Balancing between regenerative processes and fibrosis is crucial for heart repair, yet strategies regulating this balance remain a barrier to developing therapies. While Interleukin11 (IL11) is known as a fibrotic factor, its contribution to heart regeneration is poorly understood. We uncovered that

Abstract Elucidating orthologous regulatory regions for human and model organism genomes is critical for exploiting model organism research and advancing our understanding of results from the genome-wide association studies. Sequence conservation is the de facto approach for finding orthologous non-coding regions between human and model organism genomes. However, existing methods for mapping non-coding genomic regions across species are challenged by the multi-mapping, low precision, and low mapping rate issues. We develop Adaptive liftOver (AdaLiftOver), a large-scale computational tool for identifying orthologous non-coding regions across species. AdaLiftOver builds on the UCSC liftOver framework to extend the query regions and prioritizes the resulting candidate target regions based on the conservation of the epigenomic and the sequence grammar features. Evaluations of AdaLiftOver with multiple case studies, spanning both genomic intervals from epigenome datasets and GWAS SNPs yield AdaLiftOver as a versatile method for deriving hard-to-obtain human epigenome datasets as well as reliably identifying orthologous loci for GWAS SNPs. The R package AdaLiftOver is available from https://github.com/ThomasDCY/AdaLiftOver .

Abstract Genome-wide association studies have revealed many non-coding variants associated with complex traits. However, model organism studies have largely remained as an untapped resource for unveiling the effector genes of non-coding variants. We develop INFIMA, In tegrative Fi ne- Ma pping, to pinpoint causal SNPs for Diversity Outbred (DO) mice eQTL by integrating founder mice multi-omics data including ATAC-seq, RNA-seq, footprinting, and in silico mutation analysis. We demonstrate INFIMA’s superior performance compared to alternatives with human and mouse chromatin conformation capture datasets. We apply INFIMA to identify novel effector genes for GWAS variants associated with diabetes. The results of the application are available at http://www.statlab.wisc.edu/shiny/INFIMA/