Abstract Genetic variants that inactivate protein-coding genes are a powerful source of information about the phenotypic consequences of gene disruption: genes that are crucial for the function of an organism will be depleted of such variants in natural populations, whereas non-essential genes will tolerate their accumulation. However, predicted loss-of-function variants are enriched for annotation errors, and tend to be found at extremely low frequencies, so their analysis requires careful variant annotation and very large sample sizes 1 . Here we describe the aggregation of 125,748 exomes and 15,708 genomes from human sequencing studies into the Genome Aggregation Database (gnomAD). We identify 443,769 high-confidence predicted loss-of-function variants in this cohort after filtering for artefacts caused by sequencing and annotation errors. Using an improved model of human mutation rates, we classify human protein-coding genes along a spectrum that represents tolerance to inactivation, validate this classification using data from model organisms and engineered human cells, and show that it can be used to improve the power of gene discovery for both common and rare diseases.

Evidence is urgently needed to support treatment decisions for children with multisystem inflammatory syndrome (MIS-C) associated with severe acute respiratory syndrome coronavirus 2.

Abstract The acceleration of DNA sequencing in patients and population samples has resulted in unprecedented catalogues of human genetic variation, but the interpretation of rare genetic variants discovered using such technologies remains extremely challenging. A striking example of this challenge is the existence of disruptive variants in dosage-sensitive disease genes, even in apparently healthy individuals. Through manual curation of putative loss of function (pLoF) variants in haploinsufficient disease genes in the Genome Aggregation Database (gnomAD)( 1 ), we show that one explanation for this paradox involves alternative mRNA splicing, which allows exons of a gene to be expressed at varying levels across cell types. Currently, no existing annotation tool systematically incorporates this exon expression information into variant interpretation. Here, we develop a transcript-level annotation metric, the proportion expressed across transcripts (pext), which summarizes isoform quantifications for variants. We calculate this metric using 11,706 tissue samples from the Genotype Tissue Expression project( 2 ) (GTEx) and show that it clearly differentiates between weakly and highly evolutionarily conserved exons, a proxy for functional importance. We demonstrate that expression-based annotation selectively filters 22.8% of falsely annotated pLoF variants found in haploinsufficient disease genes in gnomAD, while removing less than 4% of high-confidence pathogenic variants in the same genes. Finally, we apply our expression filter to the analysis of de novo variants in patients with autism spectrum disorder (ASD) and developmental disorders and intellectual disability (DD/ID) to show that pLoF variants in weakly expressed regions have effect sizes similar to those of synonymous variants, while pLoF variants in highly expressed exons are most strongly enriched among cases versus controls. Our annotation is fast, flexible, and generalizable, making it possible for any variant file to be annotated with any isoform expression dataset, and will be valuable for rare disease diagnosis, rare variant burden analyses in complex disorders, and curation and prioritization of variants in recall-by-genotype studies.

Genetic variants that cause rare disorders may remain elusive even after expansive testing, such as exome sequencing. The diagnostic yield of genome sequencing, particularly after a negative evaluation, remains poorly defined.

Germline pathogenic variants in chromatin-modifying enzymes are a common cause of pediatric developmental disorders. These enzymes catalyze reactions that regulate epigenetic inheritance via histone post translational modifications and DNA methylation. Cytosine methylation of DNA (5mC) is the quintessential epigenetic mark, yet no human Mendelian disorder of DNA demethylation has been delineated. Here, we describe in detail the first Mendelian disorder caused by disruption of DNA demethylation. TET3 is a methylcytosine dioxygenase that initiates DNA demethylation during early zygote formation, embryogenesis, and neuronal differentiation and is intolerant to haploinsufficiency in mice and humans. Here we identify and characterize 11 cases of human TET3 deficiency in 8 families with the common phenotypic features of intellectual disability/global developmental delay, hypotonia, autistic traits, movement disorders, growth abnormalities, and facial dysmorphism. Mono-allelic frameshift and nonsense variants in TET3 occur throughout the coding region. Mono-allelic and bi-allelic missense variants localize to conserved residues with all but one occurring within the catalytic domain and most displaying hypomorphic function in a catalytic activity assay. TET3 deficiency shows substantial phenotypic overlap with other Mendelian disorders of the epigenetic machinery, including intellectual disability and growth abnormalities, underscoring shared disease mechanisms.

ABSTRACT Recent progress in human disease genetics is leading to rapid advances in understanding pathobiological mechanisms. However, the sheer number of risk-conveying genetic variants being identified demands in vivo model systems that are amenable to functional analyses at scale. Here we provide a practical guide for using the diploid frog species Xenopus tropicalis to study many genes and variants to uncover conserved mechanisms of pathobiology relevant to human disease. We discuss key considerations in modelling human genetic disorders: genetic architecture, conservation, phenotyping strategy and rigour, as well as more complex topics, such as penetrance, expressivity, sex differences and current challenges in the field. As the patient-driven gene discovery field expands significantly, the cost-effective, rapid and higher throughput nature of Xenopus make it an essential member of the model organism armamentarium for understanding gene function in development and in relation to disease.

Genetic variants that inactivate protein-coding genes are a powerful source of information about the phenotypic consequences of gene disruption: genes critical for an organism’s function will be depleted for such variants in natural populations, while non-essential genes will tolerate their accumulation. However, predicted loss-of-function (pLoF) variants are enriched for annotation errors, and tend to be found at extremely low frequencies, so their analysis requires careful variant annotation and very large sample sizes[1][1]. Here, we describe the aggregation of 125,748 exomes and 15,708 genomes from human sequencing studies into the Genome Aggregation Database (gnomAD). We identify 443,769 high-confidence pLoF variants in this cohort after filtering for sequencing and annotation artifacts. Using an improved human mutation rate model, we classify human protein-coding genes along a spectrum representing tolerance to inactivation, validate this classification using data from model organisms and engineered human cells, and show that it can be used to improve gene discovery power for both common and rare diseases.### Competing Interest Statement [1]: #ref-1