Abstract CRISPR/Cas9 based gene activation (CRISPRa) is an attractive tool for cellular reprogramming applications due to its high multiplexing capacity and direct targeting of endogenous loci. Here we present the reprogramming of primary human skin fibroblasts into induced pluripotent stem cells (iPSC) using CRISPRa, targeting endogenous OCT4 , SOX2 , KLF4 , MYC and LIN28A promoters. The basal reprogramming efficiency can be improved by an order of magnitude by additionally targeting a conserved Alu-motif, enriched near genes involved in embryo genome activation (EEA-motif). This effect is mediated in part by more efficient activation of NANOG and REX1 . These data constitute a proof of principle that somatic cells can be reprogrammed into iPSC using only CRISPRa. Furthermore, the results unravel previously uncharacterized involvement of EEA-motif-associated mechanisms in cellular reprogramming.

The population sex ratio is thought to be maintained through balancing selection on rare phenotypes. However, empirical evidence for genetic influence has thus far proven elusive. We combined 1000 Genomes data and large cohorts to study human sex ratios. We found underrepresentation of male offspring in preeclampsia, a serious pregnancy disorder with uncertain pathogenesis. Genetic variation of fetal human leukocyte antigen G (HLA-G), regulating maternal anti-fetal immune responses, was found to be under balancing selection. Sex-linked downregulation of HLA-G and upregulation of interferon alpha-1 (IFNA1) expression contribute to loss of fetal immunotolerance in preeclampsia and suggest hydroxychloroquine as a treatment option. Our findings indicate that an evolutionary trade-off between fetal immunotolerance and protection against infections promotes genetic diversity in HLA-G, thereby maintaining human sex ratios.

Pleomorphic adenoma gene 1 (PLAG1) is a transcription factor involved in cancer and growth. We discovered a de novo DNA motif containing a PLAG1 binding site in the promoters of genes activated during zygotic genome activation (ZGA) in human embryos. This motif was located within an Alu element in a region that was conserved in the murine B1 element. We show that maternally provided Plag1 is essential for timely mouse preimplantation embryo development. Heterozygous mouse embryos lacking maternal Plag1 showed disrupted regulation of 1,089 genes, spent significantly longer time in the 2-cell stage, and started expressing Plag1 ectopically from the paternal allele. The de novo PLAG1 motif was enriched in the promoters of the genes whose activation was delayed in the absence of Plag1. Further, these mouse genes showed a significant overlap with genes upregulated during human ZGA that also contain the motif. By gene ontology, the mouse and human ZGA genes with de novo PLAG1 motifs were involved in ribosome biogenesis and protein synthesis. Collectively, our data suggest that PLAG1 affects embryo development in mice and humans through a conserved DNA motif within Alu/B1 elements located in the promoters of a subset of ZGA genes.

Non-invasive prenatal testing (NIPT) enables accurate detection of fetal chromosomal trisomies. The majority of existing computational methods for sequencing-based NIPT analyses rely on low-coverage whole-genome sequencing (WGS) data and are not applicable for targeted high-coverage sequencing data from cell-free DNA samples. Here, we present a novel computational framework for a targeted high-coverage sequencing-based NIPT analysis. The developed methods use a hidden Markov model (HMM)-based approach in conjunction with supplemental machine learning methods, such as decision tree (DT) and support vector machine (SVM), to detect fetal trisomy and parental origin of additional fetal chromosomes. These methods were tested with simulated datasets covering a wide range of biologically relevant scenarios with various chromosomal quantities, parental origins of extra chromosomes, fetal DNA fractions and sequencing read depths. Consequently, we determined the functional feasibility and limitations of each proposed approach and demonstrated that read count-based HMM achieved the best overall classification accuracy of 0.89 for detecting fetal euploidies and trisomies. Furthermore, we show that by using the DT and SVM methods on the HMM state classification results, it was possible to increase the final trisomy classification accuracy to 0.98 and 0.99, respectively. We demonstrated that read count and allelic ratio-based models can achieve a high accuracy (up to 0.98) for detecting fetal trisomy even if the fetal fraction is as low as 2%. Currently existing methods require at least 4% fetal fraction, which can be an issue in the case of early gestational age (<10 weeks) or elevated maternal body mass index (>35 kg/m2). More accurate detection can be achieved at higher sequencing depth using HMM in conjunction with supplemental methods, which significantly improve the trisomy detection especially in borderline scenarios (e.g., very low fetal fraction) and can enable to perform NIPT even earlier than 10 weeks of pregnancy.

Abstract STUDY QUESTION What changes occur in the endometrium during aging, and do they impact fertility? SUMMARY ANSWER Both the transcriptome and cellular composition of endometrial samples from women of advanced maternal age (AMA) are significantly different from that of samples from young women, suggesting specific changes in epithelial cells that may affect endometrial receptivity. WHAT IS KNOWN ALREADY Aging is associated with the accumulation of senescent cells in aging tissues. Reproductive aging is mostly attributed to the decline in ovarian reserve and oocyte quality, whereas the endometrium is a unique complex tissue that is monthly renewed under hormonal regulation. Several clinical studies have reported lower implantation and pregnancy rates in oocyte recipients of AMA during IVF. Molecular studies have indicated the presence of specific mutations within the epithelial cells of AMA endometrium, along with altered gene expression of bulk endometrial tissue. STUDY DESIGN, SIZE, DURATION Endometrial transcriptome profiling was performed for 44 women undergoing HRT during the assessment of endometrial receptivity before IVF. Patients younger than 28 years were considered as the young maternal age (YMA) group (age 23–27 years) and women older than 45 years were considered as the AMA group (age 47–50 years). Endometrial biopsies were obtained on Day 5 of progesterone treatment and RNA was extracted. All endometrial samples were evaluated as being receptive based on the expression of 68 common endometrial receptivity markers. Endometrial samples from another 24 women classified into four age groups (YMA, intermediate age group 1 (IMA1, age 29–35), intermediate age group 2 (IMA2, age 36–44), and AMA) were obtained in the mid-secretory stage of a natural cycle (NC) and used for validation studies across the reproductive lifespan. PARTICIPANTS/MATERIALS, SETTING, METHODS A total of 24 HRT samples (12 YMA and 12 AMA) were subject to RNA sequencing (RNA-seq) and differential gene expression analysis, 20 samples (10 YMA and 10 AMA) were used for qPCR validation, and 24 NC samples (6 YMA, 6 IMA1, 6 IMA2 and 6AMA) were used for RNA-seq validation of AMA genes across the woman’s reproductive lifespan. Immunohistochemistry (IHC) was used to confirm some expression changes at the protein level. Computational deconvolution using six endometrial cell type-specific transcriptomic profiles was conducted to compare the cellular composition between the groups. MAIN RESULTS AND THE ROLE OF CHANCE Comparisons between YMA and AMA samples identified a lower proportion of receptive endometria in the AMA group (P = 0.007). Gene expression profiling identified 491 differentially expressed age-sensitive genes (P adj &lt; 0.05) that revealed the effects of age on endometrial epithelial growth and receptivity, likely contributing to decreased reproductive performance. Our results indicate that changes in the expression of the cellular senescence marker p16INK4a and genes associated with metabolism, inflammation, and hormone response are involved in endometrial aging. Importantly, we demonstrate that the proportion of multi-ciliated cells, as discovered based on RNA-seq data deconvolution and tissue IHC results, is affected by endometrial aging, and propose a putative onset of age-related changes. Furthermore, we propose that aging has an impact on the transcriptomic profile of endometrial tissue in the context of endometrial receptivity. LARGE SCALE DATA The raw sequencing data reported in this article are deposited at the Gene Expression Omnibus under accession code GSE236128. LIMITATIONS, REASONS FOR CAUTION This retrospective study identified changes in the endometrium of patients undergoing hormonal replacement and validated these changes using samples obtained during a NC. However, future studies must clarify the importance of these findings on the clinical outcomes of assisted reproduction. WIDER IMPLICATIONS OF THE FINDINGS The findings reported in this study have important implications for devising future strategies aimed at improving fertility management in women of advanced reproductive age. STUDY FUNDING/COMPETING INTEREST(S) This research was funded by the Estonian Research Council (grant no. PRG1076), Horizon 2020 innovation grant (ERIN, grant no. EU952516), Enterprise Estonia (grant no. EU48695), MSCA-RISE-2020 project TRENDO (grant no. 101008193), EU 874867 project HUTER, the Horizon Europe NESTOR grant (grant no. 101120075) of the European Commission, the EVA specialty program (grant no. KP111513) of the Maastricht University Medical Center (MUMC+), MICIU/AEI/10.13039/501100011033 and FEDER, EU projects Endo-Map (grant no. PID2021-12728OB-100), ROSY (grant no. CNS2022-135999), and the National Science Fund of Bulgaria (grant no. KII-06 H31/2). The authors declare no competing interests.

STUDY QUESTION: Does cellular composition of the endometrial biopsy affect the gene expression profile of endometrial whole-tissue samples? SUMMARY ANSWER: The differences in epithelial and stromal cell proportions in endometrial biopsies modify whole-tissue gene expression profiles, and also affect the results of differential expression analysis. WHAT IS ALREADY KNOWN: Each cell type has its unique gene expression profile. The proportions of epithelial and stromal cells vary in endometrial tissue during the menstrual cycle, along with individual and technical variation due to the way and tools used to obtain the tissue biopsy. STUDY DESIGN, SIZE, DURATION: Using cell-population specific transcriptome data and computational deconvolution approach, we estimated the epithelial and stromal cell proportions in whole-tissue biopsies taken during early secretory and mid-secretory phases. The estimated cellular proportions were used as covariates in whole-tissue differential gene expression analysis. Endometrial transcriptomes before and after deconvolution were compared and analysed in biological context. PARTICIPANTS/MATERIAL, SETTING, METHODS: Paired early and mid-secretory endometrial biopsies were obtained from thirty-five healthy, regularly cycling, fertile volunteers, aged 23 to 36 years, and analysed by RNA sequencing. Differential gene expression analysis was performed using two approaches. In one of them, computational deconvolution was applied as an intermediate step to adjust for epithelial and stromal cells' proportions in endometrial biopsy. The results were then compared to conventional differential expression analysis. MAIN RESULTS AND THE ROLE OF CHANCE: The estimated average proportions of stromal and epithelial cells in early secretory phase were 65% and 35%, and during mid-secretory phase 46% and 54%, respectively, that correlated well with the results of histological evaluation (r=0.88, p=1.1 × 10-6). Endometrial tissue transcriptomic analysis showed that approximately 26% of transcripts (n=946) differentially expressed in receptive endometrium in cell-type unadjusted analysis also remain differentially expressed after adjustment for biopsy cellular composition. However, the other 74% (n=2,645) become statistically non-significant after adjustment for biopsy cellular composition, underlining the impact of tissue heterogeneity on differential expression analysis. The results suggest new mechanisms involved in endometrial maturation involving genes like LINC01320, SLC8A1 and GGTA1P, described for the first time in context of endometrial receptivity. LIMITATIONS, REASONS FOR CAUTION: Only dominant endometrial cell types were considered in gene expression profile deconvolution; however, other less frequent endometrial cell types also contribute to the whole-tissue gene expression profile. WIDER IMPLICATIONS OF THE FINDINGS: The better understanding of molecular processes during transition from pre-receptive to receptive endometrium serves to improve the effectiveness and personalization of assisted reproduction protocols. Biopsy cellular composition should be taken into account in future endometrial 'omics' studies, where tissue heterogeneity could potentially influence the results.

During the human oocyte-to-embryo transition, the fertilized oocyte undergoes final maturation and the embryo genome is gradually activated during the first three cell divisions. How this transition is coordinated in humans is largely unknown. We show that the double homeodomain transcription factor DUX4 contributes to this transition. DUX4 knockdown in human zygotes caused insufficient transcriptome reprogramming as observed three days after fertilization. Induced DUX4 expression in human embryonic stem cells activated transcription of thousands of newly identified bi-directional transcripts, including putative enhancers for embryonic genome activation genes such as LEUTX. DUX4 protein interacted with transcriptional modifiers that are known to couple enhancers and promoters. Taken together, our results reveal that DUX4 is a pioneer regulating oocyte-to-embryo transition in human through activation of intergenic genome, especially enhancers, and hence setting the stage for early human embryo development.

Abstract Honeybees are effective environmental monitors due to their long-range foraging activities. Their hive products, particularly honey, reflect the environment of honeybees and honey production. Honey’s DNA mixture originates from various organismal groups like plants, arthropods, fungi, bacteria, and viruses. Conventional methods like melissopalynological analysis and targeted honey DNA metabarcoding offer a limited view of honey’s composition. We conducted a honey bulk DNA metagenomic analysis of 266 Estonian and 103 foreign centrifugally-extracted honey samples collected between 2020 and 2023. Honey bulk DNA was extracted, prepared, and massively parallel sequenced without the selection of preliminary target gene(s). Millions of honey-origin DNA sequences were analyzed by the taxonomic sequence classifier Kraken 2 to characterize the honey’s taxonomic composition and by the Bracken statistical method to identify honeybee pathogens and parasites. In Estonian honey, 70.4% of the bulk DNA was derived from green plant families like Brassicaceae , Rosaceae , Fabaceae , Pinaceae , and Salicaceae . Geographical distribution analysis revealed distinct botanical compositions between Estonian mainland and island samples, although the most prevalent plant genera in honey were Brassica, Picea, Trifolium, Rubus, and Salix . The bacterial family Lactobacillaceae was prevalent overall, reflecting the leading proportion of DNA from honeybee microbiota in honey. Honey bulk DNA analysis reveals all DNA traces from other organisms that reflect the environment of honey production, e.g. honeybees, humans, bacteria, yeasts, domestic animals, and DNA viruses. We detected 12 honeybee pathogens and parasites, including Paenibacillus larvae , Melissococcus plutonius, Nosema ceranae, Varroa destructor , and Aethina tumida . In conclusion, comprehensive honey bulk DNA metagenomic analysis highlights honey’s diverse biological composition, including microbial, fungal, botanical, animal and pathogenic elements. The findings align with previous studies and reveal geographical variations in honey composition. The study underscores the potential of bulk DNA-based and non-targeted metagenomic approaches for monitoring honeybee health, environmental quality, and honey composition, origin, and authenticity.