Imputing genotypes from reference panels created by whole-genome sequencing (WGS) provides a cost-effective strategy for augmenting the single-nucleotide polymorphism (SNP) content of genome-wide arrays. The UK10K Cohorts project has generated a data set of 3,781 whole genomes sequenced at low depth (average 7x), aiming to exhaustively characterize genetic variation down to 0.1% minor allele frequency in the British population. Here we demonstrate the value of this resource for improving imputation accuracy at rare and low-frequency variants in both a UK and an Italian population. We show that large increases in imputation accuracy can be achieved by re-phasing WGS reference panels after initial genotype calling. We also present a method for combining WGS panels to improve variant coverage and downstream imputation accuracy, which we illustrate by integrating 7,562 WGS haplotypes from the UK10K project with 2,184 haplotypes from the 1000 Genomes Project. Finally, we introduce a novel approximation that maintains speed without sacrificing imputation accuracy for rare variants.

The development of massively parallel sequencing technologies enables the sequencing of total cDNA (RNA-Seq) to derive accurate measure of individual gene expression, differential splicing activity, and to discover novel regions of transcription, dramatically changing the way that the functional complexity of transcriptomes can be studied. Here we report on the first use of RNA-Seq to gain insight into the wide range of transcriptional responses that are associated with berry development in Vitis vinifera ‘Corvina’. More than 59 million sequence reads, 36 to 44 bp in length, were generated from three developmental stages: post setting, véraison, and ripening. The sequence reads were aligned onto the 8.4-fold draft sequence of the Pinot Noir 40024 genome and then analyzed to measure gene expression levels, to detect alternative splicing events, and expressed single nucleotide polymorphisms. We detected 17,324 genes expressed during berry development, 6,695 of which were expressed in a stage-specific manner, suggesting differences in expression for genes in numerous functional categories and a significant transcriptional complexity. This exhaustive overview of gene expression dynamics demonstrates the utility of RNA-Seq for identifying single nucleotide polymorphisms and splice variants and for describing how plant transcriptomes change during development.

Background: The δ-5 and δ-6 desaturases, encoded by FADS1 and FADS2 genes, are key enzymes in polyunsaturated fatty acid (PUFA) metabolism that catalyze the conversion of linoleic acid (LA) into arachidonic acid (AA) and that of α-linolenic acid (ALA) into eicosapentaenoic acid (EPA). Single-nucleotide polymorphisms (SNPs) in FADS1 and FADS2 have been associated with different concentrations of AA and LA, and those associations have possible functional consequences for desaturase activity. Objective: We aimed to evaluate the possible association among FADS genotypes, desaturase activity, inflammation, and coronary artery disease (CAD). Design: Thirteen FADS SNPs and the ratio of AA to LA (AA/LA) on red blood cell (RBC) membranes, a marker of desaturase activity, were evaluated in 876 subjects with (n = 610) or without (n = 266) angiographically documented CAD. Results: Both AA/LA and the ratio of EPA to ALA (EPA/ALA) were higher in patients with CAD than in those without CAD, but, in a multiple logistic regression model, only a higher AA/LA resulted an independent risk factor for CAD (odds ratio: 2.55; 95% CI: 1.61, 4.05 for higher compared with lower ratio tertile; P for trend < 0.001). Furthermore, concentrations of high-sensitivity C-reactive protein increased progressively across tertiles of AA/LA. Graded increases in high-sensitivity C-reactive protein concentrations and CAD risk were related to the carriership of FADS haplotypes, including the alleles associated with a higher ratio. Conclusion: In populations following a Western diet, subjects carrying FADS haplotypes that are associated with higher desaturase activity may be prone to a proinflammatory response favoring atherosclerotic vascular damage.

Gonçalo Abecasis, Francesco Cucca, David Schlessinger, Serena Sanna and colleagues report ~17.6 million genetic variants from whole-genome sequencing of 2,120 Sardinians. They assess the impact of these variants on circulating lipid levels and five inflammatory biomarkers. We report ∼17.6 million genetic variants from whole-genome sequencing of 2,120 Sardinians; 22% are absent from previous sequencing-based compilations and are enriched for predicted functional consequences. Furthermore, ∼76,000 variants common in our sample (frequency >5%) are rare elsewhere (<0.5% in the 1000 Genomes Project). We assessed the impact of these variants on circulating lipid levels and five inflammatory biomarkers. We observe 14 signals, including 2 major new loci, for lipid levels and 19 signals, including 2 new loci, for inflammatory markers. The new associations would have been missed in analyses based on 1000 Genomes Project data, underlining the advantages of large-scale sequencing in this founder population.

Abstract Pancreatic cancer is one of the deadliest cancers worldwide, mainly due to late diagnosis. Therefore, there is an urgent need for novel diagnostic approaches to identify the disease as early as possible. We have developed a diagnostic assay for pancreatic cancer based on the detection of naturally occurring tumor associated autoantibodies against Mucin‐1 (MUC1) using engineered glycopeptides on nanoparticle probes. We used a structure‐guided approach to develop unnatural glycopeptides as model antigens for tumor‐associated MUC1. We designed a collection of 13 glycopeptides to bind either SM3 or 5E5, two monoclonal antibodies with distinct epitopes known to recognize tumor associated MUC1. Glycopeptide binding to SM3 or 5E5 was confirmed by surface plasmon resonance and rationalized by molecular dynamics simulations. These model antigens were conjugated to gold nanoparticles and used in a dot‐blot assay to detect autoantibodies in serum samples from pancreatic cancer patients and healthy volunteers. Nanoparticle probes with glycopeptides displaying the SM3 epitope did not have diagnostic potential. Instead, nanoparticle probes displaying glycopeptides with high affinity for 5E5 could discriminate between cancer patients and healthy controls. Remarkably, the best‐discriminating probes show significantly better true and false positive rates than the current clinical biomarkers CA19‐9 and carcinoembryonic antigen (CEA).

Gender disparity in melanoma is a complex issue where sex hormones could be engaged. Differences in genetic variations are important in understanding the mechanisms of sex disparity in melanoma. Post-transcriptional regulation of prostaglandin-endoperoxide synthase (PTGS2) mRNA occurs through a complex interplay of specific trans-acting RNA-binding proteins and microRNAs. MiR-146a is a key player in melanoma, modulating immune responses and tumor microenvironment (TME). Polymorphisms in PTGS2 gene rs20415G<C and miR-146a gene rs2910164G>C have been associated with an increased risk of melanoma. Epistasis between polymorphisms rs20415G<C and rs2910164G>C was investigated by genotyping 453 melanoma patients and 382 control individuals. The effects of testosterone and 17β-estradiol were analyzed in keratinocytes and two melanoma cell lines. The rs2910164GG showed a higher risk in the presence of the genotype rs20417CC in the male population. Testosterone and 17β-estradiol act differently on PTGS2 and miR-146a expression, depending on the cell type. Testosterone augments PTGS2 gene expression in keratinocytes and miR-146a in melanoma cells. While 17β-estradiol only increases miR-146a expression in HaCaT cells. The present study indicates a sex-specific relation between miR-146a and PTGS2 polymorphisms with melanoma cancer risk. Testosterone and 17β-estradiol act differently on the expression of PTGS2 and miR-146a depending on the skin cell type.

Identification of coding variant associations for complex diseases offers a direct route to biological insight, but is dependent on appropriate inference concerning the causal impact of those variants on disease risk. We aggregated coding variant data for 81,412 type 2 diabetes (T2D) cases and 370,832 controls of diverse ancestry, identifying 40 distinct coding variant association signals (at 38 loci) reaching significance (p<2.2x10-7). Of these, 16 represent novel associations mapping outside known genome-wide association study (GWAS) signals. We make two important observations. First, despite a threefold increase in sample size over previous efforts, only five of the 40 signals are driven by variants with minor allele frequency <5%, and we find no evidence for low-frequency variants with allelic odds ratio >1.29. Second, we used GWAS data from 50,160 T2D cases and 465,272 controls of European ancestry to fine-map these associated coding variants in their regional context, with and without additional weighting to account for the global enrichment of complex trait association signals in coding exons. At the 37 signals for which we attempted fine-mapping, we demonstrate convincing support (posterior probability >80% under the 'annotation-weighted' model) that coding variants are causal for the association at 16 (including novel signals involving POC5 p.His36Arg, ANKH p.Arg187Gln, WSCD2 p.Thr113Ile, PLCB3 p.Ser778Leu, and PNPLA3 p.Ile148Met). However, at 13 of the 37 loci, the associated coding variants represent 'false leads' and naïve analysis could have led to an erroneous inference regarding the effector transcript mediating the signal. Accurate identification of validated targets is dependent on correct specification of the contribution of coding and non-coding mediated mechanisms at associated loci.