To identify common variants influencing body mass index (BMI), we analyzed genome-wide association data from 16,876 individuals of European descent. After previously reported variants in FTO, the strongest association signal (rs17782313, P = 2.9 × 10−6) mapped 188 kb downstream of MC4R (melanocortin-4 receptor), mutations of which are the leading cause of monogenic severe childhood-onset obesity. We confirmed the BMI association in 60,352 adults (per-allele effect = 0.05 Z-score units; P = 2.8 × 10−15) and 5,988 children aged 7–11 (0.13 Z-score units; P = 1.5 × 10−8). In case-control analyses (n = 10,583), the odds for severe childhood obesity reached 1.30 (P = 8.0 × 10−11). Furthermore, we observed overtransmission of the risk allele to obese offspring in 660 families (P (pedigree disequilibrium test average; PDT-avg) = 2.4 × 10−4). The SNP location and patterns of phenotypic associations are consistent with effects mediated through altered MC4R function. Our findings establish that common variants near MC4R influence fat mass, weight and obesity risk at the population level and reinforce the need for large-scale data integration to identify variants influencing continuous biomedical traits.

Genetic roots of multiple sclerosis The genetics underlying who develops multiple sclerosis (MS) have been difficult to work out. Examining more than 47,000 cases and 68,000 controls with multiple genome-wide association studies, the International Multiple Sclerosis Genetics Consortium identified more than 200 risk loci in MS (see the Perspective by Briggs). Focusing on the best candidate genes, including a model of the major histocompatibility complex region, the authors identified statistically independent effects at the genome level. Gene expression studies detected that every major immune cell type is enriched for MS susceptibility genes and that MS risk variants are enriched in brain-resident immune cells, especially microglia. Up to 48% of the genetic contribution of MS can be explained through this analysis. Science , this issue p. eaav7188 ; see also p. 1383

The dopamine D2 receptor has been extensively studied in relation to alcoholism, substance abuse, and nicotine dependence. The most frequently examined polymorphism linked to this gene is the Taq1A restriction fragment length polymorphism (RFLP) (dbSNP rs1800497; g.32806C>T in GenBank AF050737.1), which has been associated with a reduction in D2 receptor density, although this is not universally accepted. The Taq1A RFLP lies 10 kB downstream of DRD2 and may therefore fall within a different coding region than the DRD2 gene or within a regulatory region. Within this downstream region, we have identified a novel kinase gene, named ankyrin repeat and kinase domain containing 1 (ANKK1), which contains a single serine/threonine kinase domain and is expressed at low levels in placenta and whole spinal cord RNA. This gene is a member of an extensive family of proteins involved in signal transduction pathways. The DRD2 Taq1A RFLP is a single nucleotide polymorphism (SNP) that causes an amino acid substitution within the 11th ankyrin repeat of ANKK1 (p.Glu713Lys), which, while unlikely to affect structural integrity, may affect substrate-binding specificity. If this is the case, then changes in ANKK1 activity may provide an alternative explanation for previously described associations between the DRD2 Taq1A RFLP and neuropsychiatric disorders such as addiction.

We conducted voluntary Covid-19 testing programmes for symptomatic and asymptomatic staff at a UK teaching hospital using naso-/oro-pharyngeal PCR testing and immunoassays for IgG antibodies. 1128/10,034 (11.2%) staff had evidence of Covid-19 at some time. Using questionnaire data provided on potential risk-factors, staff with a confirmed household contact were at greatest risk (adjusted odds ratio [aOR] 4.82 [95%CI 3.45-6.72]). Higher rates of Covid-19 were seen in staff working in Covid-19-facing areas (22.6% vs. 8.6% elsewhere) (aOR 2.47 [1.99-3.08]). Controlling for Covid-19-facing status, risks were heterogenous across the hospital, with higher rates in acute medicine (1.52 [1.07-2.16]) and sporadic outbreaks in areas with few or no Covid-19 patients. Covid-19 intensive care unit staff were relatively protected (0.44 [0.28-0.69]), likely by a bundle of PPE-related measures. Positive results were more likely in Black (1.66 [1.25-2.21]) and Asian (1.51 [1.28-1.77]) staff, independent of role or working location, and in porters and cleaners (2.06 [1.34-3.15]).

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 A major challenge of genome-wide association studies (GWAS) is to translate phenotypic associations into biological insights. Here, we integrate a large GWAS on blood lipids involving 1.6 million individuals from five ancestries with a wide array of functional genomic datasets to discover regulatory mechanisms underlying lipid associations. We first prioritize lipid-associated genes with expression quantitative trait locus (eQTL) colocalizations, and then add chromatin interaction data to narrow the search for functional genes. Polygenic enrichment analysis across 697 annotations from a host of tissues and cell types confirms the central role of the liver in lipid levels, and highlights the selective enrichment of adipose-specific chromatin marks in high-density lipoprotein cholesterol and triglycerides. Overlapping transcription factor (TF) binding sites with lipid-associated loci identifies TFs relevant in lipid biology. In addition, we present an integrative framework to prioritize causal variants at GWAS loci, producing a comprehensive list of candidate causal genes and variants with multiple layers of functional evidence. Two prioritized genes, CREBRF and RRBP1 , show convergent evidence across functional datasets supporting their roles in lipid biology.

With the identification of a large number of genetic loci associated with human fat distribution and its importance for metabolic health, the question arises as to what the genetic drivers for discrete fat depot expansion might be. To date most studies have focussed on conventional anthropometric measures such as waist-to-hip ratio (WHR) adjusted for body mass index. We searched for genetic loci determining discrete fat depots mass size using an exome-wide approach in 3 large cohorts. Here we report an exome-wide analysis of non-synonymous genetic variants in 17,212 participants in which regional fat masses were quantified using dual-energy X-ray absorptiometry. The missense variant CCDC92S70C, previously associated with WHR, is associated specifically with reduced visceral and increased leg fat masses. Allele-specific expression analysis shows that the deleterious minor allele carrying transcript also has a constitutively higher expression. In addition, we identify two variants associated with the transcriptionally distinct fat depot arm fat (SPATA20K422R and UQCC1R51Q). SPATA20K422R, a rare novel locus with a large effect size specific to arm, and UQCC1R51Q, a common variant exome-wide significant in arm but showing similar trends in other subcutaneous fat depots. In terms of the understanding of human fat distribution, these findings suggest distinct regulation of discrete fat depot expansion.

Body fat distribution is a heritable risk factor for a range of adverse health consequences, including hyperlipidemia and type 2 diabetes. To identify protein-coding variants associated with body fat distribution, assessed by waist-to-hip ratio adjusted for body mass index, we analyzed 228,985 predicted coding and splice site variants available on exome arrays in up to 344,369 individuals from five major ancestries for discovery and 132,177 independent European-ancestry individuals for validation. We identified 15 common (minor allele frequency, MAF ≥ 5%) and 9 low frequency or rare (MAF < 5%) coding variants that have not been reported previously. Pathway/gene set enrichment analyses of all associated variants highlight lipid particle, adiponectin level, abnormal white adipose tissue physiology, and bone development and morphology as processes affecting fat distribution and body shape. Furthermore, the cross-trait associations and the analyses of variant and gene function highlight a strong connection to lipids, cardiovascular traits, and type 2 diabetes. In functional follow-up analyses, specifically in Drosophila RNAi-knockdown crosses, we observed a significant increase in the total body triglyceride levels for two genes (DNAH10 and PLXND1). By examining variants often poorly tagged or entirely missed by genome-wide association studies, we implicate novel genes in fat distribution, stressing the importance of interrogating low-frequency and protein-coding variants.