Hilary Finucane, Brendan Bulik-Sullivan, Benjamin Neale, Alkes Price and colleagues introduce a new method, called stratified LD score regression, for partitioning heritability by functional category using genome-wide association study summary statistics. They observe a substantial enrichment of heritability in conserved regions and illustrate how this approach can provide insights into the biological basis of disease and direction for functional follow-up. Recent work has demonstrated that some functional categories of the genome contribute disproportionately to the heritability of complex diseases. Here we analyze a broad set of functional elements, including cell type–specific elements, to estimate their polygenic contributions to heritability in genome-wide association studies (GWAS) of 17 complex diseases and traits with an average sample size of 73,599. To enable this analysis, we introduce a new method, stratified LD score regression, for partitioning heritability from GWAS summary statistics while accounting for linked markers. This new method is computationally tractable at very large sample sizes and leverages genome-wide information. Our findings include a large enrichment of heritability in conserved regions across many traits, a very large immunological disease–specific enrichment of heritability in FANTOM5 enhancers and many cell type–specific enrichments, including significant enrichment of central nervous system cell types in the heritability of body mass index, age at menarche, educational attainment and smoking behavior.

Current genome-wide association studies do not yet capture sufficient diversity in populations and scope of phenotypes. To expand an atlas of genetic associations in non-European populations, we conducted 220 deep-phenotype genome-wide association studies (diseases, biomarkers and medication usage) in BioBank Japan (n = 179,000), by incorporating past medical history and text-mining of electronic medical records. Meta-analyses with the UK Biobank and FinnGen (ntotal = 628,000) identified ~5,000 new loci, which improved the resolution of the genomic map of human traits. This atlas elucidated the landscape of pleiotropy as represented by the major histocompatibility complex locus, where we conducted HLA fine-mapping. Finally, we performed statistical decomposition of matrices of phenome-wide summary statistics, and identified latent genetic components, which pinpointed responsible variants and biological mechanisms underlying current disease classifications across populations. The decomposed components enabled genetically informed subtyping of similar diseases (for example, allergic diseases). Our study suggests a potential avenue for hypothesis-free re-investigation of human diseases through genetics. Genome-wide analyses in BioBank Japan, UK Biobank and FinnGen identify ~5,000 new loci associated with 220 human traits. Statistical decomposition of matrices of phenome-wide summary statistics further highlights variants underpinning diseases across populations.

Genome-wide association studies (GWAS) test hundreds of thousands of genetic variants across many genomes to find those statistically associated with a specific trait or disease. This methodology has generated a myriad of robust associations for a range of traits and diseases, and the number of associated variants is expected to grow steadily as GWAS sample sizes increase. GWAS results have a range of applications, such as gaining insight into a phenotype’s underlying biology, estimating its heritability, calculating genetic correlations, making clinical risk predictions, informing drug development programmes and inferring potential causal relationships between risk factors and health outcomes. In this Primer, we provide the reader with an introduction to GWAS, explaining their statistical basis and how they are conducted, describe state-of-the art approaches and discuss limitations and challenges, concluding with an overview of the current and future applications for GWAS results. Uffelmann et al. describe the key considerations and best practices for conducting genome-wide association studies (GWAS), techniques for deriving functional inferences from the results and applications of GWAS in understanding disease risk and trait architecture. The Primer also provides information on the best practices for data sharing and discusses important ethical considerations when considering GWAS populations and data.

Gonçalo Abecasis and colleagues report a large-scale meta-analysis of genome-wide association studies for age-related macular degeneration (AMD), including over 17,100 advanced cases and 60,000 controls. They identify seven loci newly associated with AMD and report pathway analysis that shows enrichment in the complement system and atherosclerosis signaling. Age-related macular degeneration (AMD) is a common cause of blindness in older individuals. To accelerate the understanding of AMD biology and help design new therapies, we executed a collaborative genome-wide association study, including >17,100 advanced AMD cases and >60,000 controls of European and Asian ancestry. We identified 19 loci associated at P < 5 × 10−8. These loci show enrichment for genes involved in the regulation of complement activity, lipid metabolism, extracellular matrix remodeling and angiogenesis. Our results include seven loci with associations reaching P < 5 × 10−8 for the first time, near the genes COL8A1-FILIP1L, IER3-DDR1, SLC16A8, TGFBR1, RAD51B, ADAMTS9 and B3GALTL. A genetic risk score combining SNP genotypes from all loci showed similar ability to distinguish cases and controls in all samples examined. Our findings provide new directions for biological, genetic and therapeutic studies of AMD.

Clinical measurements can be viewed as useful intermediate phenotypes to promote understanding of complex human diseases. To acquire comprehensive insights into the underlying genetics, here we conducted a genome-wide association study (GWAS) of 58 quantitative traits in 162,255 Japanese individuals. Overall, we identified 1,407 trait-associated loci (P < 5.0 × 10-8), 679 of which were novel. By incorporating 32 additional GWAS results for complex diseases and traits in Japanese individuals, we further highlighted pleiotropy, genetic correlations, and cell-type specificity across quantitative traits and diseases, which substantially expands the current understanding of the associated genetics and biology. This study identified both shared polygenic effects and cell-type specificity, represented by the genetic links among clinical measurements, complex diseases, and relevant cell types. Our findings demonstrate that even without prior biological knowledge of cross-phenotype relationships, genetics corresponding to clinical measurements successfully recapture those measurements' relevance to diseases, and thus can contribute to the elucidation of unknown etiology and pathogenesis.

Immunogenetic Variation Many genetic variants have been implicated in disease but their effects in function across tissues and cell-types remain to be resolved. Raj et al. (p. 519 ) present an analysis of expression quantative trait loci (eQTL) measuring messenger RNA levels and examined correlations between genotypes and gene expression in purified monocytes and T cells in healthy individuals of European, African, and Asian descent. Most, but not all, of the eQTLs and their effects on expression were shared between the populations, as well as a substantial proportion between the cell types. Links were found with disease-associated variants and loci that previous genome-wide analyses have implicated in neurodegenerative and autoimmune diseases.

The overwhelming majority of participants in current genetic studies are of European ancestry. To elucidate disease biology in the East Asian population, we conducted a genome-wide association study (GWAS) with 212,453 Japanese individuals across 42 diseases. We detected 320 independent signals in 276 loci for 27 diseases, with 25 novel loci (P < 9.58 × 10−9). East Asian–specific missense variants were identified as candidate causal variants for three novel loci, and we successfully replicated two of them by analyzing independent Japanese cohorts; p.R220W of ATG16L2 (associated with coronary artery disease) and p.V326A of POT1 (associated with lung cancer). We further investigated enrichment of heritability within 2,868 annotations of genome-wide transcription factor occupancy, and identified 378 significant enrichments across nine diseases (false discovery rate < 0.05) (for example, NKX3-1 for prostate cancer). This large-scale GWAS in a Japanese population provides insights into the etiology of complex diseases and highlights the importance of performing GWAS in non-European populations. Genome-wide analysis in 212,453 Japanese individuals identifies loci associated with 42 diseases. Comparative analysis with European populations identifies East Asian–specific associations.

Yukinori Okada and colleagues report a genome-wide association study for body mass index (BMI) in east Asians. They identify genetic variants associated with BMI near CDKAL1 and KLF9. Obesity is a disorder with a complex genetic etiology, and its epidemic is a worldwide problem. Although multiple genetic loci associated with body mass index, the most common measure of obesity, have been identified in European populations, few studies have focused on Asian populations. Here we report a genome-wide association study and replication studies with 62,245 east Asian subjects, which identified two new body mass index–associated loci in the CDKAL1 locus at 6p22 (rs2206734, P = 1.4 × 10−11) and the KLF9 locus at 9q21 (rs11142387, P = 1.3 × 10−9), as well as several previously reported loci (the SEC16B, BDNF, FTO, MC4R and GIPR loci, P < 5.0 × 10−8). We subsequently performed gene-gene interaction analyses and identified an interaction (P = 2.0 × 10−8) between a SNP in the KLF9 locus (rs11142387) and one in the MSTN (also known as GDF8) locus at 2q32 (rs13034723). These findings should provide useful insights into the etiology of obesity.