Summary Cardiovascular disease is the leading cause of death worldwide. Advanced insights into disease mechanisms and strategies to improve therapeutic opportunities require deeper understanding of the molecular processes of the normal heart. Knowledge of the full repertoire of cardiac cells and their gene expression profiles is a fundamental first step in this endeavor. Here, using large-scale single cell and nuclei transcriptomic profiling together with state-of-the-art analytical techniques, we characterise the adult human heart cellular landscape covering six anatomical cardiac regions (left and right atria and ventricles, apex and interventricular septum). Our results highlight the cellular heterogeneity of cardiomyocytes, pericytes and fibroblasts, revealing distinct subsets in the atria and ventricles indicative of diverse developmental origins and specialized properties. Further we define the complexity of the cardiac vascular network which includes clusters of arterial, capillary, venous, lymphatic endothelial cells and an atrial-enriched population. By comparing cardiac cells to skeletal muscle and kidney, we identify cardiac tissue resident macrophage subsets with transcriptional signatures indicative of both inflammatory and reparative phenotypes. Further, inference of cell-cell interactions highlight a macrophage-fibroblast-cardiomyocyte network that differs between atria and ventricles, and compared to skeletal muscle. We expect this reference human cardiac cell atlas to advance mechanistic studies of heart homeostasis and disease.

Ever larger Structural Variant (SV) catalogs highlighting the diversity within and between populations help researchers better understand the links between SVs and disease. The identification of SVs from DNA sequence data is non-trivial and requires a balance between comprehensiveness and precision. Here we present a catalog of 355,667 SVs (59.34% novel) across autosomes and the X chromosome (50bp+) from 138,134 individuals in the diverse TOPMed consortium. We describe our methodologies for SV inference resulting in high variant quality and >90% allele concordance compared to long-read de-novo assemblies of well-characterized control samples. We demonstrate utility through significant associations between SVs and important various cardio-metabolic and hemotologic traits. We have identified 690 SV hotspots and deserts and those that potentially impact the regulation of medically relevant genes. This catalog characterizes SVs across multiple populations and will serve as a valuable tool to understand the impact of SV on disease development and progression.

SUMMARY The early limb bud consists of mesenchymal progenitors (limb progenitors) derived from the lateral plate mesoderm (LPM) that produce most of the tissues of the mature limb bud. The LPM also gives rise to the mesodermal components of the trunk, flank and neck. However, the mesenchymal cells generated at these other axial levels cannot produce the variety of cell types found in the limb bud, nor can they be directed to form a patterned appendage-like structure, even when placed in the context of the signals responsible for organizing the limb bud. Here, by taking advantage of a direct reprogramming approach, we find a set of factors (Prdm16, Zbtb16, and Lin28) normally expressed in the early limb bud, that are capable of imparting limb progenitor-like properties to non-limb fibroblasts. Cells reprogrammed by these factors show similar gene expression profiles, and can differentiate into similar cell types, as endogenous limb progenitors. The further addition of Lin41 potentiates proliferation of the reprogrammed cells while suppressing differentiation. These results suggest that these same four key factors may play pivotal roles in the specification of endogenous limb progenitors.

Abstract Multiple tools have been developed to identify copy number variants (CNVs) from whole exome (WES) and whole genome sequencing (WGS) data. Current tools such as XHMM for WES and CNVnator for WGS identify CNVs based on changes in read depth. For WGS, other methods to identify CNVs include utilizing discordant read pairs and split reads and genome-wide local assembly with tools such as Lumpy and SvABA, respectively. Here, we introduce a new method to identify deletion CNVs from WES and WGS trio data based on the clustering of Mendelian errors (MEs). Using our Mendelian Error Method (MEM), we identified 127 deletions (inherited and de novo ) in 2,601 WES trios from the Pediatric Cardiac Genomics Consortium, with a validation rate of 88% by digital droplet PCR. MEM identified additional de novo deletions compared to XHMM, and also identified sample switches, DNA contamination, a significant enrichment of 15q11.2 deletions compared to controls and eight cases of uniparental disomy. We applied MEM to WGS data from the Genome In A Bottle Ashkenazi trio and identified deletions with 97% specificity. MEM provides a robust, computationally inexpensive method for identifying deletions, and an orthogonal approach for verifying deletions called by other tools.

Motivation: De novo variant (DNV) calling typically relies on heuristic filters intrinsic to specific platforms and variant calling algorithms. FreeBayes and neural network approaches have overcome this limitation for variant calling, and we implemented a similar approach for DNV identification. Results: We developed a DNV calling framework that uses Genome Analysis Toolkit (GATK), FreeBayes and a neural network trained on Integrative Genomics Viewer pile-up plots (IGV-bot). We identified DNVs in 2,390 WGS trios and benchmarked results against heuristics based on GATK parameters. Results were validated in silico and with Sanger sequencing, with the latter showing true positive rates of 98.4% and 97.3% for SNVs and indels, respectively. Taken together, we describe a scalable framework for DNV identification based on both FreeBayes and neural network methods.

Telomeres shorten in replicating somatic cells and with age; in human leukocytes, telomere length (TL) is associated with a host of aging-related diseases. To date, 16 genome-wide association studies (GWAS) have identified twenty-three loci associated with leukocyte TL, but prior studies were primarily in individuals of European and Asian ancestry and relied on laboratory assays including Southern Blot and qPCR to quantify TL. Here, we estimated TL bioinformatically, leveraging whole genome sequencing (WGS) of whole blood from n=75,176 subjects in the Trans-Omics for Precision Medicine (TOPMed) Program. We performed the largest multi-ethnic and only WGS-based genome-wide association analysis of TL to date. We identified 22 associated loci (p-value <5x10-8), including 10 novel loci. Three of the novel loci map to genes involved in telomere maintenance and/or DNA damage repair: TERF2, RFWD3, and SAMHD1. Many of the 99 pathways identified in gene set enrichment analysis for the 22 loci (multiple-testing corrected false discovery rate (FDR) <0.05) pertain to telomere biology, including the top five (FDR<1x10-9). Importantly, several loci, including the recently identified TINF2 and ATM loci, showed strong ancestry-specific associations.