TN
Thao Nguyen
Author with expertise in Genomic Studies and Association Analyses
Achievements
This user has not unlocked any achievements yet.
Key Stats
Upvotes received:
0
Publications:
4
(25% Open Access)
Cited by:
0
h-index:
10
/
i10-index:
10
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
3

Single cell transcriptomic analyses reveal the impact of bHLH factors ATOH7 and Neurog2 on human retinal organoid development

Xiangmei Zhang et al.Oct 28, 2020
Abstract The developing retina expresses multiple bHLH transcription factors. Their precise functions and interactions in uncommitted retinal progenitors remain to be fully elucidated. Here, we investigate the roles of bHLH factors ATOH7 and Neurog2 in developing human ES cell-derived 3D retinal organoids. Single cell transcriptome analyses identify three states of proliferating retinal progenitors: pre-neurogenic, neurogenic, and cell cycle-exiting progenitors. Each shows different expression profile of bHLH factors. The distinct cell cycle-exiting progenitors feed into a postmitotic heterozygous neuroblast pool that gives rise to early born neuronal lineages. Elevating ATOH7 or Neurog2 expression accelerates the transition from the pre-neurogenic to the neurogenic state, and expands the exiting progenitor and neuroblast populations. In addition, ATOH7 and Neurog2 significantly, yet differentially, enhance retinal ganglion cell and cone photoreceptor production. Moreover, single cell transcriptome analyses reveal that ATOH7 and Neurog2 assert positive autoregulation, suppress key bHLH factors associated with the neurogenic progenitors, and elevate bHLH factors expressed by exiting progenitors and differentiating neuroblasts. This study thus provides novel insight regarding how ATOH7 and Neurog2 impact human retinal progenitor behaviors and neuroblast fate choices.
0

PRS-on-Spark: a novel, efficient and flexible approach for generating polygenic risk scores

Lawrence Chen et al.Nov 8, 2017
Motivation: Polygenic risk scores describe the genomic contribution to complex phenotypes and consistently account for a larger proportion of the variance than single nucleotide polymorphisms alone. However, there is little consensus on the optimal data input for generating polygenic risk scores and existing approaches largely preclude the use of imputed posterior probabilities and strand-ambiguous SNPs. Results: We developed PRS-on-Spark (PRSoS) a polygenic risk score software implemented in Apache Spark and Python that accommodates a variety of data input (e.g., observed genotypes, imputed genotypes or imputed dosage data) and strand-ambiguous SNPs. We show that PRSoS is flexible and efficient, accommodates strand-ambiguous SNP and computes polygenic risk scores at a range of p-value thresholds more quickly than existing software (PRSice). We also show that the use of imputed posterior probabilities and the inclusion of strand ambiguous SNPs increase the proportion of variance explained by a polygenic risk scores for major depression. Availability and Implementation: PRSoS is written in Apache Spark and Python and is freely available (see https://github.com/MeaneyLab/PRSoS).