Abstract Human DNA-methylation data have been used to develop biomarkers of ageing - referred to ‘epigenetic clocks’ - that have been widely used to identify differences between chronological age and biological age in health and disease including neurodegeneration, dementia and other brain phenotypes. Existing DNA methylation clocks are highly accurate in blood but are less precise when used in older samples or on brain tissue. We aimed to develop a novel epigenetic clock that performs optimally in human cortex tissue and has the potential to identify phenotypes associated with biological ageing in the brain. We generated an extensive dataset of human cortex DNA methylation data spanning the life-course (n = 1,397, ages = 1 to 104 years). This dataset was split into ‘training’ and ‘testing’ samples (training: n = 1,047; testing: n = 350). DNA methylation age estimators were derived using a transformed version of chronological age on DNA methylation at specific sites using elastic net regression, a supervised machine learning method. The cortical clock was subsequently validated in a novel human cortex dataset (n = 1,221, ages = 41 to 104 years) and tested for specificity in a large whole blood dataset (n = 1,175, ages = 28 to 98 years). We identified a set of 347 DNA methylation sites that, in combination optimally predict age in the human cortex. The sum of DNA methylation levels at these sites weighted by their regression coefficients provide the cortical DNA methylation clock age estimate. The novel clock dramatically out-performed previously reported clocks in additional cortical datasets. Our findings suggest that previous associations between predicted DNA methylation age and neurodegenerative phenotypes might represent false positives resulting from clocks not robustly calibrated to the tissue being tested and for phenotypes that become manifest in older ages. The age distribution and tissue type of samples included in training datasets need to be considered when building and applying epigenetic clock algorithms to human epidemiological or disease cohorts.

Abstract INTRODUCTION The established link between DNA methylation and pathophysiology of dementia, along with its potential role as a molecular mediator of lifestyle and environmental influences, positions blood‐derived DNA methylation as a promising tool for early dementia risk detection. METHODS In conjunction with an extensive array of machine learning techniques, we employed whole blood genome‐wide DNA methylation data as a surrogate for 14 modifiable and non‐modifiable factors in the assessment of dementia risk in independent dementia cohorts. RESULTS We established a multivariate methylation risk score (MMRS) for identifying mild cognitive impairment cross‐sectionally, independent of age and sex ( P = 2.0 × 10 −3 ). This score significantly predicted the prospective development of cognitive impairments in independent studies of Alzheimer's disease (hazard ratio for Rey's Auditory Verbal Learning Test (RAVLT)‐Learning = 2.47) and Parkinson's disease (hazard ratio for MCI/dementia = 2.59). DISCUSSION Our work shows the potential of employing blood‐derived DNA methylation data in the assessment of dementia risk. Highlights We used whole blood DNA methylation as a surrogate for 14 dementia risk factors. Created a multivariate methylation risk score for predicting cognitive impairment. Emphasized the role of machine learning and omics data in predicting dementia. The score predicts cognitive impairment development at the population level.

ABSTRACT Alternative splicing is a post-transcriptional mechanism that increases the diversity of expressed transcripts and plays an important role in regulating gene expression in the developing central nervous system. We used long-read transcriptome sequencing to characterise the structure and abundance of full-length transcripts in the human cortex from donors aged 6 weeks post-conception to 83 years old. We identified thousands of novel transcripts, with dramatic differences in the diversity of expressed transcripts between prenatal and postnatal cortex. A large proportion of these previously uncharacterised transcripts have high coding potential, with corresponding peptides detected in proteomic data. Novel putative coding sequences are highly conserved and overlap de novo mutations in genes linked with neurodevelopmental disorders in individuals with relevant clinical phenotypes. Our findings underscore the potential of novel coding sequences to harbor clinically relevant variants, offering new insights into the genetic architecture of human disease. Our cortical transcript annotations are available as a resource to the research community via an online database.

Abstract Background Due to inter-individual variation in the cellular composition of the human cortex, it is essential that covariates that capture these differences are included in epigenome-wide association studies using bulk tissue. As experimentally derived cell counts are often unavailable, computational solutions have been adopted to estimate the proportion of different cell-types using DNA methylation data. Here, we validate and profile the use of an expanded reference DNA methylation dataset incorporating two neuronal- and three glial-cell subtypes for quantifying the cellular composition of the human cortex. Results We tested eight reference panels containing different combinations of neuronal- and glial-cell types and characterized their performance in deconvoluting cell proportions from computationally reconstructed or empirically-derived human cortex DNA methylation data. Our analyses demonstrate that these novel brain deconvolution models produce accurate estimates of cellular proportions from profiles generated on postnatal human cortex samples, they are not appropriate for the use in prenatal cortex or cerebellum tissue samples. Applying our models to an extensive collection of empirical datasets, we show that glial cells are twice as abundant as neuronal cells in the human cortex and identify significant associations between increased Alzheimer’s disease neuropathology and the proportion of specific cell types including a decrease in NeuNNeg/SOX10Neg nuclei and an increase of NeuNNeg/SOX10Pos nuclei. Conclusions Our novel deconvolution models produce accurate estimates for cell proportions in the human cortex. These models are available as a resource to the community enabling the control of cellular heterogeneity in epigenetic studies of brain disorders performed on bulk cortex tissue.

Abstract Induced pluripotent stem cells (iPSCs) and their differentiated neurons (iPSC-neurons) are a widely used cellular model in the research of the central nervous system. However, it is unknown how well they capture age-associated processes, particularly given that pluripotent cells are only present during the earliest stages of mammalian development. Epigenetic clocks utilize coordinated age-associated changes in DNA methylation to make predictions that correlate strongly with chronological age. It has been shown that the induction of pluripotency rejuvenates predicted epigenetic age. As existing clocks are not optimized for the study of brain development, we developed the fetal brain clock (FBC), a bespoke epigenetic clock trained in human prenatal brain samples in order to investigate more precisely the epigenetic age of iPSCs and iPSC-neurons. The FBC was tested in two independent validation cohorts across a total of 194 samples, confirming that the FBC outperforms other established epigenetic clocks in fetal brain cohorts. We applied the FBC to DNA methylation data from iPSCs and iPSC-derived neuronal precursor cells and neurons, finding that these cell types are epigenetically characterized as having an early fetal age. Furthermore, while differentiation from iPSCs to neurons significantly increases epigenetic age, iPSC-neurons are still predicted as being fetal. Together our findings reiterate the need to better understand the limitations of existing epigenetic clocks for answering biological research questions and highlight a limitation of iPSC-neurons as a cellular model of age-related diseases.

Abstract Development of the human pancreas requires the precise temporal control of gene expression via epigenetic mechanisms and the binding of key transcription factors. We quantified genome-wide patterns of DNA methylation in human fetal pancreatic samples from donors aged 6 to 21 post-conception weeks. We found dramatic changes in DNA methylation across pancreas development, with > 21% of sites characterized as developmental differentially methylated positions (dDMPs) including many annotated to genes associated with monogenic diabetes. An analysis of DNA methylation in postnatal pancreas tissue showed that the dramatic temporal changes in DNA methylation occurring in the developing pancreas are largely limited to the prenatal period. Significant differences in DNA methylation were observed between males and females at a number of autosomal sites, with a small proportion of sites showing sex-specific DNA methylation trajectories across pancreas development. Pancreas dDMPs were not distributed equally across the genome and were depleted in regulatory domains characterized by open chromatin and the binding of known pancreatic development transcription factors. Finally, we compared our pancreas dDMPs to previous findings from the human brain, identifying evidence for tissue-specific developmental changes in DNA methylation. This study represents the first systematic exploration of DNA methylation patterns during human fetal pancreas development and confirms the prenatal period as a time of major epigenomic plasticity.

Development of the human pancreas requires the precise temporal control of gene expression via epigenetic mechanisms and the binding of key transcription factors. We quantified genome-wide patterns of DNA methylation in human fetal pancreatic samples from donors aged 6 to 21 post-conception weeks. We found dramatic changes in DNA methylation across pancreas development, with >21% of sites characterized as developmental differentially methylated positions (dDMPs) including many annotated to genes associated with monogenic diabetes. An analysis of DNA methylation in postnatal pancreas tissue showed that the dramatic temporal changes in DNA methylation occurring in the developing pancreas are largely limited to the prenatal period. Significant differences in DNA methylation were observed between males and females at a number of autosomal sites, with a small proportion of sites showing sex-specific DNA methylation trajectories across pancreas development. Pancreas dDMPs were not distributed equally across the genome, with a depletion of developmentally-dynamic sites in regulatory domains characterized by open chromatin and the binding of known pancreatic development transcription factors. Finally, we compared our pancreas dDMPs to previous findings from the human brain, identifying some similarities but also tissue-specific developmental changes in DNA methylation. To our knowledge, this represents the most extensive exploration of DNA methylation patterns during human fetal pancreas development, confirming the prenatal period as a time of major epigenomic plasticity.

The onset and progression of Alzheimer's disease (AD) is characterized by increasing intracellular aggregation of hyperphosphorylated tau protein and accumulation of β-amyloid (Aβ) in the neocortex. Despite recent success in identifying genetic risk factors for AD the transcriptional mechanisms involved in disease progression are not fully understood. We used transgenic mice harbouring human tau (rTg4510) and amyloid precursor protein (J20) mutations to investigate transcriptional changes associated with the development of both tau and amyloid pathology. Using highly-parallel RNA sequencing we profiled transcriptional variation in the entorhinal cortex at four time points identifying robust genotype-associated differences in entorhinal cortex gene expression in both models. We quantified neuropathological burden across multiple brain regions in the same individual mice, identifying widespread changes in gene expression paralleling the development of tau pathology in rTg4510 mice. Differentially expressed transcripts included genes associated with familial AD from genetic studies of human patients, and genes annotated to both common and rare variants identified in GWAS and exome-sequencing studies of late-onset sporadic AD. Systems-level analyses identified discrete co-expression networks associated with the progressive accumulation of tau, with these enriched for genes and pathways previously implicated in the neuro-immunological and neurodegenerative processes driving AD pathology. Finally, we report considerable overlap between tau-associated networks and AD-associated co-expression modules identified in the human cortex. Our data provide further support for an immune-response component in the accumulation of tau, and reveal novel molecular pathways associated with the progression of AD neuropathology.