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.

DNA methylation, especially CpG methylation at promoter regions, has been generally considered as a potent epigenetic modification that prohibits transcription factor (TF) recruitment, resulting in transcription suppression. Here, we used a protein microarray-based approach to systematically survey the entire human TF family and found numerous purified TFs with methylated CpG (mCpG)-dependent DNA-binding activities. Interestingly, some TFs exhibit specific binding activity to methylated and unmethylated DNA motifs of distinct sequences. To elucidate the underlying mechanism, we focused on Kruppel-like factor 4 (KLF4), and decoupled its mCpG- and CpG-binding activities via site-directed mutagenesis. Furthermore, KLF4 binds specific methylated or unmethylated motifs in human embryonic stem cells in vivo. Our study suggests that mCpG-dependent TF binding activity is a widespread phenomenon and provides a new framework to understand the role and mechanism of TFs in epigenetic regulation of gene transcription. DOI:http://dx.doi.org/10.7554/eLife.00726.001.

INTRODUCTION The human cerebral cortex has undergone an extraordinary increase in size and complexity during mammalian evolution. Cortical cell lineages are specified in the embryo, and genetic and epidemiological evidence implicates early cortical development in the etiology of neuropsychiatric disorders such as autism spectrum disorder (ASD), intellectual disabilities, and schizophrenia. Most of the disease-implicated genomic variants are located outside of genes, and the interpretation of noncoding mutations is lagging behind owing to limited annotation of functional elements in the noncoding genome. RATIONALE We set out to discover gene-regulatory elements and chart their dynamic activity during prenatal human cortical development, focusing on enhancers, which carry most of the weight upon regulation of gene expression. We longitudinally modeled human brain development using human induced pluripotent stem cell (hiPSC)–derived cortical organoids and compared organoids to isogenic fetal brain tissue. RESULTS Fetal fibroblast–derived hiPSC lines were used to generate cortically patterned organoids and to compare oganoids’ epigenome and transcriptome to that of isogenic fetal brains and external datasets. Organoids model cortical development between 5 and 16 postconception weeks, thus enabling us to study transitions from cortical stem cells to progenitors to early neurons. The greatest changes occur at the transition from stem cells to progenitors. The regulatory landscape encompasses a total set of 96,375 enhancers linked to target genes, with 49,640 enhancers being active in organoids but not in mid-fetal brain, suggesting major roles in cortical neuron specification. Enhancers that gained activity in the human lineage are active in the earliest stages of organoid development, when they target genes that regulate the growth of radial glial cells. Parallel weighted gene coexpression network analysis (WGCNA) of transcriptome and enhancer activities defined a number of modules of coexpressed genes and coactive enhancers, following just six and four global temporal patterns that we refer to as supermodules, likely reflecting fundamental programs in embryonic and fetal brain. Correlations between gene expression and enhancer activity allowed stratifying enhancers into two categories: activating regulators (A-regs) and repressive regulators (R-regs). Several enhancer modules converged with gene modules, suggesting that coexpressed genes are regulated by enhancers with correlated patterns of activity. Furthermore, enhancers active in organoids and fetal brains were enriched for ASD de novo variants that disrupt binding sites of homeodomain, Hes1, NR4A2, Sox3, and NFIX transcription factors. CONCLUSION We validated hiPSC-derived cortical organoids as a suitable model system for studying gene regulation in human embryonic brain development, evolution, and disease. Our results suggest that organoids may reveal how noncoding mutations contribute to ASD etiology. Summary of the study, analyses, and main results. Data were generated for iPSC-derived human telencephalic organoids and isogenic fetal cortex. Organoids modeled embryonic and early fetal cortex and show a larger repertoire of enhancers. Enhancers could be divided into activators and repressors of gene expression. We derived networks of modules and supermodules with correlated gene and enhancer activities, some of which were implicated in autism spectrum disorders (ASD).

Thalamic volume is a candidate magnetic resonance imaging (MRI)-based marker associated with neurodegeneration to hasten development of neuroprotective treatments. Our objective is to describe the longitudinal evolution of thalamic atrophy in MS and normal aging, and to estimate sample sizes for study design.Six hundred one subjects (2,632 MRI scans) were analyzed. Five hundred twenty subjects with relapse-onset MS (clinically isolated syndrome, n = 90; relapsing-remitting MS, n = 392; secondary progressive MS, n = 38) underwent annual standardized 3T MRI scans for an average of 4.1 years, including a 1mm3 3-dimensional T1-weighted sequence (3DT1; 2,485 MRI scans). Eighty-one healthy controls (HC) were scanned longitudinally on the same scanner using the same protocol (147 MRI scans). 3DT1s were processed using FreeSurfer's longitudinal pipeline after lesion inpainting. Rates of normalized thalamic volume loss in MS and HC were compared in linear mixed effects models. Simulation-based sample size calculations were performed incorporating the rate of atrophy in HC.Thalamic volume declined significantly faster in MS subjects compared to HC, with an estimated decline of -0.71% per year (95% confidence interval [CI] = -0.77% to -0.64%) in MS subjects and -0.28% per year (95% CI = -0.58% to 0.02%) in HC (p for difference = 0.007). The rate of decline was consistent throughout the MS disease duration and across MS clinical subtypes. Eighty or 100 subjects per arm (α = 0.1 or 0.05, respectively) would be needed to detect the maximal effect size with 80% power in a 24-month study.Thalamic atrophy occurs early and consistently throughout MS. Preliminary sample size calculations appear feasible, adding to its appeal as an MRI marker associated with neurodegeneration. Ann Neurol 2018;83:223-234.

Increasing evidence indicates that the thalamus may be a location of early neurodegeneration in multiple sclerosis (MS). Our objective was to identify the presence of gray matter volume loss and thinning in patients with radiologically isolated syndrome (RIS).Sixty-three participants were included in this case-control study. Twenty-one patients with RIS were age- and sex-matched to 42 healthy controls in a 1:2 ratio. All participants underwent brain MRIs on a single 3T scanner. After lesion segmentation and inpainting, 1 mm(3)-isometric T1-weighted images were submitted to FreeSurfer (v5.2). Normalized cortical and deep gray matter volumes were compared between patients with RIS and controls using t tests, and thalamic volumes were correlated with white matter lesion volumes using Pearson correlation. Exploratory cortical thickness maps were created.Although traditional normalized total gray and white matter volumes were not statistically different between patients with RIS and controls, normalized left (0.0046 ± 0.0005 vs 0.0049 ± 0.0004, p = 0.006), right (0.0045 ± 0.0005 vs 0.0048 ± 0.0004, p = 0.008), and mean (0.0045 ± 0.0005 vs 0.0049 ± 0.0004, p = 0.004) thalamic volumes were significantly lower in patients with RIS (n = 21, mean age 41.9 ± 12.7 years) than in controls (n = 42, mean age 41.4 ± 11.2 years). Thalamic volumes correlated modestly with white matter lesion volumes (range: r = -0.35 to -0.47).Our data provide novel evidence of thalamic atrophy in RIS and are consistent with previous reports in early MS stages. Thalamic volume loss is present early in CNS demyelinating disease and should be further investigated as a metric associated with neurodegeneration.

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.