Exposure to cigarette smoke is known to result in impaired host defense responses and immune suppressive effects. However, the effects of new and emerging tobacco products, such as e-cigarettes, on the immune status of the respiratory epithelium are largely unknown. We conducted a clinical study collecting superficial nasal scrape biopsies, nasal lavage, urine, and serum from nonsmokers, cigarette smokers, and e-cigarette users and assessed them for changes in immune gene expression profiles. Smoking status was determined based on a smoking history and a 3- to 4-wk smoking diary and confirmed using serum cotinine and urine 4-(methylnitrosamino)-1-(3-pyridyl)-1-butanol (NNAL) levels. Total RNA from nasal scrape biopsies was analyzed using the nCounter Human Immunology v2 Expression panel. Smoking cigarettes or vaping e-cigarettes resulted in decreased expression of immune-related genes. All genes with decreased expression in cigarette smokers ( n = 53) were also decreased in e-cigarette smokers. Additionally, vaping e-cigarettes was associated with suppression of a large number of unique genes ( n = 305). Furthermore, the e-cigarette users showed a greater suppression of genes common with those changed in cigarette smokers. This was particularly apparent for suppressed expression of transcription factors, such as EGR1, which was functionally associated with decreased expression of 5 target genes in cigarette smokers and 18 target genes in e-cigarette users. Taken together, these data indicate that vaping e-cigarettes is associated with decreased expression of a large number of immune-related genes, which are consistent with immune suppression at the level of the nasal mucosa.

Abstract Background Children born extremely preterm are at heightened risk for intellectual and social impairment, including Autism Spectrum Disorder (ASD). There is increasing evidence for a key role of the placenta in prenatal developmental programming, suggesting that the placenta may explain origins of neurodevelopmental outcomes. Methods We examined associations between placental genomic and epigenomic profiles and assessed their ability to predict intellectual and social impairment at age 10 years in 379 children from the Extremely Low Gestational Age Newborn (ELGAN) cohort. Assessment of intellectual ability (IQ) and social function was completed with the Differential Ability Scales-II (DAS-II) and Social Responsiveness Scale (SRS), respectively. Examining IQ and SRS allows for studying ASD risk beyond the diagnostic criteria, as IQ and SRS are continuous measures strongly correlated with ASD. Genome-wide mRNA, CpG methylation and miRNA were assayed with the Illumina Hiseq 2500, HTG EdgeSeq miRNA Whole Transcriptome Assay, and Illumina EPIC/850K array, respectively. We conducted genome-wide differential mRNA/miRNA and epigenome-wide placenta analyses. These molecular features were integrated for a predictive analysis of IQ and SRS outcomes using kernel aggregation regression. We lastly examined associations between ASD and the genomically-predicted component of IQ and SRS. Results Genes with important roles in placenta angiogenesis and neural function were associated with intellectual and social impairment. Kernel aggregations of placental multi-omics strongly predicted intellectual and social function, explaining approximately 8% and 12% of the variance in SRS and IQ scores via cross-validation, respectively. Predicted in-sample SRS and IQ showed significant positive and negative associations with ASD case-control status. Limitations The ELGAN is a cohort of children born pre-term, andgeneralization may be affected by unmeasured confounders associated with low gestational age. We conducted external validation of predictive models, though the sample size of the out-sample dataset ( N = 49) and the scope of the available placental datasets are limited. Further validation of the models is merited. Conclusions Aggregating information from biomarkers within and between molecular data types improves prediction of complex traits like social and intellectual ability in children born extremely preterm, suggesting that traits influenced by the placenta-brain axis may be omnigenic.

Trophoblasts are the principal cell type of the placenta. The use of human trophoblast stem cells (hTSCs) as a model for studies of early placental development is hampered by limited genetic diversity of existing hTSC lines, and constraints on using human fetal tissue or embryos needed to generate additional cell lines. Here we report the derivation of two distinct stem cells of the trophectoderm lineage from human pluripotent stem cells. The first is a CDX2- stem cell equivalent to primary hTSCs - they both exhibit identical expression of key markers, are maintained in culture and differentiate under similar conditions, and share high transcriptome similarity. The second is a CDX2+ putative human trophectoderm stem cell (hTESC) with distinct cell culture requirements and differences in gene expression and differentiation relative to hTSCs. Derivation of hTSCs and hTESCs from pluripotent stem cells significantly enables construction of models for normal and pathological placental development.

The MiniMUGA genotyping array is a popular tool for genetic QC of laboratory mice and genotyping of samples from most types of experimental crosses involving laboratory strains, particularly for reduced complexity crosses. The content of the production version of the MiniMUGA array is fixed; however, there is the opportunity to improve array's performance and the associated report's usefulness by leveraging thousands of samples genotyped since the initial description of MiniMUGA in 2020. Here we report our efforts to update and improve marker annotation, increase the number and the reliability of the consensus genotypes for inbred strains and increase the number of constructs that can reliably be detected with MiniMUGA. In addition, we have implemented key changes in the informatics pipeline to identify and quantify the contribution of specific genetic backgrounds to the makeup of a given sample, remove arbitrary thresholds, include the Y Chromosome and mitochondrial genome in the ideogram, and improve robust detection of the presence of commercially available substrains based on diagnostic alleles. Finally, we have made changes to the layout of the report, to simplify the interpretation and completeness of the analysis and added a table summarizing the ideogram. We believe that these changes will be of general interest to the mouse research community and will be instrumental in our goal of improving the rigor and reproducibility of mouse-based biomedical research.

Abstract DNA methylation at CpG dinucleotides is one of the most extensively studied epigenetic marks. With technological advancements, geneticists can profile DNA methylation with multiple reliable approaches. However, profiling platforms can differ substantially in the CpGs they assess, consequently hindering integrated analysis across platforms. Here, we present CpG impUtation Ensemble (CUE), which leverages multiple classical statistical and modern machine learning methods, to impute from the Illumina HumanMethylation450 (HM450) BeadChip to the Illumina HumanMethylationEPIC (HM850) BeadChip. Data were analyzed from two population cohorts with methylation measured both by HM450 and HM850: the Extremely Low Gestational Age Newborns (ELGAN) study ( n =127, placenta) and the VA Boston Posttraumatic Stress Disorder (PTSD) genetics repository ( n =144, whole blood). Cross-validation results show that CUE achieves the lowest predicted root mean square error (RMSE) (0.026 in PTSD) and the highest accuracy (99.97% in PTSD) compared with five individual methods tested, including k-nearest-neighbors, logistic regression, penalized functional regression, random forest and XGBoost. Finally, among all 339,033 HM850-only CpG sites shared between ELGAN and PTSD, CUE successfully imputed 289,604 (85.4%) sites, where success was defined as RMSE < 0.05 and accuracy >95% in PTSD. In summary, CUE is a valuable tool for imputing CpG methylation from the HM450 to HM850 platform.

The natural, built, and social environments shape drinking water quality supplied by private wells. However, the combined effects of these factors are not well understood. Using North Carolina as a case study, we (i) estimate the demographic characteristics of the private well population; (ii) evaluate representation in well testing records; and (iii) demonstrate how spatial scale influences knowledge of well-using household demographics and representation in testing. We leverage a statewide database of 117,960 well testing records collected over 20 years and a national model predicting well locations. An estimated 25% well-using households identify as Black, Indigenous, and Persons of Color (BIPOC) and 15% have incomes below the poverty threshold. While there is robust well sampling (an average of 4,269 wells tested annually), we observed that most testing records were from predominately White block groups (BGs). Well-using households that did not participate in state testing were 2.4 times more likely to be from predominately BIPOC BGs compared predominately White BGs. Due to the spatial heterogeneity of the well population, demographic differences in well populations were more evident using higher resolution data. Multifaceted testing approaches that couple government-driven efforts with localized studies that engage underrepresented communities are needed to facilitate evidence-based management.