For nearly a century developmental biologists have recognized that cells from embryos can differ in their potential to differentiate into distinct cell types. Recently, it has been recognized that embryonic stem cells derived from both mice and humans exhibit two stable yet epigenetically distinct states of pluripotency: naive and primed. We now show that nicotinamide N-methyltransferase (NNMT) and the metabolic state regulate pluripotency in human embryonic stem cells (hESCs). Specifically, in naive hESCs, NNMT and its enzymatic product 1-methylnicotinamide are highly upregulated, and NNMT is required for low S-adenosyl methionine (SAM) levels and the H3K27me3 repressive state. NNMT consumes SAM in naive cells, making it unavailable for histone methylation that represses Wnt and activates the HIF pathway in primed hESCs. These data support the hypothesis that the metabolome regulates the epigenetic landscape of the earliest steps in human development. By comparing the metabolomes, transcriptomes and epigenomes of human pluripotent stem cell lines, Sperber et al. show that interplay between the metabolome and histone modifications drives the metabolic switch from naive to primed pluripotency.

Abstract Mitochondrial DNA (mtDNA) has an important, yet often overlooked, role in health and disease. Constraint models quantify the removal of deleterious variation from the population by selection, representing a powerful tool for identifying genetic variation underlying human phenotypes 1–4 . However, a constraint model for the mtDNA has not been developed, due to its unique features. Here we describe the development of a mitochondrial constraint model and its application to the Genome Aggregation Database (gnomAD), a large-scale population dataset reporting mtDNA variation across 56,434 humans 5 . Our results demonstrate strong depletion of expected variation, suggesting most deleterious mtDNA variants remain undiscovered. To aid their identification, we compute constraint metrics for every mitochondrial protein, tRNA, and rRNA gene, revealing a spectrum of intolerance to variation. We characterize the most constrained regions within genes via regional constraint, and positions across the entire mtDNA via local constraint, showing their enrichment in pathogenic variation and functionally critical sites, including topological clustering in 3D protein and RNA structures. Notably, we identify constraint at often overlooked sites, such as rRNAs and non-coding regions. Lastly, we demonstrate how these metrics can improve the discovery of mtDNA variation underlying rare and common human phenotypes.

Mitochondrial DNA copy number (mtDNA-CN) is a proxy for mitochondrial function and has been of increasing interest to the mitochondrial research community. There are a number of ways to measure mtDNA-CN, ranging from qPCR to whole genome sequencing [1]. A recent article in the Journal of Molecular Diagnostics [2] described a novel method for measuring mtDNA-CN that is both inexpensive and reproducible. After adapting the assay for use in our lab, we have found it to be reproducible and well-correlated with mtDNA-CN derived from whole genome sequencing. However, certain individuals show poor concordance between the two measures, particularly individuals with qPCR mtDNA-CN measurements >3 standard deviations below the sample mean, which corresponds to roughly 1% of assayed individuals (Figure 1). After examining whole genome sequencing data, this seems to be due to specific polymorphisms within the D-loop primer region, at positions MT 338, 340, 452, 457, 458, 460, 461, 466, and 467. All individuals with a variant in at least one of these positions have non-concordant mtDNA-CN measurements. Meanwhile, variants observed at other positions within the primer region do not appear to cause dropout.

Abstract Amyotrophic lateral sclerosis (ALS) is a fatal neurodegenerative disease. Selective vulnerability of energy-intensive motor neurons (MNs) has fostered speculation that mitochondrial function is a determinant of ALS. Previously, the position of mitochondrial function in the pathogenic cascade leading to neurotoxicity has been unclear. We separated upstream genetic determinants of mitochondrial function, including genetic variation within the mitochondrial genome or autosomes; from downstream changeable factors including mitochondrial copy number (mtCN) and MN gene expression. We discovered that functionally validated mitochondrial haplotypes are a determinant of ALS survival but not ALS risk. Loss-of-function genetic variants within, and reduced MN expression of, ACADM and DNA2 lead to shorter ALS survival; both genes impact mitochondrial function. MtCN responds dynamically to the onset of ALS independent of mitochondrial haplotype, and is also significantly correlated with disease severity. We conclude that mitochondrial function impacts ALS progression but not risk; our findings have therapeutic implications.

ABSTRACT During mammalian embryogenesis changes in morphology and gene expression are concurrent with epigenomic reprogramming. Using human embryonic stem cells representing the pre-implantation blastocyst (naïve) and post-implantation epiblast (primed), our data demonstrate that a substantial portion of known human enhancers are pre-marked by H3K4me1 in naïve cells, providing an enhanced open chromatin state in naïve pluripotency. The naïve enhancer repertoire occupies nine percent of the genome, three times that of primed cells, and can exist in broad chromatin domains over fifty kilobases. Enhancer chromatin states are largely poised. Seventy-seven percent of naïve enhancers are decommissioned in a stepwise manner as cells become primed. While primed topological associated domains are unaltered upon differentiation, naïve domains expand across primed boundaries, impacting three dimensional genome architecture. Differential topological associated domain edges coincide with naïve H3K4me1 enrichment. Our results suggest that naïve-derived cells have a chromatin landscape reflective of early embryogenesis.

Oocyte maturation is a coordinated process that is tightly linked to reproductive potential. A better understanding of gene regulation during human oocyte maturation will not only answer an important question in biology, but also facilitate the development of in vitro maturation technology as a fertility treatment. We generated single-cell transcriptome and use our previously published single-cell methylome data from human oocytes at different maturation stages to investigate how genes are regulated during oocyte maturation, focusing on the potential regulatory role of non-CG methylation. DNMT3B, a gene encoding a key non-CG methylation enzyme, is one of the 1000 genes upregulated in mature oocytes, which may be at least partially responsible for the increased non-CG methylation as oocytes mature. Non-CG differentially methylated regions (DMRs) between mature and immature oocytes have multiple binding motifs for transcription factors, some of which bind with DNMT3B and may be important regulators of oocyte maturation through non-CG methylation. Over 98% of non-CG DMRs locate in transposable elements, and these DMRs are correlated with expression changes of the nearby genes. Taken together, this data indicates that global non-CG hypermethylation during oocyte maturation may play an active role in gene expression regulation, potentially through the interaction with transcription factors.

Background: Discovering patient subtypes and molecular drivers of a subtype are difficult and driving problems underlying most modern disease expression studies collected across patient populations. Expression patterns conserved across multiple expression datasets from independent disease studies are likely to represent important molecular events underlying the disease. Methods: We present the INSPIRE (INferring Shared modules from multiPle gene expREssion datasets) method to infer highly coherent and robust modules of co-expressed genes and the dependencies among the modules from multiple expression datasets. Focusing on inferring modules and their dependencies conserved across multiple expression datasets is important for several reasons. First, using multiple datasets will increase the power to detect robust and relevant patterns (modules and dependencies among modules). Second, INSPIRE enables the use of multiple datasets that contain different sets of genes due to, e.g., the difference in microarray platforms. Many methods designed for expression data analysis cannot integrate multiple datasets with variable discrepancy to infer a single combined model, whereas INSPIRE can naturally model the dependencies among the modules even when a large proportion of genes are not observed on a certain platform. Results: We evaluated INSPIRE on synthetically generated datasets with known underlying network structure among modules, and gene expression datasets from multiple ovarian cancer studies. We show that the model learned by INSPIRE can explain unseen data better and can reveal prior knowledge on gene functions more accurately than alternative methods. We demonstrate that applying INSPIRE to nine ovarian cancer datasets leads to the identification of a new marker and potential molecular driver of tumor-associated stroma - HOPX. We also demonstrate that the HOPX module strongly overlaps with the genes defining the mesenchymal patient subtype identified in The Cancer Genome Atlas (TCGA) ovarian cancer data. We provide evidence for a previously unknown molecular basis of tumor resectability efficacy involving tumor-associated mesenchymal stem cells represented by HOPX. Conclusions: INSPIRE extracts a low-dimensional description from multiple gene expression data, which consists of modules and their dependencies. The discovery of a new tumor-associated stroma marker, HOPX, and its module suggests a previously unknown mechanism underlying tumor-associated stroma.