Abstract The transition from land to water in whales and dolphins (cetaceans) was accompanied by remarkable anatomical, physiological and behavioral adaptations. To better understand the genomic changes that occurred during this transition, we systematically screened for protein-coding genes that were inactivated in the ancestral cetacean lineage. We discovered genes whose loss is likely beneficial for cetaceans by reducing the risk of thrombus formation during diving ( F12 , KLKB1 ), improving the fidelity of oxidative DNA damage repair ( POLM ), and protecting from oxidative stress-induced lung inflammation ( MAP3K19 ). Additional gene losses may reflect other diving-related adaptations, such as enhanced vasoconstriction during the diving response (mediated by SLC6A18 ) and altered pulmonary surfactant composition ( SEC14L3 ), while loss of SLC4A9 relates to a reduced need for saliva in aquatic environments. Finally, the complete loss of melatonin synthesis and receptor genes ( AANAT , ASMT , MTNR1A / B ) may have been a precondition for the evolution of unihemispheric sleep. Our findings suggest that some genes lost in the ancestral cetacean lineage may have been involved in adapting to a fully-aquatic lifestyle.

Combinations of transcription factors govern the identity of cell types, which is reflected by enhancer codes in cis-regulatory genomic regions. Cell type-specific enhancer codes at nucleotide-level resolution have not yet been characterized for the mammalian neocortex. It is currently unknown whether these codes are conserved in other vertebrate brains, and whether they are informative to resolve homology relationships for species that lack a neocortex such as birds. To compare enhancer codes of cell types from the mammalian neocortex with those from the bird pallium, we generated single-cell multiome and spatially-resolved transcriptomics data of the chicken telencephalon. We then trained deep learning models to characterize cell type-specific enhancer codes for the human, mouse, and chicken telencephalon. We devised three metrics that exploit enhancer codes to compare cell types between species. Based on these metrics, non-neuronal and GABAergic cell types show a high degree of regulatory similarity across vertebrates. Proposed homologies between mammalian neocortical and avian pallial excitatory neurons are still debated. Our enhancer code based comparison shows that excitatory neurons of the mammalian neocortex and the avian pallium exhibit a higher degree of divergence than other cell types. In contrast to existing evolutionary models, the mammalian deep layer excitatory neurons are most similar to mesopallial neurons; and mammalian upper layer neurons to hyper- and nidopallial neurons based on their enhancer codes. In addition to characterizing the enhancer codes in the mammalian and avian telencephalon, and revealing unexpected correspondences between cell types of the mammalian neocortex and the chicken pallium, we present generally applicable deep learning approaches to characterize and compare cell types across species via the genomic regulatory code.

Abstract Feeding exclusively on blood, vampire bats represent the only obligate sanguivorous lineage among mammals. To uncover genomic changes associated with adaptations to this unique dietary specialization, we generated a new haplotype-resolved reference-quality genome of the common vampire bat ( Desmodus rotundus ) and screened 26 bat species for genes that were specifically lost in the vampire bat lineage. We discovered previously-unknown gene losses that relate to metabolic and physiological changes, such as reduced insulin secretion ( FFAR1 , SLC30A8 ), limited glycogen stores ( PPP1R3E ), and a distinct gastric physiology ( CTSE ). Other gene losses likely reflect the biased nutrient composition ( ERN2 , CTRL ) and distinct pathogen diversity of blood ( RNASE7 ). Interestingly, the loss of REP15 likely helped vampire bats to adapt to high dietary iron levels by enhancing iron excretion and the loss of the 24S-hydroxycholesterol metabolizing enzyme CYP39A1 could contribute to their exceptional cognitive abilities. Finally, losses of key cone phototransduction genes ( PDE6H , PDE6C ) suggest that these strictly-nocturnal bats completely lack cone-based vision. These findings enhance our understanding of vampire bat biology and the genomic underpinnings of adaptations to sanguivory.

Joint profiling of chromatin accessibility and gene expression of individual cells provides an opportunity to decipher enhancer-driven gene regulatory networks (eGRN). Here we present a new method for the inference of eGRNs, called SCENIC+. SCENIC+ predicts genomic enhancers along with candidate upstream transcription factors (TF) and links these enhancers to candidate target genes. Specific TFs for each cell type or cell state are predicted based on the concordance of TF binding site accessibility, TF expression, and target gene expression. To improve both recall and precision of TF identification, we curated and clustered more than 40,000 position weight matrices that we could associate with 1,553 human TFs. We validated and benchmarked each of the SCENIC+ components on diverse data sets from different species, including human peripheral blood mononuclear cell types, ENCODE cell lines, human melanoma cell states, and Drosophila retinal development. Next, we exploit SCENIC+ predictions to study conserved TFs, enhancers, and GRNs between human and mouse cell types in the cerebral cortex. Finally, we provide new capabilities that exploit the inferred eGRNs to study the dynamics of gene regulation along differentiation trajectories; to map regulatory activities onto tissues using spatial omics data; and to predict the effect of TF perturbations on cell state. SCENIC+ provides critical insight into gene regulation, starting from multiome atlases of scATAC-seq and scRNA-seq. The SCENIC+ suite is available as a set of Python modules at https://scenicplus.readthedocs.io .

Identifying cell type-specific enhancers in the brain is critical to building genetic tools for investigating the mammalian brain. Computational methods for functional enhancer prediction have been proposed and validated in the fruit fly and not yet the mammalian brain. We organized the 'Brain Initiative Cell Census Network (BICCN) Challenge: Predicting Functional Cell Type-Specific Enhancers from Cross-Species Multi-Omics' to assess machine learning and feature-based methods designed to nominate enhancer DNA sequences to target cell types in the mouse cortex. Methods were evaluated based on

Abstract Despite decades of research, knowledge about the genes that are important for development and function of the mammalian eye and are involved in human eye disorders remains incomplete. During mammalian evolution, mammals that naturally exhibit poor vision or regressive eye phenotypes have independently lost many eye-related genes. This provides an opportunity to predict novel eye-related genes based on specific evolutionary gene loss signatures. Building on these observations, we performed a genome-wide screen across 49 mammals for functionally uncharacterized genes that are preferentially lost in species exhibiting lower visual acuity values. The screen uncovered several genes, including SERPINE3 , a putative serine proteinase inhibitor. A detailed investigation of 381 additional mammals revealed that SERPINE3 is independently lost in 18 lineages that typically do not primarily rely on vision, predicting a vision-related function for this gene. To test this, we show that SERPINE3 has the highest expression in eyes of zebrafish and mouse. In the zebrafish retina, serpine3 is expressed in Mueller glia cells, a cell type essential for survival and maintenance of the retina. A CRISPR-mediated knockout of serpine3 in zebrafish resulted in alterations in eye shape and defects in retinal layering. Furthermore, two human polymorphisms that are in linkage with SERPINE3 are associated with eye-related traits. Together, these results suggest that SERPINE3 has a role in vertebrate eyes. More generally, by integrating comparative genomics with experiments in model organisms, we show that screens for specific phenotype-associated gene signatures can predict functions of uncharacterized genes.

Toll-like receptors (TLRs) play an important role for the innate immune system by detecting pathogen-associated molecular patterns. TLR5 encodes the major extracellular receptor for bacterial flagellin and frequently evolves under positive selection, consistent with coevolutionary arms races between the host and pathogens. Furthermore, TLR5 is inactivated in several vertebrates and a TLR5 stop codon polymorphism is widespread in human populations. Here, we analyzed the genomes of 120 mammals and discovered that TLR5 is convergently lost in four independent lineages, comprising guinea pigs, Yangtze river dolphin, pinnipeds, and pangolins. Validated inactivating mutations, absence of protein-coding transcript expression, and relaxed selection on the TLR5 remnants confirm these losses. PCR analysis further confirmed the loss of TLR5 in the pinniped stem lineage. Finally, we show that TLR11 , encoding a second extracellular flagellin receptor, is also absent in these four lineages. Independent losses of TLR5 and TLR11 suggests that a major pathway for detecting flagellated bacteria is not essential for different mammals and predicts an impaired capacity to sense extracellular flagellin.

Recently, we have achieved a significant milestone with the creation of the Fly Cell Atlas. This single-nuclei atlas encompasses the entire fly, covering the entire head and body, in addition to all major organs. This atlas catalogs hundreds to thousands of cell types, of which we annotated 250. This still leaves many clusters to be fully characterized, in particular in the brain. Furthermore, with single-nuclei sequencing, all information about the spatial location of the cells and of the mRNAs within these cells is lost. Here, we provide a solution to this problem. In a proof of concept study, we have applied spatial transcriptomics using a selected gene panel to pinpoint the locations of 150 mRNA species in the adult fly. This enabled us to map unknown cell types identified in the Fly Cell Atlas to their spatial locations in the brain. Additionally, spatial transcriptomics discovered interesting principles of mRNA localization in large crowded muscle cells that may spark future mechanistic investigations. Furthermore, we present a set of computational tools that will allow for easier integration of spatial transcriptomics and single-cell datasets.

Transposons and other repetitive sequences make up a large part of complex genomes. Repetitive sequences can be co-opted into a variety of functions and thus provide a source for evolutionary novelty. However, comprehensively detecting ancestral repeats that align between species is difficult since considering all repeat-overlapping seeds in alignment methods that rely on the seed-and-extend heuristic results in prohibitively high runtimes. Here, we show that ignoring repeat-overlapping alignment seeds when aligning entire genomes misses numerous alignments between repetitive elements. We present a tool - RepeatFiller - that improves genome alignments by incorporating previously-undetected local alignments between repetitive sequences. By applying RepeatFiller to genome alignments between human and 20 other representative mammals, we uncover between 22 and 84 megabases of previously-undetected alignments that mostly overlap transposable elements. We further show that the increased alignment coverage improves the annotation of conserved non-exonic elements, both by discovering numerous novel transposon-derived elements that evolve under constraint and by removing thousands of elements that are not under constraint in placental mammals. In conclusion, RepeatFiller contributes to comprehensively aligning repetitive genomic regions, which facilitates studying transposon co-option and genome evolution.