Macronutrient intake, the proportion of calories consumed from carbohydrate, fat, and protein, is an important risk factor for metabolic diseases with significant familial aggregation. Previous studies have identified two genetic loci for macronutrient intake, but incomplete coverage of genetic variation and modest sample sizes have hindered the discovery of additional loci. Here, we expanded the genetic landscape of macronutrient intake, identifying 12 suggestively significant loci (P < 1 × 10−6) associated with intake of any macronutrient in 91,114 European ancestry participants. Four loci replicated and reached genome-wide significance in a combined meta-analysis including 123,659 European descent participants, unraveling two novel loci; a common variant in RARB locus for carbohydrate intake and a rare variant in DRAM1 locus for protein intake, and corroborating earlier FGF21 and FTO findings. In additional analysis of 144,770 participants from the UK Biobank, all identified associations from the two-stage analysis were confirmed except for DRAM1. Identified loci might have implications in brain and adipose tissue biology and have clinical impact in obesity-related phenotypes. Our findings provide new insight into biological functions related to macronutrient intake.

Objectives. SSc is associated with an increased prevalence of atherosclerosis (ATS). This study assessed the prevalence of subclinical ATS as measured by carotid US and explored serum proteins to identify potential biomarkers of SSc-ATS.

Abstract Educational inequalities in all-cause mortality have been observed for decades. However, the underlying biological mechanisms are not well known. We aimed to assess the role of DNA methylation changes in blood captured by epigenetic clocks in explaining these inequalities. Data were from 8 prospective population-based cohort studies, representing 13 021 participants. First, educational inequalities and their portion explained by Horvath DNAmAge, Hannum DNAmAge, DNAmPhenoAge, and DNAmGrimAge epigenetic clocks were assessed in each cohort via counterfactual-based mediation models, on both absolute (hazard difference) and relative (hazard ratio) scales, and by sex. Second, estimates from each cohort were pooled through a random effect meta-analysis model. Men with low education had excess mortality from all causes of 57 deaths per 10 000 person-years (95% confidence interval [CI]: 38, 76) compared with their more advantaged counterparts. For women, the excess mortality was 4 deaths per 10 000 person-years (95% CI: −11, 19). On the relative scale, educational inequalities corresponded to hazard ratios of 1.33 (95% CI: 1.12, 1.57) for men and 1.15 (95% CI: 0.96, 1.37) for women. DNAmGrimAge accounted for the largest proportion, approximately 50%, of the educational inequalities for men, while the proportion was negligible for women. Most of this mediation was explained by differential effects of unhealthy lifestyles and morbidities of the World Health Organization (WHO) risk factors for premature mortality. These results support DNA methylation-based epigenetic aging as a signature of educational inequalities in life expectancy emphasizing the need for policies to address the unequal social distribution of these WHO risk factors.

ABSTRACT Common SNPs are predicted to collectively explain 40-50% of phenotypic variation in human height, but identifying the specific variants and associated regions requires huge sample sizes. Here we show, using GWAS data from 5.4 million individuals of diverse ancestries, that 12,111 independent SNPs that are significantly associated with height account for nearly all of the common SNP-based heritability. These SNPs are clustered within 7,209 non-overlapping genomic segments with a median size of ~90 kb, covering ~21% of the genome. The density of independent associations varies across the genome and the regions of elevated density are enriched for biologically relevant genes. In out-of-sample estimation and prediction, the 12,111 SNPs account for 40% of phenotypic variance in European ancestry populations but only ~10%-20% in other ancestries. Effect sizes, associated regions, and gene prioritization are similar across ancestries, indicating that reduced prediction accuracy is likely explained by linkage disequilibrium and allele frequency differences within associated regions. Finally, we show that the relevant biological pathways are detectable with smaller sample sizes than needed to implicate causal genes and variants. Overall, this study, the largest GWAS to date, provides an unprecedented saturated map of specific genomic regions containing the vast majority of common height-associated variants.

Abstract Plasma lipids are heritable modifiable causal factors for coronary artery disease, the leading cause of death globally. Despite the well-described monogenic and polygenic bases of dyslipidemia, limitations remain in discovery of lipid-associated alleles using whole genome sequencing, partly due to limited sample sizes, ancestral diversity, and interpretation of potential clinical significance. Increasingly larger whole genome sequence datasets with plasma lipids coupled with methodologic advances enable us to more fully catalog the allelic spectrum for lipids. Here, among 66,329 ancestrally diverse (56% non-European ancestry) participants, we associate 428M variants from deep-coverage whole genome sequences with plasma lipids. Approximately 400M of these variants were not studied in prior lipids genetic analyses. We find multiple lipid-related genes strongly associated with plasma lipids through analysis of common and rare coding variants. We additionally discover several significantly associated rare non-coding variants largely at Mendelian lipid genes. Notably, we detect rare LDLR intronic variants associated with markedly increased LDL-C, similar to rare LDLR exonic variants. In conclusion, we conducted a systematic whole genome scan for plasma lipids expanding the alleles linked to lipids for multiple ancestries and characterize a clinically-relevant rare non-coding variant model for lipids.

Abstract Large-scale whole-genome sequencing studies have enabled analysis of noncoding rare variants’ (RVs) associations with complex human traits. Variant set analysis is a powerful approach to study RV association, and a key component of it is constructing RV sets for analysis. However, existing methods have limited ability to define analysis units in the noncoding genome. Furthermore, there is a lack of robust pipelines for comprehensive and scalable noncoding RV association analysis. Here we propose a computationally-efficient noncoding RV association-detection framework that uses STAAR (variant-set test for association using annotation information) to group noncoding variants in gene-centric analysis based on functional categories. We also propose SCANG (scan the genome)-STAAR, which uses dynamic window sizes and incorporates multiple functional annotations, in a non-gene-centric analysis. We furthermore develop STAARpipeline to perform flexible noncoding RV association analysis, including gene-centric analysis as well as fixed-window-based and dynamic-window-based non-gene-centric analysis. We apply STAARpipeline to identify noncoding RV sets associated with four quantitative lipid traits in 21,015 discovery samples from the Trans-Omics for Precision Medicine (TOPMed) program and replicate several noncoding RV associations in an additional 9,123 TOPMed samples.

Atrial fibrillation is a prevalent arrhythmia associated with a five-fold increased risk of ischemic stroke, and specifically the cardioembolic stroke subtype. Genome-wide association studies of these traits have yielded overlapping risk loci, but genome-wide investigation of genetic susceptibility shared between stroke and atrial fibrillation is lacking. Comparing the genetic architectures of the two diseases could inform whether cardioembolic strokes are driven by inherited atrial fibrillation susceptibility, and may help elucidate ischemic stroke mechanisms. Here, we analyze genome-wide genotyping data and estimate SNP-based heritability in atrial fibrillation and cardioembolic stroke to be nearly identical (20.0% and 19.5%, respectively). Further, we find that the traits are genetically correlated (r=0.77 for SNPs with p < 4.4 x 10-4 in a previous atrial fibrillation meta-analysis). Clinical studies are warranted to assess whether genetic susceptibility to atrial fibrillation can be leveraged to improve the diagnosis and care of ischemic stroke patients.

Abstract Background Epigenome-wide association studies have revealed multiple DNA methylation sites (CpGs) associated with alcohol consumption, an important lifestyle risk factor for cardiovascular diseases. Results We generated an alcohol consumption epigenetic risk score (ERS) based on previously reported 144 alcohol-associated CpGs and examined the association of the ERS with systolic blood pressure (SBP), diastolic blood pressure (DBP), and hypertension (HTN) in 3,898 Framingham Heart Study (FHS) participants. We found an association of alcohol intake with the ERS in the meta-analysis with 0.09 units higher ERS per drink consumed per day ( p < 0.0001). Cross-sectional analyses in FHS revealed that a one-unit increment of the ERS was associated with 1.93 mm Hg higher SBP ( p = 4.64E-07), 0.68 mm Hg higher DBP ( p = 0.006), and an odds ratio of 1.78 for HTN ( p < 2E-16). Meta-analysis of the cross-sectional association of the ERS with BP traits in eight independent external cohorts (n = 11,544) showed similar relationships with blood pressure levels, i.e., a one-unit increase in ERS was associated with 0.74 ( p = 0.002) and 0.50 ( p = 0.0006) mm Hg higher SBP and DBP, but could not confirm the association with hypertension. Longitudinal analyses in FHS (n = 3,260) and five independent external cohorts (n = 4,021) showed that the baseline ERS was not associated with a change in blood pressure over time or with incident HTN. Conclusions Our findings provide proof-of-concept that utilizing an ERS is a useful approach to capture the recent health consequences of lifestyle behaviors such as alcohol consumption.

This study investigates the creation of polygenic scores (PGS)s for human population research. PGSs are a linear, usually weighted, combination of risk alleles that estimate the cumulative genetic risk of an individual for a particular trait. While conceptually simple, there are numerous ways to estimate PGSs, not all achieving the same end goals. In this paper, we systematically investigate the impact of four key decisions in the building of PGSs from published genome-wide association meta-analysis results: 1) whether to use single nucleotide polymorphisms (SNPs) assessed by imputation, 2) criteria for selecting which SNPs to include in the score, 3) whether to account for linkage disequilibrium (LD), and 4) if accounting for LD, which type of method best captures the correlation structure among SNPs (i.e. clumping vs. pruning). Using the Health and Retirement Study (HRS), a nationally representative, population-based longitudinal panel study of Americans over the age of 50, we examine the predictive ability as well as the variability and co-variability in PGSs arising from these different estimation approaches. We examine four traits with large published and replicated genome-wide association studies (height, body mass index, educational attainment, and depression). Our central finding demonstrates PGSs that include all available SNPs either explain the most amount of variation in an outcome or are not significantly different than the PGSs that does. Thus, for reproducibility through rigor and transparency, we recommend that researchers include a PGS with all available SNPs as a reference, and provide substantial justification for using alternative methods.

Abstract Background Epigenome-wide association studies have revealed multiple DNA methylation sites (CpGs) associated with alcohol consumption, an important lifestyle risk factor for cardiovascular diseases. Results We generated an alcohol consumption epigenetic risk score (ERS) based on previously reported 144 alcohol-associated CpGs and examined the association of the ERS with systolic blood pressure (SBP), diastolic blood pressure (DBP), and hypertension (HTN) in 3,898 Framingham Heart Study (FHS) participants. We found an association of alcohol intake with the ERS in the meta-analysis with 0.09 units higher ERS per drink consumed per day ( p < 0.0001). Cross-sectional analyses in FHS revealed that a one-unit increment of the ERS was associated with 1.93 mm Hg higher SBP ( p = 4.64E-07), 0.68 mm Hg higher DBP ( p = 0.006), and an odds ratio of 1.78 for HTN ( p < 2E-16). Meta-analysis of the cross-sectional association of the ERS with BP traits in eight independent external cohorts (n = 11,544) showed similar relationships with blood pressure levels, i.e., a one-unit increase in ERS was associated with 0.74 ( p = 0.002) and 0.50 ( p = 0.0006) mm Hg higher SBP and DBP, but could not confirm the association with hypertension. Longitudinal analyses in FHS (n = 3,260) and five independent external cohorts (n = 4,021) showed that the baseline ERS was not associated with a change in blood pressure over time or with incident HTN. Conclusions Our findings provide proof-of-concept that utilizing an ERS is a useful approach to capture the recent health consequences of lifestyle behaviors such as alcohol consumption.