Abstract Understanding the genetic architecture of gene expression and splicing in human brain is critical to unlocking the mechanisms of complex neuropsychiatric disorders like schizophrenia (SCZ). Large-scale brain transcriptomic studies are based primarily on populations of European (EUR) ancestry. The uniformity of mono-racial resources may limit important insights into the disease etiology. Here, we characterized brain transcriptional regulatory architecture of East Asians (EAS; n=151), identifying 3,278 expression quantitative trait loci (eQTL) and 4,726 spliceQTL (sQTL). Comparing these to PsychENCODE/BrainGVEX confirmed our hypothesis that the transcriptional regulatory architecture in EAS and EUR brains align. Furthermore, distinctive allelic frequency and linkage disequilibrium impede QTL translation and gene-expression prediction accuracy. Integration of eQTL/sQTL with genome-wide association studies reveals common and novel SCZ risk genes. Pathway-based analyses showing shared SCZ biology point to synaptic and GTPase dysfunction as a prospective pathogenesis. This study elucidates the transcriptional landscape of the EAS brain and emphasizes an essential convergence between EAS and EUR populations.

Abstract Genome-wide association studies (GWAS) of schizophrenia (SCZ) have revealed over 100 risk loci. We investigated whether these SCZ-associated variants regulate gene expression by cell type. Using a fully unsupervised deconvolution method, we calculated gene expression by clusters of estimated cell types (cell-groups, CGs). Five CGs emerged in the dorsolateral prefrontal cortices (DLPFC) of 341 donors with and without SCZ. By mapping expression quantitative trait loci (eQTL) per CG, we partitioned the heritability of SCZ risk in GWAS by CGs. CG-specific expressions and eQTLs were replicated in both a deconvoluted bulk tissue data set with a different method and also in sorted-cell expression data. Further, we characterized CG-specific gene differential expression and cell proportion changes in SCZ brains. We found upper-layer neurons in the DLPFC to be associated with SCZ based on enrichment of SCZ heritability in eQTLs, disease-related transcriptional signatures, and decreased cell proportion. Our study suggests that neurons and related anomalous circuits in the upper layers of the DLPFC may have a major contribution to SCZ risk.

Abstract Single-cell/nuclei RNA sequencing (sc/snRNA-Seq) is widely used for profiling cell-type gene expressions in biomedical research. An important but underappreciated issue is the quality of sc/snRNA-Seq data that would impact the reliability of downstream analyses. Here we evaluated the precision and accuracy in 18 sc/snRNA-Seq datasets. The precision was assessed on data from human brain studies with a total of 3,483,905 cells from 297 individuals, by utilizing technical replicates. The accuracy was evaluated with sample-matched scRNA-Seq and pooled-cell RNA-Seq data of cultured mononuclear phagocytes from four species. The results revealed low precision and accuracy at the single-cell level across all evaluated data. Cell number and RNA quality were highlighted as two key factors determining the expression precision, accuracy, and reproducibility of differential expression analysis in sc/snRNA-Seq. This study underscores the necessity of sequencing enough high-quality cells per cell type per individual, preferably in the hundreds, to mitigate noise in expression quantification.