1 Abstract Quantitative trait loci (QTL) denote regions of DNA whose variation is associated with variations in quantitative traits. QTL discovery is a powerful approach to understand how changes in molecular and clinical phenotypes may be related to DNA sequence changes. However, QTL discovery analysis encompasses multiple analytical steps and the processing of multiple input files, which can be laborious, error prone, and hard to reproduce if performed manually. In order to facilitate and automate large-scale QTL analysis, we developed the yQTL Pipeline , where the ‘ y’ indicates the dependent quantitative variable being modeled. Prior to genome-wide association test, the pipeline supports the calculation or the direct input of pre-defined genome-wide principal components and genetic relationship matrix when applicable. User-specified covariates can also be provided. Depending on whether familial relatedness exists among the subjects, genome-wide association tests will be performed using either a linear mixed-effect model or a linear model. Using the workflow management tool Nextflow, the pipeline parallelizes the analysis steps to optimize run-time and ensure results reproducibility. In addition, a user-friendly R Shiny App is developed to facilitate result visualization. Upon uploading the result file, it can generate Manhattan plots of user-selected phenotype traits and trait-QTL connection networks based on user-specified p-value thresholds. We applied the yQTL Pipeline to analyze metabolomics profiles of blood serum from the New England Centenarians Study (NECS) participants. A total of 9.1M SNPs and 1,052 metabolites across 194 participants were analyzed. Using a p-value cutoff 5e-8, we found 14,983 mQTLs cumulatively associated with 312 metabolites. The built-in parallelization of our pipeline reduced the run time from ∼90 min to ∼26 min. Visualization using the R Shiny App revealed multiple mQTLs shared across multiple metabolites. The yQTL Pipeline is available with documentation on GitHub at https://github.com/montilab/yQTL-Pipeline .

Abstract We conducted a genome-wide association study (GWAS) of Digit Symbol Substitution Test (DSST) scores administered in 4207 family members of the Long Life Family Study (LLFS). Genotype data were imputed to the HRC panel of 64,940 haplotypes resulting in ~15M genetic variants with quality score > 0.7. The results were replicated using genetic data imputed to the 1000 Genomes phase 3 reference panel from two Danish twin cohorts: the study of Middle Aged Danish Twins and the Longitudinal Study of Aging Danish Twins. The GWAS in LLFS discovered 20 rare genetic variants (minor allele frequency (MAF) < 1.0%) that reached genome-wide significance (p-value < 5×10 −8 ). Among these, 18 variants had large protective effects on the processing speed, including rs7623455, rs9821776, rs9821587, rs78704059 on chromosome 3, which were replicated in the combined Danish twin cohort. These SNPs are located in/near two genes, THRB and RARB , that belonged to thyroid hormone receptors family that may influence speed of metabolism and cognitive aging. The gene-level tests in LLFS confirmed that these two genes are associated with processing speed.

ABSTRACT Background Canine hemangiosarcoma (HSA) is an aggressive cancer of endothelial cells associated with short survival times. Understanding the genomic landscape of HSA is critical to developing more effective therapeutic strategies. Objectives To determine the relationships between genomic and clinical features including treatment and outcome in canine splenic HSA. Animals 109 dogs with primary splenic HSA treated by splenectomy that had tumor sequencing via the FidoCure® Precision Medicine Platform targeted sequencing panel. Methods Patient signalment, weight, metastasis at diagnosis, treatment, and survival time were retrospectively evaluated. The incidence of genomic alterations in individual genes and their relationship to patient variables and outcome were assessed. Results Somatic mutations in TP53 (n = 45), NRAS (n = 20), and PIK3CA (n = 19) were most common. Survival was associated with metastases at diagnosis, germline variants in SETD2 and NOTCH1 , and nominally with breed. Age at diagnosis was associated with NRAS mutations and breed. TP53 and PIK3CA mutations were found in larger dogs, germline SETD2 variants in smaller dogs. Doxorubicin (DOX) treatment did not significantly improve survival time, while targeted therapies had a significant early survival benefit. Conclusions and clinical importance DOX treatment may provide limited clinical benefit for dogs with splenic HSA, while targeted therapy may provide early survival benefit. Genetic signatures associated with splenic HSA may be useful in guiding targeted therapy to improve outcomes. Germline variants, age, size, and breed may be useful prognostic factors and provide insight into the genomic landscape of the tumor.

Quantitative trait loci (QTL) denote regions of DNA whose variation is associated with variations in quantitative traits. QTL discovery is a powerful approach to understand how changes in molecular and clinical phenotypes may be related to DNA sequence changes. However, QTL discovery analysis encompasses multiple analytical steps and the processing of multiple input files, which can be laborious, error prone, and hard to reproduce if performed manually. To facilitate and automate large-scale QTL analysis, we developed the yQTL Pipeline , where the ‘ y’ indicates the dependent quantitative variable being modeled. Prior to the association test, the pipeline supports the calculation or the direct input of pre-defined genome-wide principal components and genetic relationship matrix when applicable. User-specified covariates can also be provided. Depending on whether familial relatedness exists among the subjects, genome-wide association tests will be performed using either a linear mixed-effect model or a linear model. The options to run an ANOVA model or testing the interaction with a covariate are also available. Using the workflow management tool Nextflow, the pipeline parallelizes the analysis steps to optimize run-time and ensure results reproducibility. In addition, a user-friendly R Shiny App is developed to facilitate result visualization. It can generate Manhattan and Miami plots of phenotype traits, genotype-phenotype boxplots, and trait-QTL connection networks. We applied the yQTL Pipeline to analyze metabolomics profiles of blood serum from the New England Centenarians Study (NECS) participants. A total of 9.1M SNPs and 1,052 metabolites across 194 participants were analyzed. Using a p-value cutoff 5e-8, we found 14,983 mQTLs associated with 312 metabolites. The built-in parallelization of our pipeline reduced the run time from ~90 min to ~26 min. Visualization using the R Shiny App revealed multiple mQTLs shared across multiple metabolites. The yQTL Pipeline is available with documentation on GitHub at https://github.com/montilab/yQTLpipeline .

12130 Background: Immune checkpoint inhibitors (ICIs) have emerged as a core pillar of lung cancer (LC) therapy, but ICIs are commonly associated with a spectrum of immune-related adverse effects (irAEs). The real-world patterns and risk factors of irAEs in LC remain uncertain. Methods: Patients with LC newly started on ICIs between 10/01/2018 and 09/30/2021 were retrospectively collected from the Tufts Medical Center cancer registry and pharmacy records. irAEs occurring within 12 months after initiation of ICIs were identified. Univariable logistic regression was used to assess the risk factors of irAEs. Those with p-value<0.20 were included in multivariable logistic regression analysis (MVA), along with clinically relevant factors. Results: Of 125 LC adult patients (median age: 70 years, 68 males), 104 had non-small cell lung cancer (NSCLC), 123 had advanced stages, and 16 had preexisting autoimmune diseases (ADs). Six patients were treated with dual-agent ICIs. Pembrolizumab was the most often used single agent (67.2%). In total 50 irAEs occurred in 39 patients. The most common irAEs were endocrinopathies (34%), pneumonitis (20%), dermatitis (14%), and gastrointestinal toxicity (14%) with the median onset time of 148, 136, 19, and 68 days, respectively. 70% of irAEs were grade 1 or 2. 44% of irAEs were treated with immunosuppression, 38% were referred to specialist care, and 30% required hospitalizations. 56% of irAEs resolved within 12 months and 67.9 % of those were rechallenged with ICIs. In exploratory univariable analyses among all the patients, age, small cell lung cancer (SCLC), PDL1 positivity (TPS≥1%), concurrent NSAIDs use, and radiation therapy had p< 0.2. In MVA, SCLC remained significantly associated with irAEs (OR=4.14, 95% CI [1.50, 12.09], p=0.007). Among NSCLC subset (N=104), age, PDL1 positivity, concurrent NSAIDs, and acetaminophen use had p<0.2. Age (OR=0.94, 95% CI [0.883, 0.990], p=0.026) and PDL1 positivity (OR=3.17, 95% CI [1.12, 9.87], p=0.036) remained significant in MVA (Table). Conclusions: Our study described the real-world patterns of irAEs in LC patients. SCLC was found to be an independent risk factor of irAEs in our cohort. In NSCLC, younger age and PDL1 positivity were associated with irAEs occurrence. Future studies are required to validate these findings in larger samples. [Table: see text]