MS
Michael Song
Author with expertise in Regulation of Chromatin Structure and Function
Achievements
Open Access Advocate
Cited Author
Key Stats
Upvotes received:
0
Publications:
4
(75% Open Access)
Cited by:
288
h-index:
12
/
i10-index:
13
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

3D Epigenomic Characterization Reveals Insights Into Gene Regulation and Lineage Specification During Corticogenesis

Michael Song et al.Feb 25, 2020
Abstract Lineage-specific epigenomic changes during human corticogenesis have previously remained elusive due to challenges with tissue heterogeneity and sample availability. Here, we analyze cis-regulatory chromatin interactions, open chromatin regions, and transcriptomes for radial glia, intermediate progenitor cells, excitatory neurons, and interneurons isolated from mid-gestational human brain samples. We show that chromatin looping underlies transcriptional regulation for lineage-specific genes, with transcription factor motifs, families of transposable elements, and disease-associated variants enriched at distal interacting regions in a cell type-specific manner. A subset of promoters exhibit unusually high degrees of chromatin interactivity, which we term super interactive promoters. Super interactive promoters are enriched for critical lineage-specific genes, suggesting that interactions at these loci contribute to the fine-tuning of cell type-specific transcription. Finally, we present CRISPRview, a novel approach for validating distal interacting regions in primary cells. Our study presents the first characterization of cell type-specific 3D epigenomic landscapes during human corticogenesis, advancing our understanding of gene regulation and lineage specification during human brain development.
0
Citation6
0
Save
0

cis-Regulatory Chromatin Contacts in Neural Cells Reveal Contributions of Genetic Variants to Complex Neurological Disorders

Michael Song et al.Dec 13, 2018
Mutations in gene regulatory elements have been associated with a wide range of complex neurological disorders. However, due to their inherent cell type-specificity and difficulties in characterizing their regulatory targets, our ability to identify causal genetic variants has remained limited. To address these constraints, we perform integrative analysis of chromatin interactions using promoter capture Hi-C (pcHi-C), open chromatin regions using ATAC-seq, and transcriptomes using RNA-seq in four functionally distinct neural cell types: iPSC-induced excitatory neurons and lower motor neurons, iPSC-derived hippocampal dentate gyrus (DG)-like neurons, and primary astrocytes. We identify hundreds of thousands of long-range cis interactions between promoters and distal promoter-interacting regions (PIRs), enabling us to link regulatory elements to their target genes and reveal putative pathways that are dysregulated in disease. We validate several novel PIRs using CRISPR techniques in human excitatory neurons, demonstrating that CDK5RAP3, STRAP, and DRD2 are transcriptionally regulated by physically linked enhancers. Finally, we show that physical chromatin interactions mediate genetic interactions in autism spectrum disorder (ASD). Our study illustrates how characterizing the 3D epigenome elucidates novel regulatory relationships in the central nervous system (CNS), shedding light on previously unknown functions for noncoding variants in complex neurological disorders.
6

HPRep: Quantifying reproducibility in HiChIP and PLAC-seq datasets

Jonathan Rosen et al.Nov 23, 2020
Abstract HiChIP and PLAC-seq are emerging technologies for studying genome-wide long-range chromatin interactions mediated by protein of interest, enabling more sensitive and cost-efficient interrogation of protein-centric chromatin conformation. However, due to the unbalanced read distribution introduced by protein immunoprecipitation, existing reproducibility measures developed for Hi-C data are not appropriate for the analysis of HiChIP and PLAC-seq data. Here, we present HPRep, a stratified and weighted correlation metric derived from normalized contact counts, to quantify reproducibility in HiChIP and PLAC-seq data. We applied HPRep to multiple real datasets and demonstrate that HPRep outperforms existing reproducibility measures developed for Hi-C data. Specifically, we applied HPRep to H3K4me3 PLAC-seq data from mouse embryonic stem cells and mouse brain tissues, as well as H3K27ac HiChIP data from human lymphoblastoid cell line GM12878 and leukemia cell line K562, showing that HPRep can more clearly separate among pseudo-replicates, real replicates, and non-replicates. Furthermore, in an H3K4me3 PLAC-seq dataset consisting of 11 samples from four human brain cell types, HPRep demonstrates expected clustering of data which could not be achieved by existing methods developed for Hi-C data, highlighting the need of a reproducibility metric tailored to HiChIP and PLAC-seq data.