INTRODUCTION Our understanding of the pathophysiology of psychiatric disorders, including autism spectrum disorder (ASD), schizophrenia (SCZ), and bipolar disorder (BD), lags behind other fields of medicine. The diagnosis and study of these disorders currently depend on behavioral, symptomatic characterization. Defining genetic contributions to disease risk allows for biological, mechanistic understanding but is challenged by genetic complexity, polygenicity, and the lack of a cohesive neurobiological model to interpret findings. RATIONALE The transcriptome represents a quantitative phenotype that provides biological context for understanding the molecular pathways disrupted in major psychiatric disorders. RNA sequencing (RNA-seq) in a large cohort of cases and controls can advance our knowledge of the biology disrupted in each disorder and provide a foundational resource for integration with genomic and genetic data. RESULTS Analysis across multiple levels of transcriptomic organization—gene expression, local splicing, transcript isoform expression, and coexpression networks for both protein-coding and noncoding genes—provides an in-depth view of ASD, SCZ, and BD molecular pathology. More than 25% of the transcriptome exhibits differential splicing or expression in at least one disorder, including hundreds of noncoding RNAs (ncRNAs), most of which have unexplored functions but collectively exhibit patterns of selective constraint. Changes at the isoform level, as opposed to the gene level, show the largest effect sizes and genetic enrichment and the greatest disease specificity. We identified coexpression modules associated with each disorder, many with enrichment for cell type–specific markers, and several modules significantly dysregulated across all three disorders. These enabled parsing of down-regulated neuronal and synaptic components into a variety of cell type– and disease-specific signals, including multiple excitatory neuron and distinct interneuron modules with differential patterns of disease association, as well as common and rare genetic risk variant enrichment. The glial-immune signal demonstrates shared disruption of the blood-brain barrier and up-regulation of NFkB-associated genes, as well as disease-specific alterations in microglial-, astrocyte-, and interferon-response modules. A coexpression module associated with psychiatric medication exposure in SCZ and BD was enriched for activity-dependent immediate early gene pathways. To identify causal drivers, we integrated polygenic risk scores and performed a transcriptome-wide association study and summary-data–based Mendelian randomization. Candidate risk genes—5 in ASD, 11 in BD, and 64 in SCZ, including shared genes between SCZ and BD—are supported by multiple methods. These analyses begin to define a mechanistic basis for the composite activity of genetic risk variants. CONCLUSION Integration of RNA-seq and genetic data from ASD, SCZ, and BD provides a quantitative, genome-wide resource for mechanistic insight and therapeutic development at Resource.PsychENCODE.org. These data inform the molecular pathways and cell types involved, emphasizing the importance of splicing and isoform-level gene regulatory mechanisms in defining cell type and disease specificity, and, when integrated with genome-wide association studies, permit the discovery of candidate risk genes. The PsychENCODE cross-disorder transcriptomic resource. Human brain RNA-seq was integrated with genotypes across individuals with ASD, SCZ, BD, and controls, identifying pervasive dysregulation, including protein-coding, noncoding, splicing, and isoform-level changes. Systems-level and integrative genomic analyses prioritize previously unknown neurogenetic mechanisms and provide insight into the molecular neuropathology of these disorders.

Despite progress in defining genetic risk for psychiatric disorders, their molecular mechanisms remain elusive. Addressing this, the PsychENCODE Consortium has generated a comprehensive online resource for the adult brain across 1866 individuals. The PsychENCODE resource contains ~79,000 brain-active enhancers, sets of Hi-C linkages, and topologically associating domains; single-cell expression profiles for many cell types; expression quantitative-trait loci (QTLs); and further QTLs associated with chromatin, splicing, and cell-type proportions. Integration shows that varying cell-type proportions largely account for the cross-population variation in expression (with >88% reconstruction accuracy). It also allows building of a gene regulatory network, linking genome-wide association study variants to genes (e.g., 321 for schizophrenia). We embed this network into an interpretable deep-learning model, which improves disease prediction by ~6-fold versus polygenic risk scores and identifies key genes and pathways in psychiatric disorders.

INTRODUCTION The brain is responsible for cognition, behavior, and much of what makes us uniquely human. The development of the brain is a highly complex process, and this process is reliant on precise regulation of molecular and cellular events grounded in the spatiotemporal regulation of the transcriptome. Disruption of this regulation can lead to neuropsychiatric disorders. RATIONALE The regulatory, epigenomic, and transcriptomic features of the human brain have not been comprehensively compiled across time, regions, or cell types. Understanding the etiology of neuropsychiatric disorders requires knowledge not just of endpoint differences between healthy and diseased brains but also of the developmental and cellular contexts in which these differences arise. Moreover, an emerging body of research indicates that many aspects of the development and physiology of the human brain are not well recapitulated in model organisms, and therefore it is necessary that neuropsychiatric disorders be understood in the broader context of the developing and adult human brain. RESULTS Here we describe the generation and analysis of a variety of genomic data modalities at the tissue and single-cell levels, including transcriptome, DNA methylation, and histone modifications across multiple brain regions ranging in age from embryonic development through adulthood. We observed a widespread transcriptomic transition beginning during late fetal development and consisting of sharply decreased regional differences. This reduction coincided with increases in the transcriptional signatures of mature neurons and the expression of genes associated with dendrite development, synapse development, and neuronal activity, all of which were temporally synchronous across neocortical areas, as well as myelination and oligodendrocytes, which were asynchronous. Moreover, genes including MEF2C , SATB2 , and TCF4 , with genetic associations to multiple brain-related traits and disorders, converged in a small number of modules exhibiting spatial or spatiotemporal specificity. CONCLUSION We generated and applied our dataset to document transcriptomic and epigenetic changes across human development and then related those changes to major neuropsychiatric disorders. These data allowed us to identify genes, cell types, gene coexpression modules, and spatiotemporal loci where disease risk might converge, demonstrating the utility of the dataset and providing new insights into human development and disease. Spatiotemporal dynamics of human brain development and neuropsychiatric risks. Human brain development begins during embryonic development and continues through adulthood (top). Integrating data modalities (bottom left) revealed age- and cell type–specific properties and global patterns of transcriptional dynamics, including a late fetal transition (bottom middle). We related the variation in gene expression (brown, high; purple, low) to regulatory elements in the fetal and adult brains, cell type–specific signatures, and genetic loci associated with neuropsychiatric disorders (bottom right; gray circles indicate enrichment for corresponding features among module genes). Relationships depicted in this panel do not correspond to specific observations. CBC, cerebellar cortex; STR, striatum; HIP, hippocampus; MD, mediodorsal nucleus of thalamus; AMY, amygdala.

Abstract Psychiatric disorders exact immense human and economic tolls in societies globally. Underlying many of these disorders is a complex repertoire of genomic variants that influence the expression of genes involved in pathways and processes in the brain. Identifying such variants and their associated brain functions is thus essential for understanding the molecular underpinnings of psychiatric disorders. Genome-wide association studies (GWASes) have provided many variants associated with these disorders; however, our knowledge of the precise biological mechanisms by which these contribute to disease remains limited. In connection with this, expression quantitative trait loci (eQTLs) have provided useful information linking variants to genes and functions. However, most eQTL studies on human brain have focused exclusively on cis-eQTLs. A complete understanding of disease etiology should also include trans-regulatory mechanisms. Thus, we conduct one of the first genome-wide surveys of trans-eQTLs in the dorsolateral prefrontal cortex (DLPFC) by leveraging the large datasets from the PsychENCODE consortium. We identified ∼80,000 trans-eQTLs. We found that a significant number of these overlap with cis-eQTLs, thereby implicating cis-mediators as key players in trans-acting regulation. We show, furthermore, that trans-regulatory mechanisms provide novel insights into psychiatric disease. Particularly, colocalization analysis between trans-eQTLs and schizophrenia (SCZ) GWAS loci identified 90 novel SCZ risk genes and 23 GWAS loci previously uncharacterized by cis-eQTLs. Moreover, these 90 genes tend to be more central in transcriptome-wide co-expression networks and more susceptible to rare variants than SCZ-risk genes associated by cis-variation.

Abstract Understanding cell-type-specific gene regulatory mechanisms from genetic variants to diseases remains challenging. To address this, we developed an open-source computational pipeline, scGRNom, to predict the cell-type disease genes and regulatory networks from multi-omics data, including cell-type chromatin interactions, epigenomics, and single-cell transcriptomics. With applications to Schizophrenia and Alzheimer’s Disease, our predicted cell-type regulatory networks link transcription factors and enhancers to disease genes for excitatory and inhibitory neurons, microglia, and oligodendrocytes. The enrichments of cell-type disease genes reveal cross-disease and disease-specific functions and pathways. Finally, machine learning analysis found that cell-type disease genes shared by diseases have improved clinical phenotype predictions.

Abstract Background Mutations in several translation initiation factors are closely associated with premature ovarian insufficiency (POI), but the underlying pathogenesis remains largely unknown. Methods and results We generated eukaryotic translation initiation factor 5 ( Eif5 ) conditional knockout mice aiming to investigate the function of eIF5 during oocyte growth and follicle development. Here, we demonstrated that Eif5 deletion in mouse primordial and growing oocytes both resulted in the apoptosis of oocytes within the early‐growing follicles. Further studies revealed that Eif5 deletion in oocytes downregulated the levels of mitochondrial fission‐related proteins (p‐DRP1, FIS1, MFF and MTFR) and upregulated the levels of the integrated stress response‐related proteins (AARS1, SHMT2 and SLC7A1) and genes ( Atf4 , Ddit3 and Fgf21 ). Consistent with this, Eif5 deletion in oocytes resulted in mitochondrial dysfunction characterized by elongated form, aggregated distribution beneath the oocyte membrane, decreased adenosine triphosphate content and mtDNA copy numbers, and excessive accumulation of reactive oxygen species (ROS) and mitochondrial superoxide. Meanwhile, Eif5 deletion in oocytes led to a significant increase in the levels of DNA damage response proteins (γH2AX, p‐CHK2 and p‐p53) and proapoptotic proteins (PUMA and BAX), as well as a significant decrease in the levels of anti‐apoptotic protein BCL‐xL. Conclusion These findings indicate that Eif5 deletion in mouse oocytes results in the apoptosis of oocytes within the early‐growing follicles via mitochondrial fission defects, excessive ROS accumulation and DNA damage. This study provides new insights into pathogenesis, genetic diagnosis and potential therapeutic targets for POI. Key points Eif5 deletion in oocytes leads to arrest in oocyte growth and follicle development. Eif5 deletion in oocytes impairs the translation of mitochondrial fission‐related proteins, followed by mitochondrial dysfunction. Depletion of Eif5 causes oocyte apoptosis via ROS accumulation and DNA damage response pathway.

ENCODE comprises thousands of functional genomics datasets, and the encyclopedia covers hundreds of cell types, providing a universal annotation for genome interpretation. However, for particular applications, it may be advantageous to use a customized annotation. Here, we develop such a custom annotation by leveraging advanced assays, such as eCLIP, Hi-C, and whole-genome STARR-seq on a number of data-rich ENCODE cell types. A key aspect of this annotation is comprehensive and experimentally derived networks of both transcription factors and RNA-binding proteins (TFs and RBPs). Cancer, a disease of system-wide dysregulation, is an ideal application for such a network-based annotation. Specifically, for cancer-associated cell types, we put regulators into hierarchies and measure their network change (rewiring) during oncogenesis. We also extensively survey TF-RBP crosstalk, highlighting how SUB1, a previously uncharacterized RBP, drives aberrant tumor expression and amplifies the effect of MYC, a well-known oncogenic TF. Furthermore, we show how our annotation allows us to place oncogenic transformations in the context of a broad cell space; here, many normal-to-tumor transitions move towards a stem-like state, while oncogene knockdowns show an opposing trend. Finally, we organize the resource into a coherent workflow to prioritize key elements and variants, in addition to regulators. We showcase the application of this prioritization to somatic burdening, cancer differential expression and GWAS. Targeted validations of the prioritized regulators, elements and variants using siRNA knockdowns, CRISPR-based editing, and luciferase assays demonstrate the value of the ENCODE resource.

Despite the identification of many genes and pathways involved in the persistence phenomenon of bacteria, the mechanisms of persistence are not well understood. Here, using Escherichia coli as a model, we identified polynucleotide phosphorylase (PNPase) as a key regulator in persister formation. We successfully constructed pnp knockout mutant strain and its complemented strain, and exposed the pnp knockout mutant and complemented strain to antibiotics and stress conditions. The results showed that, compared with the wild-type W3110, the pnp knockout strain had defect in persistence to antibiotics and stress conditions, and the persistence to antibiotics and stresses was restored upon complementation. RNA-Seq was performed to identify the transcriptome profile in the pnp knockout strain compared with wild-type strain W3110, and the data revealed that 242 (166 up-regulated, and 76 down-regulated) genes were differentially expressed in the pnp knockout mutant strain. KEGG pathway analysis of the up-regulated genes showed that they were mostly mapped to metabolism and virulence pathways, most of which are positively regulated by the global regulator cyclic AMP receptor protein (CRP). Similarly, the transcription level of the crp gene in the pnp-deletion strain increased 3.22-fold in the early stationary phase. We further explored the indicators of cellular metabolism of the pnp-deletion strain, the persistence phenotype of the pnp and crp double-deletion mutant, and the transcriptional activity of crp gene. Our results indicate that PNPase controls cellular metabolism by negatively regulating the crp operon at the post-transcriptional level by targeting the 5- Untranslated Region (UTR) of the crp transcript. This study offers new insight about the persister mechanisms and provides new targets for development of new drugs against persisters for more effective treatment of persistent bacterial infections.

Abstract Single-cell genomics is a powerful tool for studying heterogeneous tissues such as the brain. Yet, little is understood about how genetic variants influence cell-level gene expression. Addressing this, we uniformly processed single-nuclei, multi-omics datasets into a resource comprising >2.8M nuclei from the prefrontal cortex across 388 individuals. For 28 cell types, we assessed population-level variation in expression and chromatin across gene families and drug targets. We identified >550K cell-type-specific regulatory elements and >1.4M single-cell expression-quantitative-trait loci, which we used to build cell-type regulatory and cell-to-cell communication networks. These networks manifest cellular changes in aging and neuropsychiatric disorders. We further constructed an integrative model accurately imputing single-cell expression and simulating perturbations; the model prioritized ∼250 disease-risk genes and drug targets with associated cell types. Summary Figure

Uropathogenic Escherichia coli (UPEC) persister bacteria play crucial roles in clinical treatment failure and relapse. DNA methylation is known to regulate gene expression in bacteria, but its role in persister formation has not been investigated. Here, we created adenine methylation deletion mutant (Δdam) and cytosine methylation mutant (Δdcm) from UPEC strain UTI89 and found that the Δdam mutant but not Δdcm mutant had significant defect in persister formation during exposure to various antibiotics (gentamicin, fluroquinolones and cephalosporin) and stresses (acid pH and hyperosmosis), and that complementation of the dam mutant restored its persister defect phenotype. PacBio sequencing of epigenetic genomewide methylation signature and RNA sequencing of the Δdam mutant were performed to define, for the first time, the role of adenine methylation in persister formation. Methylome data analysis showed that 99.73% of m6A modifications on GATC were demethylated in the Δdam mutant, and demethylation nucleotide site related genes suggested an overwhelming effect on transcription and metabolic processes. Transcriptome analysis of the Δdam mutant in comparison to wild type showed that flagella biosynthesis, galactitol transport/utilization, and signaling related genes were upregulated while pilus, fimbriae, virulence, glycerol, nitrogen metabolism pathways and transcriptional regulators were downregulated. The comparative COG analysis of methylome and transcriptome enriched pathways identified translation, ribosomal structure and biogenesis, and cell motility were upregulated, whereas DNA repair, secondary metabolite biosynthesis and diverse transport systems, some of which are known to be involved in persister formation, were downregulated in the Δdam mutant. These findings provide new insights about the molecular basis of how DNA adenine methylation may be involved in persister formation and offer novel therapeutic targets for combating persister bacteria.