Haplotype-based methods offer a powerful approach to disease gene mapping, based on the association between causal mutations and the ancestral haplotypes on which they arose. As part of The SNP Consortium Allele Frequency Projects, we characterized haplotype patterns across 51 autosomal regions (spanning 13 megabases of the human genome) in samples from Africa, Europe, and Asia. We show that the human genome can be parsed objectively into haplotype blocks: sizable regions over which there is little evidence for historical recombination and within which only a few common haplotypes are observed. The boundaries of blocks and specific haplotypes they contain are highly correlated across populations. We demonstrate that such haplotype frameworks provide substantial statistical power in association studies of common genetic variation across each region. Our results provide a foundation for the construction of a haplotype map of the human genome, facilitating comprehensive genetic association studies of human disease.

The incidence of hematologic cancers increases with age. These cancers are associated with recurrent somatic mutations in specific genes. We hypothesized that such mutations would be detectable in the blood of some persons who are not known to have hematologic disorders.

We describe a map of 1.42 million single nucleotide polymorphisms (SNPs) distributed throughout the human genome, providing an average density on available sequence of one SNP every 1.9 kilobases. These SNPs were primarily discovered by two projects: The SNP Consortium and the analysis of clone overlaps by the International Human Genome Sequencing Consortium. The map integrates all publicly available SNPs with described genes and other genomic features. We estimate that 60,000 SNPs fall within exon (coding and untranslated regions), and 85% of exons are within 5 kb of the nearest SNP. Nucleotide diversity varies greatly across the genome, in a manner broadly consistent with a standard population genetic model of human history. This high-density SNP map provides a public resource for defining haplotype variation across the genome, and should help to identify biomedically important genes for diagnosis and therapy.

Monocytes (Mo) and macrophages (MΦ) are emerging therapeutic targets in malignant, cardiovascular, and autoimmune disorders. Targeting of Mo/MΦ and their effector functions without compromising innate immunity’s critical defense mechanisms first requires addressing gaps in knowledge about the life cycle of these cells. Here we studied the source, tissue kinetics, and clearance of Mo/MΦ in murine myocardial infarction, a model of acute inflammation after ischemic injury. We found that a) Mo tissue residence time was surprisingly short (20 h); b) Mo recruitment rates were consistently high even days after initiation of inflammation; c) the sustained need of newly made Mo was fostered by extramedullary monocytopoiesis in the spleen; d) splenic monocytopoiesis was regulated by IL-1β; and e) the balance of cell recruitment and local death shifted during resolution of inflammation. Depending on the experimental approach, we measured a 24 h Mo/MΦ exit rate from infarct tissue between 5 and 13% of the tissue cell population. Exited cells were most numerous in the blood, liver, and spleen. Abrogation of extramedullary monocytopoiesis proved deleterious for infarct healing and accelerated the evolution of heart failure. We also detected rapid Mo kinetics in mice with stroke. These findings expand our knowledge of Mo/MΦ flux in acute inflammation and provide the groundwork for novel anti-inflammatory strategies for treating heart failure.

We have used a microfluidic mass sensor to measure the density of single living cells. By weighing each cell in two fluids of different densities, our technique measures the single-cell mass, volume, and density of approximately 500 cells per hour with a density precision of 0.001 g mL(-1). We observe that the intrinsic cell-to-cell variation in density is nearly 100-fold smaller than the mass or volume variation. As a result, we can measure changes in cell density indicative of cellular processes that would be otherwise undetectable by mass or volume measurements. Here, we demonstrate this with four examples: identifying Plasmodium falciparum malaria-infected erythrocytes in a culture, distinguishing transfused blood cells from a patient's own blood, identifying irreversibly sickled cells in a sickle cell patient, and identifying leukemia cells in the early stages of responding to a drug treatment. These demonstrations suggest that the ability to measure single-cell density will provide valuable insights into cell state for a wide range of biological processes.