Uveal melanoma is the most common intraocular cancer. There are no effective therapies for metastatic disease. Mutations in GNAQ, the gene encoding an alpha subunit of heterotrimeric G proteins, are found in 40% of uveal melanomas.

Abstract Motivation Recently, single-cell DNA sequencing (scDNA-seq) and multi-modal profiling with the addition of cell-surface antibodies (scDAb-seq) have provided key insights into cancer heterogeneity. Scaling these technologies across large patient cohorts, however, is cost and time prohibitive. Multiplexing, in which cells from unique patients are pooled into a single experiment, offers a possible solution. While multiplexing methods exist for scRNAseq, accurate demultiplexing in scDNAseq remains an unmet need. Results Here, we introduce SNACS: Single-Nucleotide Polymorphism (SNP) and Antibody-based Cell Sorting. SNACS relies on a combination of patient-level cell-surface identifiers and natural variation in genetic polymorphisms to demultiplex scDNAseq data. We demonstrated the performance of SNACS on a dataset consisting of multi-sample experiments from patients with leukemia where we knew truth from single-sample experiments from the same patients. Using SNACS, accuracy ranged from 0.948 – 0.991 vs 0.552 – 0.934 using demultiplexing methods from the single-cell literature. Availability Implementation SNACS is available at https://github.com/olshena/SNACS . Abstract Figure

Mixed phenotype acute leukemia (MPAL) is a leukemia whose biologic drivers are poorly understood, therapeutic strategy remains unclear, and prognosis is poor. We performed multiomic single cell (SC) profiling of 14 newly diagnosed adult MPAL patients to characterize the immunophenotypic, genetic, and transcriptional landscapes of MPAL. We show that neither genetic profile nor transcriptome reliably correlate with specific MPAL immunophenotypes. However, progressive acquisition of mutations is associated with increased expression of immunophenotypic markers of immaturity. Using SC transcriptional profiling, we find that MPAL blasts express a stem cell-like transcriptional profile distinct from other acute leukemias and indicative of high differentiation potential. Further, patients with the highest differentiation potential demonstrated inferior survival in our dataset. A gene set score, MPAL95, derived from genes highly enriched in this cohort, is applicable to bulk RNA sequencing data and was predictive of survival in an independent patient cohort, suggesting utility for clinical risk stratification.

Pre-pregnancy maternal obesity is associated with adverse offspring outcomes at birth and later in life. Individual studies have shown that epigenetic modifications such as DNA methylation could contribute. Within the Pregnancy and Childhood Epigenetics (PACE) Consortium, we meta-analysed the association between pre-pregnancy maternal BMI and methylation at over 450,000 sites in newborn blood DNA, across 19 cohorts (9,340 mother-newborn pairs). We attempted to infer causality by comparing effects of maternal versus paternal BMI and incorporating genetic variation. In four additional cohorts (1,817 mother-child pairs), we meta-analysed the association between maternal BMI at the start of pregnancy and blood methylation in adolescents. In newborns, maternal BMI was associated with small (<0.2% per BMI unit (1kg/m2), P<1.06*10-7) methylation variation at 9,044 sites throughout the genome. Adjustment for estimated cell proportions greatly attenuated the number of significant CpGs to 104, including 86 sites common to the unadjusted model. At 72/86 sites, the direction of association was the same in newborns and adolescents, suggesting persistence of signals. However, we found evidence for a causal intrauterine effect of maternal BMI on newborn methylation at just 8/86 sites. In conclusion, this well-powered analysis identified robust associations between maternal adiposity and variations in newborn blood DNA methylation, but these small effects may be better explained by genetic or lifestyle factors than a causal intrauterine mechanism. This highlights the need for large-scale collaborative approaches and the application of causal inference techniques in epigenetic epidemiology.

Gene expression may be regulated by the DNA methylation of regulatory elements in cis, distal, and trans regions. One method to evaluate the relationship between DNA methylation and gene expression is the mapping of expression quantitative trait methylation (eQTM) loci (also called expression associated CpG loci, eCpG). However, no open-source tools are available to provide eQTM mapping. In addition, eQTM mapping can involve a large number of comparisons which may prevent the analyses due to limitations of computational resources. Here, we describe Torch-eCpG, an open-source tool to perform eQTM mapping that includes an optimized implementation that can use the graphical processing unit (GPU) to reduce runtime.We demonstrate the analyses using the tool are reproducible, up to 18x faster using the GPU, and scale linearly with increasing methylation loci.Torch-eCpG is a fast, reliable, and scalable tool to perform eQTM mapping. Source code for Torch-eCpG is available at https://github.com/kordk/torch-ecpg.