Evan Eichler and colleagues use single-molecule molecular-inversion probes to sequence the coding and splicing regions of 208 candidate genes in more than 11,730 individuals with neurodevelopmental disorders. They report 91 genes with an excess of de novo or private disruptive mutations, identify 25 genes showing a bias for autism versus intellectual disability, and highlight a network associated with high-functioning autism. Gene-disruptive mutations contribute to the biology of neurodevelopmental disorders (NDDs), but most of the related pathogenic genes are not known. We sequenced 208 candidate genes from >11,730 cases and >2,867 controls. We identified 91 genes, including 38 new NDD genes, with an excess of de novo mutations or private disruptive mutations in 5.7% of cases. Drosophila functional assays revealed a subset with increased involvement in NDDs. We identified 25 genes showing a bias for autism versus intellectual disability and highlighted a network associated with high-functioning autism (full-scale IQ >100). Clinical follow-up for NAA15, KMT5B, and ASH1L highlighted new syndromic and nonsyndromic forms of disease.

Universal early screening for autism spectrum disorder (ASD) in primary care is becoming increasingly common and is believed to be a pivotal step toward early treatment. However, the diagnostic stability of ASD in large cohorts from the general population, particularly in those younger than 18 months, is unknown. Changes in the phenotypic expression of ASD across early development compared with toddlers with other delays are also unknown.To examine the diagnostic stability of ASD in a large cohort of toddlers starting at 12 months of age and to compare this stability with that of toddlers with other disorders, such as developmental delay.In this prospective cohort study performed from January 1, 2006, to December 31, 2018, a total of 2241 toddlers were referred from the general population through a universal screening program in primary care or community referral. Eligible toddlers received their first diagnostic evaluation between 12 and 36 months of age and had at least 1 subsequent evaluation.Diagnosis was denoted after each evaluation visit as ASD, ASD features, language delay, developmental delay, other developmental issue, typical sibling of an ASD proband, or typical development.Diagnostic stability coefficients were calculated within 2-month age bands, and logistic regression models were used to explore the associations of sex, age, diagnosis at first visit, and interval between first and last diagnosis with stability. Toddlers with a non-ASD diagnosis at their first visit diagnosed with ASD at their last were designated as having late-identified ASD.Among the 1269 toddlers included in the study (918 [72.3%] male; median age at first evaluation, 17.6 months [interquartile range, 14.0-24.4 months]; median age at final evaluation, 36.2 months [interquartile range, 33.4-40.9 months]), the overall diagnostic stability for ASD was 0.84 (95% CI, 0.80-0.87), which was higher than any other diagnostic group. Only 7 toddlers (1.8%) initially considered to have ASD transitioned into a final diagnosis of typical development. Diagnostic stability of ASD within the youngest age band (12-13 months) was lowest at 0.50 (95% CI, 0.32-0.69) but increased to 0.79 by 14 months and 0.83 by 16 months (age bands of 12 vs 14 and 16 months; odds ratio, 4.25; 95% CI, 1.59-11.74). A total of 105 toddlers (23.8%) were not designated as having ASD at their first visit but were identified at a later visit.The findings suggest that an ASD diagnosis becomes stable starting at 14 months of age and overall is more stable than other diagnostic categories, including language or developmental delay. After a toddler is identified as having ASD, there may be a low chance that he or she will test within typical levels at 3 years of age. This finding opens the opportunity to test the impact of very early-age treatment of ASD.

ABSTRACT Hundreds of genes are implicated in autism spectrum disorder (ASD) but the mechanisms through which they contribute to ASD pathophysiology remain elusive. Here, we analyzed leukocyte transcriptomics from 1-4 year-old male toddlers with ASD or typical development from the general population. We discovered a perturbed gene network that includes genes that are highly expressed during fetal brain development and which is dysregulated in hiPSC-derived neuron models of ASD. High-confidence ASD risk genes emerge as upstream regulators of the network, and many risk genes may impact the network by modulating RAS/ERK, PI3K/AKT, and WNT/β-catenin signaling pathways. We found that the degree of dysregulation in this network correlated with the severity of ASD symptoms in the toddlers. These results demonstrate how the heterogeneous genetics of ASD may dysregulate a core network to influence brain development at prenatal and very early postnatal ages and, thereby, the severity of later ASD symptoms.

Language and social symptoms improve with age in some autistic toddlers, but not in others, and such outcome differences are not clearly predictable from clinical scores alone. Here we aim to identify early-age brain alterations in autism that are prognostic of future language ability. Leveraging 372 longitudinal structural MRI scans from 166 autistic toddlers and 109 typical toddlers and controlling for brain size, we find that, compared to typical toddlers, autistic toddlers show differentially larger or thicker temporal and fusiform regions; smaller or thinner inferior frontal lobe and midline structures; larger callosal subregion volume; and smaller cerebellum. Most differences are replicated in an independent cohort of 75 toddlers. These brain alterations improve accuracy for predicting language outcome at 6-month follow-up beyond intake clinical and demographic variables. Temporal, fusiform, and inferior frontal alterations are related to autism symptom severity and cognitive impairments at early intake ages. Among autistic toddlers, brain alterations in social, language and face processing areas enhance the prediction of the child's future language ability.

RNA-Seq is ubiquitous, but depending on the biological question or the sample source, some RNA-Seq collection methods require variable or sub-optimal sample handling. Rare tissue may need to be fixed or frozen prior to library preparation, or samples may remain at room temperature while other samples or reagents are handled. These challenges create uncharacterized impacts on sample quality. Understanding the relevant experimental factors that impact sample quality is crucial to ensuring reproducible RNA-Seq results. Here, we tested the susceptibility of poly(A)-enriched RNA-Seq results after multiple freeze-thaw cycles. We assessed sample quality independently of RIN by simulating read count variability to quantify the noise between technical replicates. Each additional freeze-thaw cycle increased the random counts between technical replicates by approximately 4%. Additionally, after three freeze-thaw cycles, differential expression reproducibility decreased substantially. The use of poly(A)-enrichment for RNA sequencing is prevalent in library preparation of frozen tissue, and thus, it is important during experimental design and data analysis to consider the impact of repeated freeze-thaw cycles on reproducibility.### Competing Interest StatementThe authors have declared no competing interest.