ABSTRACT Insomnia is a common disorder linked with adverse long-term medical and psychiatric outcomes, but underlying pathophysiological processes and causal relationships with disease are poorly understood. Here we identify 57 loci for self-reported insomnia symptoms in the UK Biobank (n=453,379) and confirm their impact on self-reported insomnia symptoms in the HUNT study (n=14,923 cases, 47,610 controls), physician diagnosed insomnia in Partners Biobank (n=2,217 cases, 14,240 controls), and accelerometer-derived measures of sleep efficiency and sleep duration in the UK Biobank (n=83,726). Our results suggest enrichment of genes involved in ubiquitin-mediated proteolysis, phototransduction and muscle development pathways and of genes expressed in multiple brain regions, skeletal muscle and adrenal gland. Evidence of shared genetic factors is found between frequent insomnia symptoms and restless legs syndrome, aging, cardio-metabolic, behavioral, psychiatric and reproductive traits. Evidence is found for a possible causal link between insomnia symptoms and coronary heart disease, depressive symptoms and subjective well-being. One Sentence Summary We identify 57 genomic regions associated with insomnia pointing to the involvement of phototransduction and ubiquitination and potential causal links to CAD and depression.

Abstract Variability in red blood cell volumes (distribution width, RDW) increases with age and is strongly predictive of mortality, incident coronary heart disease and cancer. We investigated inherited genetic variation associated with RDW in 116,666 UK Biobank human volunteers. A large proportion RDW is explained by genetic variants (29%), especially in the older group (60+ year olds, 33.8%, <50 year olds, 28.4%). RDW was associated with 194 independent genetic signals; 71 are known for conditions including autoimmune disease, certain cancers, BMI, Alzheimer’s disease, longevity, age at menopause, bone density, myositis, Parkinson’s disease, and age-related macular degeneration. Pathways analysis showed enrichment for telomere maintenance, ribosomal RNA and apoptosis. The majority of RDW-associated signals were intronic (119 of 194), including SNP rs6602909 located in an intron of oncogene GAS6 ; the SNP is also an eQTL for this gene in whole blood. RDW-associated exonic genetic signals included a missense variant in PNPLA3 , which codes for a triacylglycerol lipase, and a rare (1% frequency) deletion in SMIM1 , involved in red blood cell formation. Although increased RDW is predictive of cardiovascular outcomes, this was not explained by known CVD or related lipid genetic risks. The predictive value of RDW for a range of negative health outcomes may in part be due to variants influencing fundamental pathways of aging.

Using data from 697,828 research participants from 23andMe and UK Biobank, we identified 351 loci associated with being a morning person, a behavioural indicator of a person's underlying circadian rhythm. These loci were validated in 85,760 individuals with activity-monitor derived measures of sleep timing: the mean sleep timing of the 5% of individuals carrying the most "morningness" alleles was 25.1 minutes (95% CI: 22.5, 27.6) earlier than the 5% carrying the fewest. The loci were enriched for genes involved in circadian rhythm and insulin pathways, and those expressed in the retina, hindbrain, hypothalamus, and pituitary (all FDR<1%). We provide some evidence that being a morning person was causally associated with reduced risk of schizophrenia (OR: 0.89; 95% CI: 0.82, 0.96), depression (OR: 0.94; 95% CI: 0.91, 0.98) and a lower age at last childbirth in women (β: -0.046 years; 95% CI: -0.067, -0.025), but was not associated with BMI (β: -4.6x10-4; 95% CI: -0.044, 0.043) or type 2 diabetes (OR: 1.00; 95% CI: 0.91, 1.1). This study offers new insights into the biology of circadian rhythms and disease links in humans.

Sleep is an essential human function but its regulation is poorly understood. Identifying genetic variants associated with quality, quantity and timing of sleep will provide biological insights into the regulation of sleep and potential links with disease. Using accelerometer data from 85,670 individuals in the UK Biobank, we performed a genome-wide association study of 8 accelerometer-derived sleep traits. We identified 47 genetic associations across the sleep traits (P<5x10-8) and replicated our findings in 5,819 individuals from 3 independent studies. These included 10 novel associations for sleep duration and 26 for sleep quality. Most newly identified variants were associated with a single sleep trait, but variants previously associated with restless legs syndrome were observed to be associated with multiple sleep traits. As a group, sleep quality loci were enriched for serotonin processing genes and all sleep traits were enriched for cerebellar-expressed genes. These findings provide new biological insights into sleep characteristics.

Identifying copy number variants (CNVS) can provide diagnoses to patients and provide important biological insights into human health and disease. Current exome and targeted sequencing approaches cannot detect clinically and biologically-relevant CNVs outside their target area. We present SavvyCNV, a tool which uses off-target read data to call CNVs genome-wide. Up to 70% of sequencing reads from exome and targeted sequencing fall outside the targeted regions - SavvyCNV exploits this ‘free data’.We benchmarked SavvyCNV using truth sets generated from genome sequencing data and Multiplex Ligation-dependent Probe Amplification assays. SavvyCNV called CNVs with high precision and recall, outperforming five state-of-the-art CNV callers at calling CNVs genome-wide using off-target or on-target reads from targeted panel and exome sequencing. Furthermore SavvyCNV was able to call previously undetected clinically-relevant CNVs from targeted panel data highlighting the utility of this tool within the diagnostic setting. SavvyCNV is freely available.

As genetic association studies increase in size to 100,000s of individuals, subtle biases may influence conclusions. One possible bias is ″index event bias″ (IEB), also called ″collider bias″, caused by the stratification by, or enrichment for, disease status when testing associations between gene variants and a disease-associated trait. We first provided a statistical framework for quantifying IEB then identified real examples of IEB in a range of study and analytical designs. We observed evidence of biased associations for some disease alleles and genetic risk scores, even in population-based studies. For example, a genetic risk score consisting of type 2 diabetes variants was associated with lower BMI in 113,203 type 2 diabetes controls from the population based UK Biobank study (-0.010 SDs BMI per allele, P=5E-4), entirely driven by IEB. Three of 11 individual type 2 diabetes risk alleles, and 10 of 25 hypertension alleles were associated with lower BMI at p<0.05 in UK Biobank when analyzing disease free individuals only, of which six hypertension alleles remained associated at p<0.05 after correction for IEB. Our analysis suggested that the associations between CCND2 and TCF7L2 diabetes risk alleles and BMI could (at least partially) be explained by IEB. Variants remaining associated after correction may be pleiotropic and include those in CYP17A1 (allele associated with hypertension risk and lower BMI). In conclusion, IEB may result in false positive or negative associations in very large studies stratified or strongly enriched for/against disease cases.

Disrupted circadian rhythms and reduced sleep duration are associated with several human diseases, particularly obesity and type 2 diabetes, but little is known about the genetic factors influencing these heritable traits. We performed genome-wide association studies of self-reported chronotype (morning/evening person) and self-reported sleep duration in 128,266 White British individuals from the UK Biobank study. Sixteen variants were associated with chronotype (P<5x10-8), including variants near the known circadian rhythm genes RGS16 (1.21 odds of morningness [95%CI 1.15, 1.27], P=3x10-12) and PER2 (1.09 odds of morningness [95%CI 1.06, 1.12], P=4x10-10). The PER2 signal has previously been associated with iris function. We sought replication using self-reported data from 89,823 23andMe participants; thirteen of the chronotype signals remained significant at P<5x10-8 on meta-analysis and eleven of these reached P<0.05 in the same direction in the 23andMe study. For sleep duration, we replicated one known signal in PAX8 (2.6 [95%CIs 1.9, 3.2] minutes per allele P=5.7x10-16) and identified and replicated two novel associations at VRK2 (2.0 [95% CI: 1.3, 2.7] minutes per allele, P=1.2x10-9; and 1.6 [95% CI: 1.1, 2.2] minutes per allele, P=7.6x10-9). Although we found genetic correlation between chronotype and BMI (rG=0.056, P=0.048); undersleeping and BMI (rG=0.147, P=1x10-5) and oversleeping and BMI (rG=0.097, P=0.039), Mendelian Randomisation analyses provided no consistent evidence of causal associations between BMI or type 2 diabetes and chronotype or sleep duration. Our study provides new insights into the biology of sleep and circadian rhythms in humans.

Over 100,000 genetic variants are classified as disease-causing in public databases. However, the true penetrance of many of these rare alleles is uncertain and may be over-estimated by clinical ascertainment. As more people undergo genome sequencing there is an increasing need to assess the true penetrance of alleles. Until recently, this was not possible in a population-based setting. Here, we use data from 388,714 UK Biobank (UKB) participants of European ancestry to assess the pathogenicity and penetrance of putatively clinically important rare variants. Although rare variants are harder to genotype accurately than common variants, we were able to classify 1,244 of 4,585 (27%) putatively clinically relevant rare variants genotyped on the UKB microarray as high-quality. We defined 'rare' as variants with a minor allele frequency of <0.01, and 'clinically relevant' as variants that were either classified as pathogenic/likely pathogenic in ClinVar or are in genes known to cause two specific monogenic diseases in which we have some expertise: Maturity-Onset Diabetes of the Young (MODY) and severe developmental disorders (DD). We assessed the penetrance and pathogenicity of these high-quality variants by testing their association with 401 clinically-relevant traits available in UKB. We identified 27 putatively clinically relevant rare variants associated with a UKB trait but that exhibited reduced penetrance or variable expressivity compared with their associated disease. For example, the P415A PER3 variant that has been reported to cause familial advanced sleep phase syndrome is present at 0.5% frequency in the population and associated with an odds ratio of 1.38 for being a morning person (P=2x10-18). We also observed novel associations with relevant traits for heterozygous carriers of some rare recessive conditions, e.g. heterozygous carriers of the R799W ERCC4 variant that causes Xeroderma pigmentosum were more susceptible to sunburn (one extra sunburn episode reported, P=2x10-8). Within our two disease subsets, we were able to refine the penetrance estimate for the R114W HNF4A variant in diabetes (only ~10% by age 40yrs) and refute the previous disease-association of RNF135 in developmental disorders. In conclusion, this study shows that very large population-based studies will help refine the penetrance estimates of rare variants. This information will be important for anyone receiving information about their health based on putatively pathogenic variants.

Wrist worn raw-data accelerometers are used increasingly in large scale population research. We examined whether sleep parameters can be estimated from these data in the absence of sleep diaries. Our heuristic algorithm uses the variance in estimated z-axis angle and makes basic assumptions about sleep interruptions. Detected sleep period time window (SPT-window), was compared against sleep diary in 3752 participants (range=60-82years) and polysomnography in sleep clinic patients (N=28) and in healthy good sleepers (N=22). The SPT-window derived from the algorithm was 10.9 and 2.9 minutes longer compared with sleep diary in men and women, respectively. Mean C-statistic to detect the SPT-window compared to polysomnography was 0.86 and 0.83 in clinic-based and healthy sleepers, respectively. We demonstrated the accuracy of our algorithm to detect the SPT-window. The value of this algorithm lies in studies such as UK Biobank where a sleep diary was not used.

Variation in human lifespan is 20 to 30% heritable but few genetic variants have been identified. We undertook a Genome Wide Association Study (GWAS) using age at death of parents of middle-aged UK Biobank participants of European decent (n=75,244 with father's and/or mother's data). Genetic risk scores for 19 phenotypes (n=777 proven variants) were also tested. Genotyped variants (n=845,997) explained 10.2% (SD=1.3%) of combined parental longevity. In GWAS, a locus in the nicotine receptor CHRNA3 - previously associated with increased smoking and lung cancer - was associated with paternal age at death, with each protective allele (rs1051730[G]) being associated with 0.03 years later age at father's death (p=3x10-8). Offspring of longer lived parents had more protective alleles (lower genetic risk scores) for coronary artery disease, systolic blood pressure, body mass index, cholesterol and triglyceride levels, type-1 diabetes, inflammatory bowel disease and Alzheimer's disease. In candidate gene analyses, variants in the TOMM40/APOE locus were associated with longevity (including rs429358, p=3x10-5), but FOXO variants were not associated. These results support a multiple protective factors model for achieving longer lifespans in humans, with a prominent role for cardiovascular-related pathways. Several of these genetically influenced risks, including blood pressure and tobacco exposure, are potentially modifiable.