Genome-wide association studies (GWAS) have identified ~20 melanoma susceptibility loci. To identify susceptibility genes and variants simultaneously from multiple GWAS loci, we integrated massively-parallel reporter assays (MPRA) with cell type-specific epigenomic data as well as melanocyte-specific expression quantitative trait loci (eQTL) profiling. Starting from 16 melanoma loci, we selected 832 variants overlapping active regions of chromatin in cells of melanocytic lineage and identified 39 candidate functional variants displaying allelic transcriptional activity by MPRA. For four of these loci, we further identified four colocalizing melanocyte cis -eQTL genes ( CTSS , CASP8 , MX2 , and MAFF ) matching the allelic activity of MPRA functional variants. Among these, we further characterized the locus encompassing the HIV-1 restriction gene, MX2 , on chromosome band Chr21q22.3 and validated a functional variant, rs398206, among multiple high LD variants. rs398206 mediates allelic transcriptional activity via binding of the transcription factor, YY1. This allelic transcriptional regulation is consistent with a significant cis -eQTL of MX2 in primary human melanocytes, where the melanoma risk-associated A allele of rs398206 is correlated with higher MX2 levels. Melanocyte-specific transgenic expression of human MX2 in a zebrafish model demonstrated accelerated melanoma formation in a BRAF V600E background. Thus, using an efficient scalable approach to streamline GWAS follow-up functional studies, we identified multiple candidate melanoma susceptibility genes and variants, and uncovered a pleiotropic function of MX2 in melanoma susceptibility.

Abstract Summary RegionScan is an R package for comprehensive and scalable genome-wide association testing of region-level multiple-variant and single-variant statistics and visualization of the results. It implements various state-of-the-art region-level tests to improve signal detection under heterogeneous genetic architectures and facilitates comparison of multiple-variant region-level and single-variant test results. It exploits local linkage disequilibrium (LD) structure for genomic partitioning and LD-adaptive region definition. RegionScan is compatible with VCF input file formats for genotyped and imputed variants, and options are available for analysis of multi-allelic variants and unbalanced binary phenotypes. It accommodates parallel region-level processing and analysis to improve computational time and memory efficiency and provides detailed outputs and utility functions to assist results comparison, visualization, and interpretation. Availability and implementation RegionScan is freely available for download on GitHub ( https://github.com/brossardMyriam/RegionScan ). Contact bull@lunenfeld.ca , brossard@lunenfeld.ca . Supplementary information Supplementary data are available at Bioinformatics online.

Abstract For genetic association analysis based on multiple SNP regression of genotypes obtained by dense DNA sequencing or array data imputation, multi-collinearity can be a severe issue causing failure to fit the regression model. In this study, we proposed a method of Dimension Reduction using Local Principal Components (DRLPC) which aims to resolve multi-collinearity by removing SNPs under the assumption that the remaining SNPs can capture the effect of a removed SNP due to high linear dependency. This approach to dimension reduction is expected to improve the power of regression-based statistical tests. We apply DRLPC to chromosome 22 SNPs of two data sets, the 1000 Genomes Project (phase 3) and Canadian Longitudinal Study on Aging (CLSA), and calculated Variance Inflation Factors (VIF) in various SNP-sets before and after implementing DRLPC as a metric of collinearity. Notably, DRLPC addresses multi-collinearity by excluding variables with a VIF exceeding a predetermined threshold (VIF=20), thereby improving applicability for subsequent regression analyses. The number of variables in a final set for regression analysis is reduced to around 20% on average for larger-sized genes, whereas for smaller ones, the proportion is around 48%; suggesting that DRLPC is more effective for larger genes. We also compare the power of several multi-SNP statistics constructed for gene-specific analysis to evaluate power gains achieved by DRLPC. In simulation studies based on 100 genes with ≤500 SNPs per gene, DRLPC effectively increased the power of the multiple regression Wald test from 60% to around 80%.

The total number of acquired melanocytic nevi on the skin is strongly correlated with melanoma risk. Here we report a meta-analysis of 11 nevus GWAS from Australia, Netherlands, United Kingdom, and United States, comprising a total of 52,506 phenotyped individuals. We confirm known loci including MTAP, PLA2G6, and IRF4, and detect novel SNPs at a genome-wide level of significance in KITLG, DOCK8, and a broad region of 9q32. In a bivariate analysis combining the nevus results with those from a recent melanoma GWAS meta-analysis (12,874 cases, 23,203 controls), SNPs near GPRC5A, CYP1B1, PPARGC1B, HDAC4, FAM208B and SYNE2 reached global significance, and other loci, including MIR146A and OBFC1, reached a suggestive level of significance. Overall, we conclude that most nevus genes affect melanoma risk (KITLG an exception), while many melanoma risk loci do not alter nevus count. For example, variants in TERC and OBFC1 affect both traits, but other telomere length maintenance genes seem to affect melanoma risk only. Our findings implicate multiple pathways in nevogenesis via genes we can show to be expressed under control of the MITF melanocytic cell lineage regulator.