Importance

 Observational studies have shown associations of birth weight with type 2 diabetes (T2D) and glycemic traits, but it remains unclear whether these associations represent causal associations. 

Objective

 To test the association of birth weight with T2D and glycemic traits using a mendelian randomization analysis. 

Design, Setting, and Participants

 This mendelian randomization study used a genetic risk score for birth weight that was constructed with 7 genome-wide significant single-nucleotide polymorphisms. The associations of this score with birth weight and T2D were tested in a mendelian randomization analysis using study-level data. The association of birth weight with T2D was tested using both study-level data (7 single-nucleotide polymorphisms were used as an instrumental variable) and summary-level data from the consortia (43 single-nucleotide polymorphisms were used as an instrumental variable). Data from 180 056 participants from 49 studies were included. 

Main Outcomes and Measures

 Type 2 diabetes and glycemic traits. 

Results

 This mendelian randomization analysis included 49 studies with 41 155 patients with T2D and 80 008 control participants from study-level data and 34 840 patients with T2D and 114 981 control participants from summary-level data. Study-level data showed that a 1-SD decrease in birth weight due to the genetic risk score was associated with higher risk of T2D among all participants (odds ratio [OR], 2.10; 95% CI, 1.69-2.61;P = 4.03 × 10⁻⁵), among European participants (OR, 1.96; 95% CI, 1.42-2.71;P = .04), and among East Asian participants (OR, 1.39; 95% CI, 1.18-1.62;P = .04). Similar results were observed from summary-level analyses. In addition, each 1-SD lower birth weight was associated with 0.189 SD higher fasting glucose concentration (β = 0.189; SE = 0.060;P = .002), but not with fasting insulin, 2-hour glucose, or hemoglobin A_1cconcentration. 

Conclusions and Relevance

 In this study, a genetic predisposition to lower birth weight was associated with increased risk of T2D and higher fasting glucose concentration, suggesting genetic effects on retarded fetal growth and increased diabetes risk that either are independent of each other or operate through alterations of integrated biological mechanisms.

ABSTRACT We present a new method, Multi-Ancestry Meta-Analysis (MAMA), which combines genome-wide association study (GWAS) summary statistics from multiple populations to produce new summary statistics for each population, identifying novel loci that would not have been discovered in either set of GWAS summary statistics alone. In simulations, MAMA increases power with less bias and generally lower type-1 error rate than other multi-ancestry meta-analysis approaches. We apply MAMA to 23 phenotypes in East-Asian- and European-ancestry populations and find substantial gains in power. In an independent sample, novel genetic discoveries from MAMA replicate strongly.

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.

Epidemiology studies suggested that low birthweight was associated with a higher risk of hypertension in later life. However, little is known about the causality of such associations. In our study, we evaluated the causal association of low birthweight with adulthood hypertension following a standard analytic protocol using the study-level data of 183,433 participants from 60 studies (CHARGE-BIG consortium), as well as that with blood pressure using publicly available summary-level genome-wide association data from EGG consortium of 153,781 participants, ICBP consortium and UK Biobank cohort together of 757,601 participants. We used seven SNPs as the instrumental variable in the study-level analysis and 47 SNPs in the summary-level analysis. In the study-level analyses, decreased birthweight was associated with a higher risk of hypertension in adults (the odds ratio per 1 standard deviation (SD) lower birthweight, 1.22; 95% CI 1.16 to 1.28), while no association was found between genetically instrumented birthweight and hypertension risk (instrumental odds ratio for causal effect per 1 SD lower birthweight, 0.97; 95% CI 0.68 to 1.41). Such results were consistent with that from the summary-level analyses, where the genetically determined low birthweight was not associated with blood pressure measurements either. One SD lower genetically determined birthweight was not associated with systolic blood pressure (β = - 0.76, 95% CI - 2.45 to 1.08 mmHg), 0.06 mmHg lower diastolic blood pressure (β = - 0.06, 95% CI - 0.93 to 0.87 mmHg), or pulse pressure (β = - 0.65, 95% CI - 1.38 to 0.69 mmHg, all p > 0.05). Our findings suggest that the inverse association of birthweight with hypertension risk from observational studies was not supported by large Mendelian randomization analyses.

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.

Cancer and aging are widely assumed to involve similar biological trajectories in different populations, though such biology has not been systematically characterized on a population scale. Clonal hematopoiesis with acquired mutations is a pre-cancerous condition that becomes common with advancing age. Here we describe shared and population-specific patterns of genomic mutation revealed by 33,250 autosomal mosaic chromosomal alterations (mCAs) we ascertained from 179,417 Japanese participants in the BioBank Japan cohort and compared to analogous analyses of UK Biobank. In this long-lived Japanese population, mCAs were detected in more than 35.0% (s.e. 1.4%) of individuals older than 90 years, suggesting that such clones trend toward inevitability with aging. Japanese and Europeans exhibited key differences in the genomic locations of mutations in their respective hematopoietic clones, which anticipated the populations' relative rates of CLL (more common among Europeans) and T-cell lymphoma (more common among Japanese). Multiple mutational precursors of CLL (including trisomy 12, 13q loss, and 13q CNN-LOH) were also 2-6x less common among the Japanese, suggesting that these populations differ in selective pressures on clones long before the development of clinically apparent CLL. Japanese and UK populations also exhibited very different rates of clones arising from B- and T-cell lineages, anticipating the relative rates of B- and T-cell cancers in these populations. We identified six new loci at which inherited variants predispose to mCAs that duplicate or remove inherited risk alleles, including large-effect rare variants at NBN, MRE11, and CTU2 (OR=28-91). Our results motivate further exploration of the global genomic landscape of clonal hematopoiesis and cancer, and point to population-specific selective pressures on hematopoietic clones.

Abstract Large-scale imputation reference panels are now available and have contributed to efficient genome-wide association studies through genotype imputation. However, it is still under debate whether large-size multi-ancestry or small-size population-specific reference panels are the optimal choices for under-represented populations. We imputed genotypes of East Asian (EAS; 180k Japanese) subjects using the Trans-Omics for Precision Medicine (TOPMed) reference panel and found that the standard imputation quality metric (Rsq) substantially overestimated the dosage r 2 (squared correlation between imputed dosage and true genotype). Variance component analysis of Rsq revealed that the increased imputed-genotype certainty (dosages closer to 0, 1, or 2) caused upward bias, indicating some systemic bias in the imputation. Through systematic simulations using different template switching rates (θ value) in the hidden Markov model, we uncovered that the lower θ value increased the imputed-genotype certainty and Rsq; however, dosage r 2 was insensitive to the θ value, thereby causing a deviation. In simulated reference panels with different sizes and ancestral diversities, the θ value estimates from Minimac decreased with the size of a single ancestry and increased with the ancestral diversity. Thus, Rsq could overestimate or underestimate dosage r 2 for a subpopulation in the multi-ancestry panel and the deviation represents different imputed-dosage distributions. Finally, despite the impact of θ value, distant ancestries in the reference panel contributed only a few additional variants passing a predefined Rsq threshold. We conclude that the θ value has a substantial impact on the imputed dosage and the imputation quality metric value.

Adult height was one of the earliest putative examples of polygenic adaptation in human. By constructing polygenic height scores using effect sizes and frequencies from hundreds of genomic loci robustly associated with height, it was reported that Northern Europeans were genetically taller than Southern Europeans beyond neutral expectation. However, this inference was recently challenged. Sohail et al. and Berg et al. showed that the polygenic signature disappeared if summary statistics from UK Biobank (UKB) were used in the analysis, suggesting that residual uncorrected stratification from large-scale consortium studies was responsible for the previously noted genetic difference. It thus remains an open question whether height loci exhibit signals of polygenic adaptation in any human population. In the present study, we re-examined this question, focusing on one of the shortest European populations, the Sardinians, as well as on the mainland European populations in general. We found that summary statistics from UKB significantly correlate with population structure in Europe. To further alleviate concerns of biased ascertainment of GWAS loci, we examined height-associated loci from the Biobank of Japan (BBJ). Applying frequency-based inference over these height-associated loci, we showed that the Sardinians remain significantly shorter than expected (~ 0.35 standard deviation shorter than CEU based on polygenic height scores, P = 1.95e-6). We also found the trajectory of polygenic height scores decreased over at least the last 10,000 years when compared to the British population (P = 0.0123), consistent with a signature of polygenic adaptation at height-associated loci. Although the same approach showed a much subtler signature in mainland European populations, we found a clear and robust adaptive signature in UK population using a haplotype-based statistic, tSDS, driven by the height-increasing alleles (P = 4.8e-4). In summary, by examining frequencies at height loci ascertained in a distant East Asian population, we further supported the evidence of polygenic adaptation at height-associated loci among the Sardinians. In mainland Europeans, we also found an adaptive signature, although becoming more pronounced only in haplotype-based analysis.

Human genetics seeks a way to improve human health on a global scale. Expectations are running high for polygenic risk scores (PRSs) to be translated into clinical practice to predict an inborn susceptibility to health risks. While risk stratification based on PRS is one way to promote population health, a strategy to utilize genetics to prioritize modifiable risk factors and biomarkers driving heath outcome is also warranted. To this end, here we utilized PRSs to comprehensively investigate the association of the genetic susceptibility to complex traits with human lifespan in collaboration with three worldwide biobanks (ntotal = 675,898). First, we conducted genome-wide association studies for 45 quantitative clinical phenotypes, constructed the individual PRSs, and associated them with the age at death of 179,066 participants in BioBank Japan. The PRSs revealed that the genetic susceptibility of high systolic blood pressure (sBP) was strongly associated with a shorter lifespan (hazard ratio [HR] = 1.03, P = 1.4×10-7). Next, we sought to replicate these associations in individuals of European ancestry in UK Biobank (n = 361,194) and the FinnGen cohort (n = 135,638). Among the investigated traits, the individuals with higher blood pressure-related PRSs were trans-ethnically associated with a shorter lifespan (HR = 1.03, Pmeta = 3.9×10-13 for sBP) and parental lifespan (HR = 1.06, PUKBB = 2.0×10-86 for sBP). Further, our trans-biobank study identified additional complex traits associated with lifespan (e.g., obesity, height, serum lipids, and platelet counts). Of them, obesity-related traits showed strikingly heterogeneous effects on lifespan between Japanese and European populations (Pheterogeneity = 9.5×10-8 for body mass index). Through trans-ethnic biobank collaboration, we elucidated the novel value of the PRS study in genetics-driven prioritization of risk factors and biomarkers which can be medically intervened to improve population health.

To uncover genetic basis of autosomal recessive retinitis pigmentosa (ARRP), we applied 2-step genome-wide association study (GWAS) in 640 Japanese patients prescreened with targeted re-sequencing. Meta-GWAS identified three independent peaks at P < 5.0x10-8, all within the major ARRP gene EYS . Two were each tagged by a low frequency variant (allele frequency < 0.05); a known founder Mendelian mutation (c.4957dupA, p.S1653Kfs*2) and a presumably hypomorphic non-synonymous variant (c.2528G>A, p.G843E). c.2528G>A newly solved 7.0% of Japanese ARRP cases, improving genetic diagnosis by 26.8% and simultaneously serving as a new attractive target for genome editing gene therapy. The third peak was tagged by an intronic common variant, representing a novel disease-susceptibility signal. GWAS successfully unraveled genetic causes of a rare "monogenic" disorder for the first time, which provided unexpected insights into significant contribution of non-Mendelian genetic factors and identified a novel high frequency variant directly linked to development of local genome therapeutics.