Abstract The proteome holds great potential as an intermediate layer between the genome and phenome. Previous protein quantitative trait locus studies have focused mainly on describing the effects of common genetic variations on the proteome. Here, we assessed the impact of the common and rare genetic variations as well as the copy number variants (CNVs) on 326 plasma proteins measured in up to 500 individuals. We identified 184 cis and 94 trans signals for 157 protein traits, which were further fine-mapped to credible sets for 101 cis and 87 trans signals for 151 proteins. Rare genetic variation contributed to the levels of 7 proteins, with 5 cis and 14 trans associations. CNVs were associated with the levels of 11 proteins (7 cis and 5 trans ), examples including a 3q12.1 deletion acting as a hub for multiple trans associations; and a CNV overlapping NAIP , a sensor component of the NAIP-NLRC4 inflammasome which is affecting pro-inflammatory cytokine interleukin 18 levels. In summary, this work presents a comprehensive resource of genetic variation affecting the plasma protein levels and provides the interpretation of identified effects.

Background: Conus consors is a fish-hunting cone snail that lives in the tropical waters of the Indo-Pacific region. Cone snails have attracted scientific interest for the amazing potency of their venom, which consists of a complex mixture of small proteins known as conopeptides, many of which act as ion channel and receptor modulators with high selectivity. Results: We have analysed publicly available transcriptomic sequences from 8 tissues of Conus consors and complemented the transcriptome data with the data from genomic DNA reads. We identified 17,715 full-length protein sequences from the transcriptome. In addition, we predicted 168 full-length or partial conopeptide sequences and characterized gene structures of several conopeptide superfamilies.

Targeted next-generation sequencing based biomarker detection methods have become essential for biomedical diagnostics. In addition to their sensitivity and high-throughput capacity, absolute molecule counting based on unique molecular identifier (UMI) has high potential to increase biomarker detection accuracy even further through the reduction of systematic technical biases. Here, we present TAC-seq, a simple and cost-effective targeted allele counting by sequencing method that uses UMIs to estimate the original molecule counts of different biomarker types like mRNAs, microRNAs and cell-free DNA. We applied TAC-seq in three different applications and compared the results with standard sequencing technologies. RNA samples extracted from human endometrial biopsies were analyzed using previously described 57 mRNA-based receptivity biomarkers and 49 selected microRNAs at different expression levels. Cell-free DNA aneuploidy testing was based on cell line (47,XX,+21) genomic DNA. TAC-seq mRNA biomarker profiling showed identical clustering results to full transcriptome RNA sequencing, and microRNA detection demonstrated significant reduction in amplification bias, allowing to determine minor expression changes between different samples that remained undetermined by standard sequencing. The mimicking experiment for cell-free DNA fetal aneuploidy analysis showed that TAC-seq can be applied to count highly fragmented DNA, detecting significant (p=4.8×10-11) excess of molecules in case of trisomy 21. Based on three proof-of-principle applications we show that TAC-seq is a highly accurate and universal method for targeted nucleic acid biomarker profiling.

Abstract The normal menstrual cycle requires a delicate interplay between the hypothalamus, pituitary, and ovary. Therefore, its length is an important indicator of female reproductive health. Menstrual cycle length has been shown to be partially controlled by genetic factors, especially in the follicle stimulating hormone beta-subunit ( FSHB ) locus. GWAS meta-analysis of menstrual cycle length in 44,871 women of European ancestry confirmed the previously observed association with the FSHB locus and identified four additional novel signals in, or near, the GNRH1, PGR, NR5A2 and INS-IGF2 genes. These findings confirm the role of the hypothalamic-pituitary-gonadal axis in the genetic regulation of menstrual cycle length, but also highlight potential novel local regulatory mechanisms, such as those mediated by IGF2 .