The genetics of complex disease produce alterations in the molecular interactions of cellular pathways whose collective effect may become clear through the organized structure of molecular networks. To characterize molecular systems associated with late-onset Alzheimer’s disease (LOAD), we constructed gene-regulatory networks in 1,647 postmortem brain tissues from LOAD patients and nondemented subjects, and we demonstrate that LOAD reconfigures specific portions of the molecular interaction structure. Through an integrative network-based approach, we rank-ordered these network structures for relevance to LOAD pathology, highlighting an immune- and microglia-specific module that is dominated by genes involved in pathogen phagocytosis, contains TYROBP as a key regulator, and is upregulated in LOAD. Mouse microglia cells overexpressing intact or truncated TYROBP revealed expression changes that significantly overlapped the human brain TYROBP network. Thus the causal network structure is a useful predictor of response to gene perturbations and presents a framework to test models of disease mechanisms underlying LOAD.

A key goal of biomedical research is to elucidate the complex network of gene interactions underlying complex traits such as common human diseases. Here we detail a multistep procedure for identifying potential key drivers of complex traits that integrates DNA-variation and gene-expression data with other complex trait data in segregating mouse populations. Ordering gene expression traits relative to one another and relative to other complex traits is achieved by systematically testing whether variations in DNA that lead to variations in relative transcript abundances statistically support an independent, causative or reactive function relative to the complex traits under consideration. We show that this approach can predict transcriptional responses to single gene–perturbation experiments using gene-expression data in the context of a segregating mouse population. We also demonstrate the utility of this approach by identifying and experimentally validating the involvement of three new genes in susceptibility to obesity.

Identifying variations in DNA that increase susceptibility to disease is one of the primary aims of genetic studies using a forward genetics approach. However, identification of disease-susceptibility genes by means of such studies provides limited functional information on how genes lead to disease. In fact, in most cases there is an absence of functional information altogether, preventing a definitive identification of the susceptibility gene or genes. Here we develop an alternative to the classic forward genetics approach for dissecting complex disease traits where, instead of identifying susceptibility genes directly affected by variations in DNA, we identify gene networks that are perturbed by susceptibility loci and that in turn lead to disease. Application of this method to liver and adipose gene expression data generated from a segregating mouse population results in the identification of a macrophage-enriched network supported as having a causal relationship with disease traits associated with metabolic syndrome. Three genes in this network, lipoprotein lipase (Lpl), lactamase β (Lactb) and protein phosphatase 1-like (Ppm1l), are validated as previously unknown obesity genes, strengthening the association between this network and metabolic disease traits. Our analysis provides direct experimental support that complex traits such as obesity are emergent properties of molecular networks that are modulated by complex genetic loci and environmental factors. Complex human diseases result from the interplay of many genetic and environmental factors. To build up a picture of the factors contributing to one such disease, obesity, gene expression was evaluated as a quantitative trait in blood and adipose tissue samples from hundreds of Icelandic subjects aged 18 to 85. The results reveal a tendency to certain characteristic patterns of gene activation in the fatty tissues — though to a much lesser extent in the blood — of people with a higher body mass index. A transcriptional network constructed from the adipose tissue data has significant overlap with a network based on mouse adipose tissue data. Experimental support for the idea that complex diseases are emergent properties of molecular networks influenced by genes and environment comes from a study in mice. Mice were examined for disturbances in genetic expression networks that correlate with metabolic traits associated with obesity, diabetes and atherosclerosis. Three genes — Lpl, Lactb and Ppm1l — were identified as previously unknown obesity genes. This 'molecular network' approach raises the prospect that therapies might be directed at whole 'disease networks', rather than at one or two specific genes. Standard approaches to identify the genetic changes that lead to disease are reversed by examination of genetic networks for perturbations that are associated with disease states, and following up candidate genes from there. This begins with three genes in mice that lead to obesity when mutated, demonstrating that complex genetic–environmental traits can be dissected with this new approach.

The blood proteome in disease Understanding the function of human blood serum proteins in disease has been limited by difficulties in monitoring their production, accumulation, and distribution. Emilsson et al. investigated human serum proteins of more than 5000 Icelanders over the age of 65. The composition of blood serum includes a complex regulatory network of proteins that are globally coordinated across most or all tissues. The authors identified modules and functional groups associated with disease and health outcomes and were able to link genetic variants to complex diseases. Science , this issue p. 769

A principal task in dissecting the genetics of complex traits is to identify causal genes for disease phenotypes. We previously developed a method to infer causal relationships among genes through the integration of DNA variation, gene transcription and phenotypic information. Here we have validated our method through the characterization of transgenic and knockout mouse models of genes predicted to be causal for abdominal obesity. Perturbation of eight out of the nine genes, with Gas7, Me1 and Gpx3 being newly confirmed, resulted in significant changes in obesity-related traits. Liver expression signatures revealed alterations in common metabolic pathways and networks contributing to abdominal obesity and overlapped with a macrophage-enriched metabolic network module that is highly associated with metabolic traits in mice and humans. Integration of gene expression in the design and analysis of traditional F(2) intercross studies allows high-confidence prediction of causal genes and identification of pathways and networks involved.

Abstract Circulating proteins are prognostic for human outcomes including cancer, heart failure, brain trauma and brain amyloid plaque burden. A deep serum proteome survey recently revealed close associations of serum protein networks and common diseases. The present study reveals unprecedented number of individual serum proteins that overlap genetic signatures of diseases emanating from different tissues of the body. Here, 54,469 low-frequency and common exome-array variants were compared with 4782 protein measurements in the serum of 5343 individuals of the deeply annotated AGES Reykjavik cohort. Using a study-wide significant threshold, 2019 independent exome array variants affecting levels of 2135 serum proteins were identified. These variants overlapped genetic loci for hundreds of complex disease traits, emphasizing the emerging role for serum proteins as biomarkers of and potential causative agents of multiple diseases.

Abstract With the growing number of genetic association studies, the genotype-phenotype atlas has become increasingly more complex, yet the functional consequences of most disease associated alleles is not understood. The measurement of protein level variation in solid tissues and biofluids integrated with genetic variants offers a path to deeper functional insights. Here we present a large-scale proteogenomic study in 5,368 individuals, revealing 4,113 independent associations between genetic variants and 2,099 serum proteins, of which 37% are previously unreported. The majority of both cis - and trans -acting genetic signals are unique for a single protein, although our results also highlight numerous highly pleiotropic genetic effects on protein levels and demonstrate that a protein’s genetic association profile reflects certain characteristics of the protein, including its location in protein networks, tissue specificity and intolerance to loss of function mutations. Integrating protein measurements with deep phenotyping of the cohort, we observe substantial enrichment of phenotype associations for serum proteins regulated by established GWAS loci, and offer new insights into the interplay between genetics, serum protein levels and complex disease.

The balance between stem cell quiescence and proliferation in skeletal muscle is tightly controlled, but perturbed in a variety of disease states. Despite progress in identifying activators of stem cell proliferation, the niche factor(s) responsible for quiescence induction remain unclear. Here we report an in vivo imaging-based screen which identifies Oncostatin M (OSM), a member of the interleukin-6 family of cytokines, as a potent inducer of muscle stem cell (MuSC, satellite cell) quiescence. OSM is produced by muscle fibers, induces reversible MuSC cell cycle exit , and maintains stem cell regenerative capacity as judged by serial transplantation. Conditional OSM receptor deletion in satellite cells leads to stem cell depletion and impaired regeneration following injury. These results identify Oncostatin M as a secreted niche factor responsible for quiescence induction, and for the first time establish a direct connection between induction of quiescence, stemness, and transplantation potential in solid organ stem cells.