SUMMARY TNF-α is involved in infectious and immuno-inflammatory diseases. Different individuals may have different capacities for TNF-α production. This might determine a predisposition to develop some complications or phenotypes of these diseases. The aims of our study were to assess the inter-individual variability of TNF-α production and to correlate this variability to a single base pair polymorphism located at position −308 in TNF gene. We studied 62 healthy individuals. TNF-α production after LPS stimulation was evaluated using a whole blood cell culture model. The TNF gene polymorphism was studied by an allele-specific polymerase chain reaction. Other cytokines produced in the culture, soluble CD14 concentrations and expression of CD14 on blood cells were also measured. Among the 62 individuals, 57 were successfully genotyped. There were 41 TNF1 homozygotes and 16 TNF1/TNF2 heterozygotes. TNF-α production after LPS stimulation of whole blood cell culture was higher among TNF2 carriers than among TNF1 homozygotes (929 pg/ml (480–1473 pg/ml) versus 521 pg/ml (178–1307 pg/ml); P < 0.05). This difference was even more significant after correction of TNF-α production for CD14 expression on blood cells. In conclusion, the single base pair polymorphism at position −308 in the TNF gene may influence TNF-α production in healthy individuals.

Abstract GWAS have identified more than 700 genetic signals associated with type 2 diabetes (T2D). To gain insight into the underlying molecular mechanisms, we created the Translational human pancreatic Islet Genotype tissue-Expression Resource (TIGER), aggregating >500 human islet RNA-seq and genotyping datasets. We imputed genotypes using 4 reference panels and meta-analyzed cohorts to improve coverage of expression quantitative trait loci (eQTL) and developed a method to combine allele-specific expression across samples (cASE). We identified >1 million islet eQTLs (56% novel), of which 53 colocalize with T2D signals (60% novel). Among them, a low-frequency allele that reduces T2D risk by half increases CCND2 expression. We identified 8 novel cASE colocalizations, among which an SLC30A8 T2D associated variant. We make all the data available through the open-access TIGER portal ( http://tiger.bsc.es ), which represents a comprehensive human islet genomic data resource to elucidate how genetic variation affects islet function and translate this into therapeutic insight and precision medicine for T2D.

Abstract Motivation High throughput omics technologies have generated a wealth of large protein, gene and transcript datasets that have exacerbated the need for new methods to analyse and compare big datasets. Rank-rank hypergeometric overlap is an important threshold-free method to combine and visualize two ranked lists of P -values or fold-changes, usually from differential gene expression analyses. Here, we introduce a new rank-rank hypergeometric overlap-based method aimed at both gene level and alternative splicing analyses at transcript or exon level, hitherto unreachable as transcript numbers are an order of magnitude larger than gene numbers. Results We tested the tool on synthetic and real datasets at gene and transcript levels to detect correlation and anti-correlation patterns and found it to be fast and accurate, even on very large datasets thanks to an evolutionary algorithm based minimal P -value search. The tool comes with a ready-to-use permutation scheme allowing the computation of adjusted P -values at low time cost. Additionally, the package is a drop-in replacement to previous packages as a compatibility mode is included, allowing to re-run older studies with close to no change to existing pipelines. RedRibbon holds the promise to accurately extricate detailed information from large analyses. Availability RNA-sequencing datasets are available through the Gene Expression Omnibus (GEO) portal with accession numbers GSE159984, GSE133218, GSE137136, GSE98485, GSE148058 and GSE108413. The C libraries and R package code are open to the community with a permissive licence (GPL3) and available for download from GitHub https://github.com/antpiron/ale , https://github.com/antpiron/cRedRibbon and https://github.com/antpiron/RedRibbon . Contact anthony.piron@ulb.be