ABSTRACT Introduction Biomedical research has grown increasingly cooperative, with several large consortia compiling and sharing epigenomic data. Since data are typically preprocessed by consortia prior to distribution, the implementation of new pipelines can lead to different versions of the same dataset. Analytic frameworks also constantly evolve to incorporate cutting-edge methods and shifting best practices. However, it remains unknown how differences in data and analytic versions alter the results of epigenome-wide analyses, which has broad implications for the replicability of epigenetic associations. Thus, we assessed the impact of these changes using a subsample of the Avon Longitudinal Study of Parents and Children (ALSPAC) cohort. Methods We analyzed two versions of DNA methylation data, processed using separate preprocessing and analytic pipelines, to examine associations between childhood adversity and prenatal smoking exposure on DNA methylation at age 7. We performed two sets of analyses: (1) epigenome-wide association studies (EWAS); (2) Structured Life Course Modeling Approach (SLCMA), a two-stage method that models time-dependent effects. We also compared results from the SLCMA using more recent methodological recommendations. Results Differences between ALSPAC data versions impacted both EWAS and SLCMA analyses, yielding different sets of associations at conventional p-value thresholds. However, the magnitude and direction of associations was generally consistent between data versions, regardless of significance thresholds. Updating the SLCMA analytic version similarly altered top associations, but time-dependent effects remained concordant. Conclusions Changes to data and analytic versions influenced the results of epigenome-wide studies, particularly when using p-value thresholds as reference points for successful replication and stability.

Abstract Pinpointing genetic impacts on DNA methylation can improve our understanding of pathways that underlie gene regulation and disease risk. We report heritability and methylation quantitative trait locus (meQTL) analysis at 724,499 CpGs profiled with the Illumina Infinium MethylationEPIC array in 2,358 blood samples from three UK cohorts, with replication. Methylation levels at 34.2% of CpGs were affected by SNPs, and 98% of effects were cis -acting or within 1 Mbp of the tested CpG. Our results are consistent with meQTL analyses based on the former Illumina Infinium HumanMethylation450 array. Both meQTL SNPs and CpGs with meQTLs were overrepresented in enhancers, which have improved coverage on this platform compared to previous approaches. Co-localisation analyses across genetic effects on DNA methylation and 56 human traits identified 1,520 co-localisations across 1,325 unique CpGs and 34 phenotypes, including in disease-relevant genes, such ICOSLG (inflammatory bowel disease), and USP1 and DOCK7 (total cholesterol levels). Enrichment analysis of meQTLs and integration with expression QTLs gave insights into mechanisms underlying cis -meQTLs, for example through disruption of transcription factor binding sites for CTCF and SMC3, and trans -meQTLs, for example through regulating the expression of ACD and SENP7 which can modulate DNA methylation at distal sites. Our findings improve the characterisation of the mechanisms underlying DNA methylation variability and are informative for prioritisation of GWAS variants for functional follow-ups. A results database and viewer are available online.

Abstract Variation in DNA methylation (DNAm) is associated with multiple biological processes that track growth and development, ageing and age-related diseases. However, there is little understanding of what constitutes typical patterns of DNAm variation and how these patterns change across the life course. In this study, we synthesised a map of the human methylome across the life course, focussing on changes in variability and mean DNAm. Harmonizing DNAm datasets across eight longitudinal and cross-sectional UK-based studies, we meta-analysed n=13,215 blood samples from n=7,037 unique individuals from birth to 98 years of age. Changes in CpG-specific variability and means were described across the life course using a meta-regression framework. CpG-specific associations of variability or mean DNAm in relation to the likelihood of association with 100 traits linked to environmental exposures, health and disease were tested within and across ten developmental age bins across the life course. Age was linked to DNAm variability at 29,212 CpG sites. On average, we observed a 1.26 fold increase in DNAm variability per year across the life course. 33,730 CpGs displayed changes in mean DNAm, with 64% of these loci showing decreases in DNAm over time. CpG sites linked to traits were in general more variable across the life course. Our study provides, for the first time, a map of the human methylome across the life course, which is publicly accessible through a searchable online database. This resource allows researchers to query CpG-specific trajectories from birth to old age and link these to health and disease.

Abstract DNA methylation profiles of aggressive behavior may capture lifetime cumulative effects of genetic, stochastic, and environmental influences associated with aggression. Here, we report the first large meta-analysis of epigenome-wide association studies (EWAS) of aggressive behavior (N=15,324 participants). In peripheral blood samples of 14,434 participants from 18 cohorts with mean ages ranging from 7 to 68 years, 13 methylation sites were significantly associated with aggression (alpha=1.2×10 −7 ; Bonferroni correction). In cord blood samples of 2,425 children from five cohorts with aggression assessed at mean ages ranging from 4 to 7 years, 83% of these sites showed the same direction of association with childhood aggression ( r =0.74, p=0.006) but no epigenome-wide significant sites were found. Top-sites (48 at a false discovery rate of 5% in the peripherl blood meta-analysis or in a combined meta-analysis of peripheral blood and cord blood) have been associated with chemical exposures, smoking, cognition, metabolic traits, and genetic variation (mQTLs). Three genes whose expression levels were associated with top-sites were previously linked to schizophrenia and general risk tolerance. At six CpGs, DNA methylation variation in blood mirrors variation in the brain. On average 44% (range=3-82%) of the aggression–methylation association was explained by current and former smoking and BMI. These findings point at loci that are sensitive to chemical exposures with potential implications for neuronal functions. We hope these results to be a starting point for studies leading to applications as peripheral biomarkers and to reveal causal relationships with aggression and related traits.

Abstract Background DNA methylation (DNAm) is an epigenetic mark that can be used to understand interindividual variability in genomic regulation, and it is influenced by many genetic and environmental factors. Co-methylation between DNAm sites is a known phenomenon but the full architecture of relationships between the approximately 450,000 (450k) sites most commonly measured in epidemiological studies has not been described. We investigate whether the cis and trans interindividual co-methylation structure amongst the 450k sites changes across the lifecourse, whether it differs between UK-born White and Pakistani individuals, and how it may be related to genome regulation. Results We find stability across the life course (birth to adolescence), across cohorts, and between two ethnic groups. Highly correlated DNAm sites in close proximity are highly heritable, influenced by nearby genetic variants ( cis mQTLs), and are enriched for transcription factor (TF) binding sites related to regulation of short RNAs essential for cellular function transcribed by RNA polymerase III. Highly correlated sites that are either distant, or on different chromosomes, are driven by both common and unique environmental factors, and methylation at these sites is less likely to be driven by genotype. They are enriched for a multitude of TF binding sites and for inter-chromosomal chromatin contact sites, suggesting that DNA co-methylation of distant sites may be related to long-range cooperative TF interactions. Conclusions We conclude that DNA co-methylation, especially in cis , has a stable structure from birth to adolescence and between white British and Pakistani individuals. We hypothesise that co-methylation may have roles in genome regulation in humans, including 3D chromatin architecture. The stable structure we have identified might have implications for the future design and interpretation of epigenetic studies.

Abstract Major depressive disorder (MDD) is a common, heterogenous, and potentially serious psychiatric illness. Diverse brain cell types have been implicated in MDD etiology. Significant sexual differences exist in MDD clinical presentation and outcome, and recent evidence suggests different molecular bases for male and female MDD. We evaluated over 160,000 nuclei from 71 female and male donors, leveraging new and pre-existing single-nucleus RNA-sequencing data from the dorsolateral prefrontal cortex. Cell type specific transcriptome-wide threshold-free MDD-associated gene expression patterns were similar between the sexes, but significant differentially expressed genes (DEGs) diverged. Among 7 broad cell types and 41 clusters evaluated, microglia and parvalbumin interneurons contributed the most DEGs in females, while deep layer excitatory neurons, astrocytes, and oligodendrocyte precursors were the major contributors in males. Further, the Mic1 cluster with 38% of female DEGs and the ExN10_L46 cluster with 53% of male DEGs, stood out in the meta-analysis of both sexes.

Background: DNA methylation is associated with body mass index (BMI), but it is not clear if methylation scores are biomarkers for extant BMI, or predictive of future BMI. Here we explore the causal nature and predictive utility of DNA methylation measured in peripheral blood with BMI and cardiometabolic traits. Methods: Analyses were conducted across the life course using the ARIES cohort of mothers (n=792) and children (n=906), for whom DNA methylation and genetic profiles and BMI at multiple time points (3 in children at birth, in childhood and in adolescence, 2 in mothers during pregnancy and in middle age) were available. Genetic and DNA methylation scores for BMI were derived using published associations between BMI and DNA methylation and genotype. Causal relationships between methylation and BMI were assessed using Mendelian randomisation and cross-lagged models. Results: The DNA methylation scores in adult women explained 10% of extant BMI variance. However, less extant variance was explained by scores generated in the same women during pregnancy (2% BMI variance) and in older children (15-17 years; 3% BMI variance). Similarly, little extant variance was explained in younger children (at birth and at 7 years; 1% and 2%, respectively). These associations remained following adjustment for smoking exposure and education levels. The DNA methylation score was found to be a poor predictor of future BMI using linear and cross-lagged models, suggesting that DNA methylation variation does not cause later variation in BMI. However, there was some evidence to suggest that BMI is predictive of later DNA methylation. Mendelian randomisation analyses also support this direction of effect, although evidence is weak. Finally, we find that DNA methylation scores for BMI are associated with extant cardiometabolic traits independently of BMI and genetic score. Conclusion: The age-specific nature of DNA methylation associations with BMI, lack of causal relationship, and limited predictive ability of future BMI, indicate that DNA methylation is likely influenced by BMI and might more accurately be considered a biomarker of BMI and related outcomes than a predictor. Future epigenome-wide association studies may benefit from further examining associations between early DNA methylation and later health outcomes.

Background: Experiencing multiple adverse childhood experiences (ACE) is a risk factor for many adverse outcomes. However, the role of family and socioeconomic factors in these associations is often overlooked. Methods and findings: Using data from the Avon Longitudinal Study of Parents and Children, we assess associations of ACE between birth and 16 years (sexual, physical or emotional abuse, emotional neglect, parental substance abuse, parental mental illness or suicide attempt, violence between parents, parental separation, bullying, and parental criminal conviction) with educational attainment at 16 years (n=9,959) and health at age 17 years (depression, obesity, harmful alcohol use, smoking and illicit drug use, n=4,917). We explore the extent to which associations are robust to adjustment for family and socioeconomic factors, whether associations differ according to socioeconomic factors, and estimate the proportion of adverse educational and health outcomes attributable to ACE, family or socioeconomic measures. There were strong associations of ACE with lower educational attainment and higher risk of depression, drug use and smoking. Associations with educational attainment attenuated after adjustment but remained strong. Associations with depression, drug use and smoking were not altered by adjustment. Associations of ACE with harmful alcohol use and obesity were weak. We found no evidence that associations differed by socioeconomic factors. Between 5-15% of the cases of adverse educational and health outcomes occur amongst people experiencing 4+ ACE, and between 1-19% occur in people whose mothers have a low level of education. Conclusions: This study demonstrates strong associations between ACE and lower educational attainment and worse health that are independent of family and socioeconomic factors. Our findings imply that interventions that focus solely on ACE or solely on socioeconomic deprivation, whilst beneficial, would miss most cases of adverse educational and health outcomes. Intervention strategies should therefore target a wide range of relevant factors, including ACE, socioeconomic deprivation, parental substance use and mental health.

Major depressive disorder (MDD) is a complex illness that involves the interaction of different brain systems, pathways, and cell types. Past molecular studies of MDD relied on cellular homogenates of post-mortem brain tissue, making it impossible to determine gene expression changes within individual cells. Using single-cell transcriptomics, we examined almost 80,000 nuclei from the dorsolateral prefrontal cortex of individuals with MDD and healthy controls. Our analyses identified 26 distinct cellular clusters, and over 60% of these showed transcriptional differences between groups. Specifically, 96 genes were differentially expressed, the majority of which were downregulated. Convergent evidence from our analyses, including gene expression, differential correlation, and gene ontology implicated dysregulation of synaptic plasticity in the etiopathogenesis of MDD. Our results show that this high-resolution approach can reveal previously undetectable changes in specific cell types in the context of complex phenotypes and heterogeneous tissues.

Abstract Background DNA methylation (DNAm) is commonly assayed using the Illumina Infinium MethylationEPIC BeadChip, but there is currently little published evidence to define the lower limits of the amount of DNA that can be used whilst preserving data quality. Such evidence is valuable for analyses utilising precious or limited DNA sources. Materials and methods We use a single pooled sample of DNA in quadruplicate at three dilutions to define replicability and noise, and an independent population dataset of 328 individuals (from a community-based study including US-born non-Hispanic Black and white persons) to assess the impact of total DNA input on the quality of data generated using the Illumina Infinium MethylationEPIC BeadChip. Results Data are less reliable and more noisy as DNA input decreases to 40ng, with clear reductions in data quality; however samples with a total input as low as 40ng pass standard quality control tests, and we observe little evidence that low input DNA obscures the associations between DNAm and two phenotypes, age and smoking status. Conclusions DNA input as low as 40ng can be used with the Illumina Infinium MethylationEPIC BeadChip, provided quality checks and sensitivity analyses are undertaken.