Abstract Malformations of cortical development (MCD) are neurological conditions displaying focal disruption of cortical architecture and cellular organization arising during embryogenesis, largely from somatic mosaic mutations. Identifying the genetic causes of MCD has been a challenge, as mutations remain at low allelic fractions in brain tissue resected to treat epilepsy. Here, we report a genetic atlas from 317 brain resections, identifying 69 mutated genes through intensive profiling of somatic mutations, combining whole-exome and targeted-amplicon sequencing with functional validation and single-cell sequencing. Genotype-phenotype correlation analysis elucidated specific MCD gene sets associating distinct pathophysiological and clinical phenotypes. The unique spatiotemporal expression patterns identified by comparing single-nucleus transcriptional sequences of mutated genes in control and patient brains implicate critical roles in excitatory neurogenic pools during brain development, and in promoting neuronal hyperexcitability after birth.

Summary Every newborn harbors scores of new single nucleotide variants (SNVs) that may impact health and disease 1–4 ; the majority of these are contributed by the paternal germ cells 5 . In some cases, these mutations are identifiable in a subset of the parents’ cells—a phenomenon called mosaicism, which is capable of producing disease recurrence 6–8 . Here, we provide a comprehensive analysis of male gonadal mosaic mutations, employing 300× whole genome sequencing (WGS) of blood and sperm in 17 healthy individuals, including assessment across multiple samples and age groups. Approximately 1 in 15 healthy males is predicted to harbor a transmissible, likely pathogenic exonic variant that is mosaic in his sperm. In general, only a third of sperm mosaic mutations were detectable in blood cells, all were remarkably stable over the course of months to years, and 23% were present in 5% or more of sperm cells. There was no evidence of age-dependent clonal expansion or collapse, as seen in hematopoiesis. Thus, despite the observed increase of mutations in offspring of men with advanced paternal age, detectable sperm mosaicism remains stable, represents a life-long transmission risk to offspring, and suggests a testis stem cell niche that prevents widespread clonality.

De novo genetic mutations represent a major contributor to pediatric disease, including autism spectrum disorders (ASD), congenital heart disease, and muscular dystrophies but there are currently no methods to prevent or predict them. These mutations are classically thought to occur either at low levels in progenitor cells or at the time of fertilization and are often assigned a low risk of recurrence in siblings. Here, we directly assess the presence of de novo mutations in paternal sperm and discover abundant, germline-restricted mosaicism. From a cohort of ASD cases, employing single molecule genotyping, we found that four out of 14 fathers were germline mosaic for a putatively causative mutation transmitted to the affected child. Three of these were enriched or exclusively present in sperm at high allelic fractions (AF; 7-15%); and one was recurrently transmitted to two additional affected children, representing clinically actionable information. Germline mosaicism was further assessed by deep (>90x) whole genome sequencing of four paternal sperm samples, which detected 12/355 transmitted de novo single nucleotide variants that were mosaic above 2% AF, and more than two dozen additional, non-transmitted mosaic variants in paternal sperm. Our results demonstrate that germline mosaicism is an underestimated phenomenon, which has important implications for clinical practice and in understanding the basis of human disease. Genetic analysis of sperm can assess individualized recurrence risk following the birth of a child with a de novo disease, as well as the risk in any male planning to have children.

Introductory paragraph Mosaic variants (MVs) reflect mutagenic processes during embryonic development 1 and environmental exposure 2 , accumulate with aging, and underlie diseases such as cancer and autism 3 . The detection of MVs has been computationally challenging due to sparse representation in non-clonally expanded tissues. While heuristic filters and tools trained on clonally expanded MVs with high allelic fractions are proposed, they show relatively lower sensitivity and more false discoveries 4–9 . Here we present DeepMosaic, combining an image-based visualization module for single nucleotide MVs, and a convolutional neural networks-based classification module for control-independent MV detection. DeepMosaic achieved higher accuracy compared with existing methods on biological and simulated sequencing data, with a 96.34% (158/164) experimental validation rate. Of 932 mosaic variants detected by DeepMosaic in 16 whole genome sequenced samples, 21.89-58.58% (204/932-546/932) MVs were overlooked by other methods. Thus, DeepMosaic represents a highly accurate MV classifier that can be implemented as an alternative or complement to existing methods.