Abstract Background Spatio-temporal gene expression has been widely used to study gene functions and biological mechanisms in diseases. Numerous microarray and RNA sequencing data focusing on brain transcriptomes in neuropsychiatric disorders have accumulated. However, their consistency, reproducibility has not been properly evaluated. Except for a few psychiatric disorders, like schizophrenia, bipolar disorder and autism, most have not been compared to each other for cross-disorder comparisons. Methods We organized 48 human brain transcriptome datasets from six sources. The original brain donors include patients with schizophrenia (SCZ, N=427), bipolar disorder (BD, N=312), major depressive disorder (MDD, N=219), autism spectrum disorder (ASD, N=53), Alzheimer’s disease (AD, N=765), Parkinson’s disease (PD, N=163) as well as controls as unaffected by such disorders (CTRL, N=6,378), making it a total of 8,317 samples. Raw data included multiple brain regions of both sexes, with ages ranging from embryonic to seniors. After standardization, quality control, filtering and removal of known and unknown covariates, we performed comprehensive meta- and mega-analyses, including gene differential expression and gene co-expression network. Results A total of 6922, 3011, 2703, 4389, 3507, 4279 significantly differentially expressed genes (FDR q < 0.05) were detected in the comparisons of 6 brain regions of SCZ-CTRL, 5 brain regions of BD-CTRL, 6 brain regions of MDD-CTRL, 4 brain regions of ASD-CTRL, 7 brain regions of AD-CTRL, and 6 brain regions of PD-CTRL, respectively. Most differentially expressed genes were brain region-specific and disease-specific. SCZ and BD have a maximal transcriptome similarity in striatum (ρ=0.42) among the four brain regions, as measured by Spearman’s correlation of differential expression log2 FC values. SCZ and MDD have a maximal transcriptome similarity in hippocampus (ρ=0.30) among the five brain regions. BD and MDD have a maximal transcriptome similarity in frontal cortex (ρ=0.45) among the five brain regions. Other disease pairs have a less transcriptome similarity (ρ<0.1) in all brain regions. PD is negatively correlated with SCZ, BD, and MDD in cerebellum and striatum. We also performed coexpression network analyses for different disorders and controls separately. We developed a database named BrainEXP-NPD ( http://brainexpnpd.org:8088/BrainEXPNPD/ ), to provide a userfriendly web interface for accessing the data, and analytical results of meta- and mega-analyses, including gene differential expression and gene co-expression networks between cases and controls on different brain regions, sexes and age groups. Discussion: BrainEXP-NPD compiled the largest collection of brain transcriptomic data of major neuropsychiatric disorders and presented lists of differentially expressed genes and coexpression modules in multiple brain regions of six major disorders.

Abstract DNA methylation (DNAm) that occurs on promoter regions is primarily considered to repress gene expression. Previous studies indicated that DNAm could also show positive correlations with gene expression. Both DNAm and gene expression profiles are known to be tissue- and development-specific. This study aims to investigate how DNAm and gene expression are coordinated across different human tissues and developmental stages, as well as the biological significance of such correlations. By analyzing 2,239 samples with both DNAm and gene expression data in the same human subjects obtained from six published datasets, we evaluated the correlations between gene and CpG pairs (GCPs) at cis-regions and compared significantly correlated GCPs (cGCPs) across different tissues and brains at different age groups. A total of 37,363 cGCPs were identified in the six datasets; approximately 38% of the cGCPs were positively correlated. The majority (>90%) of cGCPs were tissue- or development-specific. We also observed that the correlation direction can be opposite in different tissues and ages. Further analysis highlighted the importance of cGCPs for their cellular functions and potential roles in complex traits and human diseases. For instance, early developmental brain possessed a highly unique set of cGCPs that were associated with neurogenesis and psychiatric disorders. By assessing the epigenetic factors involved in cGCPs, we discovered novel regulatory mechanisms of positive cGCPs distinct from negative cGCPs, which were related to multiple factors, such as H3K27me3, CTCF, and JARD2. The catalog of cGCPs compiled can be used to guide functional interpretation of genetic and epigenetic studies.

ABSTRACT Bipolar disorder (BD) is a multifactorial psychiatric illness affecting about 1% of the world population. The first line treatment, lithium (Li), is effective in only a subset of patients and its mechanism of action remains largely elusive. In the present study, we used iPSC-derived neurons from BD patients responsive (LR) or not (LNR) to lithium and combined electrophysiology, calcium imaging, biochemistry, transcriptomics, and phosphoproteomics to report mechanistic insights into neuronal hyperactivity in BD, and Li’s mode of action. We show a selective rescue of neuronal hyperactivity by Li in BD LR neurons through changes in Na + currents. The whole transcriptome sequencing revealed altered gene expression in BD neurons in pathways related to glutamatergic transmission, and Li selectively altered those involved in cell signaling and ion transport/channel activity. We found the therapeutic effect of Li in BD LR patients was associated with Akt signaling and confirmed that an Akt activator mimics Li effect in BD LR neurons. Further, we showed that AMP-activated protein kinase (AMPK) reduces neural network activity and sodium currents in BD LNR patients. These findings suggest the potential for novel treatment strategies in BD, such as Akt activators in BD LR cases, and the use of AMPK activators for BD LNR patients.

Reliable identification of brain cell types is necessary for studying brain cell biology. Many brain cell marker genes have been proposed, but their reliability has not been fully validated. We evaluated 540 commonly-used marker genes of astrocyte, microglia, neuron, and oligodendrocyte with six transcriptome and proteome datasets from purified human and mouse brain cells (n=125). By setting new criteria of cell-specific fold change, we identified 22 gold standard marker genes (GSM) with stable cell-specific expression. Our results call into question the specificity of many proposed marker genes. We used two single-cell transcriptome datasets from human and mouse brains to explore the co-expression of marker genes (n=3337). The mouse co-expression modules were perfectly preserved in human transcriptome, but the reverse was not. Also, we proposed new criteria for identifying marker genes based on both differential expression and co-expression data. We identified 16 novel candidate marker genes (NCM) for mouse and 18 for human independently, which have the potential for use in cell sorting or other tagging techniques. We validated the specificity of GSM and NCM by in-silico deconvolution analysis. Our systematic evaluation provides a list of credible marker genes to facilitate correct cell identification, cell labeling, and cell function studies.

With the evolution of rapid epigenetic research, Illumina Infinium HumanMethylation BeadChips have been widely used to study DNA methylation. However, in evaluating the accuracy of this method, we found that the commonly used Illumina HumanMethylation BeadChips are substantially affected by positional effects; the DNA sample's location in a chip affects the measured methylation levels. We analyzed three HumanMethylation450 and three HumanMethylation27 datasets by using four methods to prove the existence of positional effects. Three datasets were analyzed further for technical replicate analysis or differential methylation CpG sites analysis. The pre- and post- correction comparisons indicate that the positional effects could alter the measured methylation values and downstream analysis results. Nevertheless, ComBat, linear regression and functional normalization could all be used to minimize such artifact. We recommend performing ComBat to correct positional effects followed by the correction of batch effects in data preprocessing as this procedure slightly outperforms the others. In addition, randomizing the sample placement should be a critical laboratory practice for using such experimental platforms. Code for our method is freely available at: https://github.com/ChuanJ/posibatch.