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.

Certain human traits such as neurodevelopmental disorders (NDs) and congenital anomalies (CAs) are believed to be primarily genetic in origin. With recent dramatic advances in genomic technologies, genome-wide surveys of cohorts of patients with ND/CAs for point mutations and structural variations have greatly advanced our understanding of their genetic etiologies. However, even after whole genome sequencing (WGS), a substantial fraction of such disorders remain unexplained. In contrast, the possibility that constitutive epigenetic variations (epivariations) might underlie such traits has not been well explored. We hypothesized that some cases of ND/CA are caused by aberrations of DNA methylation that lead to a dysregulation of normal genome function. By comparing DNA methylation profiles from 489 individuals with ND/CAs against 1,534 population controls, we identified epivariations as a frequent occurrence in the human genome. De novo epivariations were significantly enriched in cases when compared to controls. RNAseq data from population studies showed that epivariations often have an impact on gene expression comparable to loss-of-function mutations. Additionally, we detected and replicated an enrichment of rare sequence mutations overlapping CTCF binding sites close to epivariations. Thus, some epivariations occur secondary to cis-linked mutations in regulatory regions, providing a rationale for interpreting non-coding genetic variation. We propose that epivariations likely represent the causative genomic defect in 5-10% of patients with unexplained ND/CAs. This constitutes a yield comparable to CNV microarrays, and as such has significant diagnostic relevance.

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.

There is growing recognition that epivariations, most often recognized as promoter hypermethylation events that lead to gene silencing, are associated with a number of human diseases. However, little information exists on the prevalence and distribution of rare epigenetic variation in the human population. In order to address this, we performed a survey of methylation profiles from 23,116 individuals using the Illumina 450k array. Using a robust outlier approach, we identified 4,452 unique autosomal epivariations, including potentially inactivating promoter methylation events at 384 genes linked to human disease. For example, we observed promoter hypermethylation of BRCA1 and LDLR at population frequencies of ~1 in 3,000 and ~1 in 6,000 respectively, suggesting that epivariations may underlie a fraction of human disease which would be missed by purely sequence-based approaches. Using expression data, we confirmed that many epivariations are associated with outlier gene expression. Analysis of SNV data and monozygous twin pairs suggests that approximately two thirds of epivariations segregate in the population secondary to underlying sequence mutations, while one third are likely sproradic events that occur post-zygotically. We identified 25 loci where rare hypermethylation coincided with the presence of an unstable CGG tandem repeat, and validated the presence of novel CGG expansions at several of these, identifying the molecular defect underlying most of the known folate-sensitive fragile sites in the genome. Our study provides a catalog of rare epigenetic changes in the human genome, gives insight into the underlying origins and consequences of epivariations, and identifies many novel hypermethylated CGG repeat expansions.