MicroRNAs are a class of small RNAs that are increasingly being recognized as important regulators of gene expression. Although hundreds of microRNAs are present in the mammalian genome, genetic studies addressing their physiological roles are at an early stage. We have shown that mice deficient for bic/microRNA-155 are immunodeficient and display increased lung airway remodeling. We demonstrate a requirement of bic/microRNA-155 for the function of B and T lymphocytes and dendritic cells. Transcriptome analysis of bic/microRNA-155 –deficient CD4 + T cells identified a wide spectrum of microRNA-155–regulated genes, including cytokines, chemokines, and transcription factors. Our work suggests that bic/microRNA-155 plays a key role in the homeostasis and function of the immune system.

microRNA-155 (miR-155) is expressed by cells of the immune system after activation and has been shown to be required for antibody production after vaccination with attenuated Salmonella. Here we show the intrinsic requirement for miR-155 in B cell responses to thymus-dependent and -independent antigens. B cells lacking miR-155 generated reduced extrafollicular and germinal center responses and failed to produce high-affinity IgG1 antibodies. Gene-expression profiling of activated B cells indicated that miR-155 regulates an array of genes with diverse function, many of which are predicted targets of miR-155. The transcription factor Pu.1 is validated as a direct target of miR155-mediated inhibition. When Pu.1 is overexpressed in wild-type B cells, fewer IgG1 cells are produced, indicating that loss of Pu.1 regulation is a contributing factor to the miR-155-deficient phenotype. Our results implicate post-transcriptional regulation of gene expression for establishing the terminal differentiation program of B cells.

Mice lacking the p110δ catalytic subunit of phosphatidylinositol 3-kinase have reduced numbers of B1 and marginal zone B cells, reduced levels of serum immunoglobulins, respond poorly to immunization with type II thymus-independent antigen, and are defective in their primary and secondary responses to thymus-dependent antigen. p110δ−/− B cells proliferate poorly in response to B cell receptor (BCR) or CD40 signals in vitro, fail to activate protein kinase B, and are prone to apoptosis. p110δ function is required for BCR-mediated calcium flux, activation of phosphlipaseCγ2, and Bruton's tyrosine kinase. Thus, p110δ plays a critical role in B cell homeostasis and function.

Foxp3 is a transcription factor that is essential for the normal development of regulatory T cells (Tregs). In the absence of microRNAs (miRNAs), Foxp3(+) Tregs develop but fail to maintain immune homeostasis, leading to a scurfy-like disease. Global analysis of the network of genes regulated by Foxp3 has identified the miRNA miR-155, which is highly expressed in Tregs, as a direct target of Foxp3. In this study we report that miR-155-deficient mice have reduced numbers of Tregs, both in the thymus and periphery, due to impaired development. However, we found no evidence for defective suppressor activity of miR-155-deficient Tregs, either in vitro or in vivo. Our results indicate that miR-155 contributes to Treg development, but that additional miRNAs control Treg function.

Abstract We present EPISPOT, a fully joint framework which exploits large panels of epigenetic annotations as variant-level information to enhance molecular quantitative trait locus (QTL) mapping. Thanks to a purpose-built Bayesian inferential algorithm, EPISPOT accommodates functional information for both cis and trans actions, including QTL hotspot effects. It effectively couples simultaneous QTL analysis of thousands of genetic variants and molecular traits, and hypothesis-free selection of biologically interpretable annotations which directly contribute to the QTL effects. This unified, epigenome-aided learning boosts statistical power and sheds light on the regulatory basis of the uncovered hits; EPISPOT therefore marks an essential step towards improving the challenging detection and functional interpretation of trans -acting genetic variants and hotspots. We illustrate the advantages of EPISPOT in simulations emulating real-data conditions and in a monocyte expression QTL study, which confirms known hotspots and finds other signals, as well as plausible mechanisms of action. In particular, by highlighting the role of monocyte DNase-I sensitivity sites from > 150 epigenetic annotations, we clarify the mediation effects and cell-type specificity of major hotspots close to the lysozyme gene. Our approach forgoes the daunting and underpowered task of one-annotation-at-a-time enrichment analyses for prioritising cis and trans QTL hits and is tailored to any transcriptomic, proteomic or metabolomic QTL problem. By enabling principled epigenome-driven QTL mapping transcriptome-wide, EPISPOT helps progress towards a better functional understanding of genetic regulation.

Abstract Available methods to detect molecular quantitative trait loci (QTL) require study individuals to be genotyped. Here, we describe BaseQTL, a Bayesian method that exploits allele-specific expression to map molecular QTL from sequencing reads even when no genotypes are available. When used with genotypes, BaseQTL has lower error rates and increased power compared with existing QTL mapping methods. Running without genotypes limits how many tests can be performed, but due to the proximity of QTL variants to gene bodies, the 2.8% of variants within a 100kB-window that could be tested, contained 26% of QTL variants detectable with genotypes. eQTL effect estimates were invariably consistent between analyses performed with and without genotypes. Often, sequencing data may be generated in absence of genotypes on patients and controls in differential expression studies, and we identified an apparent psoriasis-specific effect for GSTP1 in one such dataset, providing new insights into disease-dependent gene regulation.

Abstract Transcriptional enhancers regulate gene expression in time and space, commonly engaging in long-range chromosomal contacts with gene promoters. However, the relationship between enhancer activity, enhancer-promoter contacts and gene expression is not fully understood. Here, we leveraged human genetic variation as a “natural perturbation” to dissect this relationship, focusing on distal enhancers containing expression quantitative trait loci (eQTLs) – genetic variants linked to specific gene expression levels. We devised eQTL-Capture Hi-C to profile the chromosomal contacts of these loci globally and at high resolution in primary monocytes isolated from 34 donors, and generated chromatin accessibility and gene expression profiles from the same samples. Extending a Bayesian approach that considers both intra- and inter-individual variation, we detected 19 eQTLs linked to distinct promoter contacts, most of which also associated with enhancer accessibility and activity. Capitalising on these shared effects, we next employed a multi-modality Bayesian strategy, identifying hundreds of variants jointly associated with enhancer activity, connectivity, and gene expression. Many of these variants influenced the predicted binding of the architectural protein CTCF and the core myeloid transcription factors GABPA and SPI1; however, they typically did not perturb the canonical binding motifs of these factors. In contrast, one variant associated with PCK2 promoter contact directly disrupted a CTCF binding motif and impacted the insulation of this promoter from downstream enhancers. Finally, many identified QTLs overlapped with disease susceptibility loci, underscoring the potential role of enhancer-promoter communication in mediating the pathological effects of non-coding genetic variation. Jointly, our findings suggest an inherent functional link between the activity and connectivity of enhancers with relevance for human disease, and highlight the role of genetically-determined chromatin boundaries in gene control.

Abstract Motivation While many pipelines have been developed for calling genotypes using RNA-sequencing data, they all have adapted DNA genotype callers that do not model biases specific to RNA-sequencing such as reference panel bias or allele specific expression. Results Here, we present BBmix, a Bayesian Beta-Binomial mixture model that first learns the expected distribution of read counts for each genotype, and then deploys those learned parameters to call genotypes probabilistically. We benchmarked our model on a wide variety of datasets and showed that our method generally performed better than competitors, mainly due to an increase of up to 1.4% in the accuracy of heterozygous calls. Moreover, BBmix can be easily incorporated into standard pipelines for calling genotypes. We further show that parameters are generally transferable within datasets, such that a single learning run of less than one hour is sufficient to call genotypes in a large number of samples. Availability We implemented BBmix as an R package that is available for free under a GPL-2 licence at https://gitlab.com/evigorito/bbmix and accompanying pipeline at https://gitlab.com/evigorito/bbmix_pipeline .