to assess causal relationships with PD. We selected the highest quality exposure GWASes for this report (n=401). For the disease outcome, summary statistics from the largest published PD GWAS were used. For each exposure, the causal effect on PD was assessed using the inverse variance weighted (IVW) method, followed by a range of sensitivity analyses. We used a false discovery rate (FDR) corrected p-value of <0.05 from the IVW analysis to prioritize traits of interest. Results We observed evidence for causal associations between twelve exposures and risk of PD. Of these, nine were causal effects related to increasing adiposity and decreasing risk of PD. The remaining top exposures that affected PD risk were tea drinking, time spent watching television and forced vital capacity, but the latter two appeared to be biased by violations of underlying MR assumptions. Discussion We present a new platform which offers MR analyses for a total of 5,839 GWASes versus the largest PD GWASes available ( https://pdgenetics.shinyapps.io/pdgenetics/ ). Alongside, we report further evidence to support a causal role for adiposity on lowering the risk of PD.

GenoTools, a Python package, streamlines population genetics research by integrating ancestry estimation, quality control (QC), and genome-wide association studies (GWAS) capabilities into efficient pipelines. By tracking samples, variants, and quality-specific measures throughout fully customizable pipelines, users can easily manage genetics data for large and small studies. GenoTools' "Ancestry" module renders highly accurate predictions, allowing for high-quality ancestry-specific studies, and enables custom ancestry model training and serialization, specified to the user's genotyping or sequencing platform. As the genotype processing engine that powers several large initiatives, including the NIH's Center for Alzheimer's and Related Dementias (CARD) and the Global Parkinson's Genetics Program (GP2). GenoTools was used to process and analyze the UK Biobank and major Alzheimer's Disease (AD) and Parkinson's Disease (PD) datasets with over 400,000 genotypes from arrays and 5000 sequences and has led to novel discoveries in diverse populations. It has provided replicable ancestry predictions, implemented rigorous QC, and conducted genetic ancestry-specific GWAS to identify systematic errors or biases through a single command. GenoTools is a customizable tool that enables users to efficiently analyze and scale genotype data with reproducible and scalable ancestry, QC, and GWAS pipelines.

Several prior studies have proposed the involvement of various brain regions and cell types in Parkinson's disease (PD) pathology. Here, we performed snRNA-seq on the prefrontal cortex and anterior cingulate regions from post-mortem control and PD brain tissue. We found a significant association of oligodendrocytes and oligodendrocyte precursor cells with PD-linked risk loci and report several dysregulated genes and pathways, including regulation of tau-protein kinase activity, regulation of inclusion body assembly and protein processing involved in protein targeting to mitochondria. In an independent PD cohort with clinical measures (681 cases and 549 controls), polygenic risk scores derived from the dysregulated genes significantly predicted Montreal Cognitive Assessment (MoCA)-, and Beck Depression Inventory-II (BDI-II)-scores as well as Age at Onset but not motor impairment (UPDRS-III). These results suggest that by expanding our focus to glial cells, we can uncover molecular pathways associated with non-motor symptoms that are frequently observed in PD patients, also prior to diagnosis.

DNA methylation most commonly occurs as 5-methylcytosine (5-mC) in the human genome and has been associated with human diseases. Recent developments in single-molecule sequencing technologies (Oxford Nanopore Technologies (ONT) and Pacific Biosciences) have enabled readouts of long, native DNA molecules, including cytosine methylation. ONT recently upgraded their Nanopore sequencing chemistry and kits from R9 to the R10 version, which yielded increased accuracy and sequencing throughput. However the effects on methylation detection have not yet been documented. Here we performed a series of computational analyses to characterize differences in Nanopore-based 5mC detection between the ONT R9 and R10 chemistries. We compared 5mC calls in R9 and R10 for three human genome datasets: a cell line, a frontal cortex brain sample, and a blood sample. We performed an in-depth analysis on CpG islands and homopolymer regions, and documented high concordance for methylation detection among sequencing technologies. The strongest correlation was observed between Nanopore R10 and Illumina bisulfite technologies for cell line-derived datasets. Subtle differences in methylation datasets between technologies can impact analysis tools such as differential methylation calling software. Our findings show that comparisons can be drawn between methylation data from different Nanopore chemistries using guided hypotheses. This work will facilitate comparison among Nanopore data cohorts derived using different chemistries from large scale sequencing efforts, such as the NIH CARD Long Read Initiative.

Abstract Parkinson’s disease (PD) is a neurodegenerative disorder caused by complex genetic and environmental factors. Genome-edited human pluripotent stem cells (hPSCs) offer the uniique potential to advance our understanding of PD etiology by providing disease-relevant cell-types carrying patient mutations along with isogenic control cells. To facilitate this experimental approach, we generated a collection of 55 cell lines genetically engineered to harbor mutations in genes associated with monogenic PD ( SNCA A53T, SNCA A30P, PRKN Ex3del, PINK1 Q129X, DJ1/PARK7 Ex1-5del, LRRK2 G2019S, ATP13A2 FS, FBXO7 R498X/FS, DNAJC6 c.801 A>G+FS, SYNJ1 R258Q/FS, VPS13C A444P, VPS13C W395C, GBA1 IVS2+1). All mutations were generated in a fully characterized and sequenced female human embryonic stem cell (hESC) line (WIBR3; NIH approval number NIHhESC-10-0079) using CRISPR/Cas9 or prime editing-based approaches. We implemented rigorous quality controls, including high density genotyping to detect structural variants and confirm the genomic integrity of each cell line. This systematic approach ensures the high quality of our stem cell collection, highlights differences between conventional CRISPR/Cas9 and prime editing and provides a roadmap for how to generate gene-edited hPSCs collections at scale in an academic setting. We expect that our isogenic stem cell collection will become an accessible platform for the study of PD, which can be used by investigators to understand the molecular pathophysiology of PD in a human cellular setting.