Carbamazepine, an anticonvulsant and a mood-stabilizing drug, is the main cause of the Stevens–Johnson syndrome (SJS) and its related disease, toxic epidermal necrolysis (TEN), in Southeast Asian countries. Carbamazepine-induced SJS–TEN is strongly associated with the HLA-B*1502 allele. We sought to prevent carbamazepine-induced SJS–TEN by using HLA-B*1502 screening to prospectively identify subjects at genetic risk for the condition.

Warfarin, a commonly prescribed anticoagulant, exhibited large inter-individual and inter-ethnic differences in the dose required for its anticoagulation effect. Asian populations, including Chinese, require a much lower maintenance dose than Caucasians, for which the mechanisms still remain unknown. We determined DNA sequence variants in CYP2C9 and VKORC1 in 16 Chinese patients having warfarin sensitivity (≤1.5 mg/day, n=11) or resistance (≥6.0 mg/day, n=5), 104 randomly selected Chinese patients receiving warfarin, 95 normal Chinese controls and 92 normal Caucasians. We identified three CYP2C9 variants, CYP2C9*3, T299A and P382L, in four warfarin-sensitive patients. A novel VKORC1 promoter polymorphism (−1639 G>A) presented in the homozygous form (genotype AA) was found in all warfarin-sensitive patients. The resistant patients were either AG or GG. Among the 104 randomly selected Chinese patients receiving warfarin, AA genotype also had lower dose than the AG/GG genotype (P<0.0001). Frequencies of AA, AG and GG genotypes were comparable in Chinese patients receiving warfarin (79.7, 17.6 and 2.7%) and normal Chinese controls (82, 18 and 0%), but differed significantly from Caucasians (14, 47 and 39%) (P<0.0001). The promoter polymorphism abolished the E-box consensus sequences and dual luciferase assay revealed that VOKRC1 promoter with the G allele had a 44% increase of activity when compared with the A allele. The differences in allele frequencies of A/G allele and its levels of VKORC1 promoter activity may underscore the inter-individual differences in warfarin dosage as well as inter-ethnic differences between Chinese and Caucasians.

Glycemic traits are used to diagnose and monitor type 2 diabetes and cardiometabolic health. To date, most genetic studies of glycemic traits have focused on individuals of European ancestry. Here we aggregated genome-wide association studies comprising up to 281,416 individuals without diabetes (30% non-European ancestry) for whom fasting glucose, 2-h glucose after an oral glucose challenge, glycated hemoglobin and fasting insulin data were available. Trans-ancestry and single-ancestry meta-analyses identified 242 loci (99 novel; P < 5 × 10−8), 80% of which had no significant evidence of between-ancestry heterogeneity. Analyses restricted to individuals of European ancestry with equivalent sample size would have led to 24 fewer new loci. Compared with single-ancestry analyses, equivalent-sized trans-ancestry fine-mapping reduced the number of estimated variants in 99% credible sets by a median of 37.5%. Genomic-feature, gene-expression and gene-set analyses revealed distinct biological signatures for each trait, highlighting different underlying biological pathways. Our results increase our understanding of diabetes pathophysiology by using trans-ancestry studies for improved power and resolution. A trans-ancestry meta-analysis of GWAS of glycemic traits in up to 281,416 individuals identifies 99 novel loci, of which one quarter was found due to the multi-ancestry approach, which also improves fine-mapping of credible variant sets.

Abstract Common single-nucleotide polymorphisms (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 1 . Here, using data from a genome-wide association study of 5.4 million individuals of diverse ancestries, we show 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 mean size of around 90 kb, covering about 21% of the genome. The density of independent associations varies across the genome and the regions of increased density are enriched for biologically relevant genes. In out-of-sample estimation and prediction, the 12,111 SNPs (or all SNPs in the HapMap 3 panel 2 ) account for 40% (45%) of phenotypic variance in populations of European ancestry but only around 10–20% (14–24%) in populations of other ancestries. Effect sizes, associated regions and gene prioritization are similar across ancestries, indicating that reduced prediction accuracy is likely to be explained by linkage disequilibrium and differences in allele frequency within associated regions. Finally, we show that the relevant biological pathways are detectable with smaller sample sizes than are needed to implicate causal genes and variants. Overall, this study provides a comprehensive map of specific genomic regions that contain the vast majority of common height-associated variants. Although this map is saturated for populations of European ancestry, further research is needed to achieve equivalent saturation in other ancestries.

Aims: Compared with other categories of drugs, such as antibiotics and NSAIDs, antiepileptic therapies are associated with a high incidence of Stevens–Johnson syndrome (SJS) and toxic epidermal necrolysis (TEN). We previously reported that carbamazepine (CBZ)–SJS/TEN is strongly associated with the HLA-B*1502 in Han Chinese, which has been confirmed in other Southeast Asian countries where the allele is prevalent. Here, we extend the study of HLA susceptibility to three different antiepileptic drugs, phenytoin (PHT), lamotrigine (LTG) and oxcarbazepine (OXC), which have structure similarity to CBZ. Materials & methods: We carried out a case–control association study. We enrolled 26 PHT-, six LTG- and three OXC-induced SJS/TEN patients, 113 PHT-tolerant and 67 LTG-tolerant subjects who were on the drug, respectively, for more than 3 months without the adverse reactions, and 93 normal subjects from the general population. The HLA-A, B, C and DRB1 genotypes were determined. Results: We found that HLA-B*1502 was present in eight out of 26 (30.8%) PHT–SJS/TEN (OR: 5.1; 95% CI: 1.8–15.1; p = 0.0041), two out of six (33%) LTG–SJS (odds ratio [OR]: 5.1; 95% CI: 0.8–33.8; p = 0.1266) and three out of three (100%) OXC–SJS (OR: 80.7; 95% CI: 3.8–1714.4; p = 8.4 × 10-4) patients. In addition, HLA-B*1301, Cw*0801 and DRB1*1602 also showed an association with PHT–SJS/TEN (p = 0.0128–0.0281; OR: 3.0–4.3). Conclusion: Our results indicate that OXC, PHT and LTG, which possess an aromatic ring just as CBZ does, when causing SJS/TEN, share a common risk allele. Aromatic antiepileptic drugs causing SJS/TEN in HLA-B*1502 carriers may act on a similar pathogenetic mechanism, although other genetic/nongenetic factor(s) may also contribute to the pathomechanism of the disease. We suggest that aromatic antiepileptic drugs, including CBZ, OXC and PHT, should be avoided in the B*1502 carrier and caution should also be exercised for LTG.

The Taiwan Biobank (TWB) aims to build a nationwide research database that integrates genomic/epigenomic profiles, lifestyle patterns, dietary habits, environmental exposure history and long-term health outcomes of 300,000 residents of Taiwan. We describe here an investigation of the population structure of Han Chinese on this Pacific island using genotype data of 591,048 SNPs in an initial freeze of 10,801 unrelated TWB participants. In addition to the North-South cline reported in other Han Chinese populations, we find the Taiwanese Han Chinese clustered into three cline groups: 5% were of northern Han Chinese ancestry, 79.9% were of southern Han Chinese ancestry, and 14.5% belonged to a third (T) group. We also find that this T group is genetically distinct from neighbouring Southeast Asians and Austronesian tribes but similar to other southern Han Chinese. Interestingly, high degree of LD between HLA haplotype A*33:03-B*58:01, an MHC allele being of pathological relevance, and SNPs across the MHC region was observed in subjects with T origin, but not in other Han Chinese. This suggested the T group individuals may have experienced evolutionary events independent from the other southern Han Chinese. Based on the newly-discovered population structure, we detect different loci susceptible to type II diabetes in individuals with southern and northern Han Chinese ancestries. Finally, as one of the largest dataset currently available for the Chinese population, genome-wide statistics for the 10,810 subjects are made publicly accessible through Taiwan View (https://taiwanview.twbiobank.org.tw/index; date last accessed October 14, 2016) to encourage future genetic research and collaborations with the island Taiwan.

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 Glycaemic traits are used to diagnose and monitor type 2 diabetes, and cardiometabolic health. To date, most genetic studies of glycaemic traits have focused on individuals of European ancestry. Here, we aggregated genome-wide association studies in up to 281,416 individuals without diabetes (30% non-European ancestry) with fasting glucose, 2h-glucose post-challenge, glycated haemoglobin, and fasting insulin data. Trans-ancestry and single-ancestry meta-analyses identified 242 loci (99 novel; P <5×10 -8 ), 80% with no significant evidence of between-ancestry heterogeneity. Analyses restricted to European ancestry individuals with equivalent sample size would have led to 24 fewer new loci. Compared to single-ancestry, equivalent sized trans-ancestry fine-mapping reduced the number of estimated variants in 99% credible sets by a median of 37.5%. Genomic feature, gene-expression and gene-set analyses revealed distinct biological signatures for each trait, highlighting different underlying biological pathways. Our results increase understanding of diabetes pathophysiology by use of trans-ancestry studies for improved power and resolution.

Meta-analyses of genome-wide association studies (GWAS) have identified >240 loci associated with type 2 diabetes (T2D), however most loci have been identified in analyses of European-ancestry individuals. To examine T2D risk in East Asian individuals, we meta-analyzed GWAS data in 77,418 cases and 356,122 controls. In the main analysis, we identified 298 distinct association signals at 178 loci, and across T2D association models with and without consideration of body mass index and sex, we identified 56 loci newly implicated in T2D predisposition. Common variants associated with T2D in both East Asian and European populations exhibited strongly correlated effect sizes. New associations include signals in/near GDAP1 , PTF1A , SIX3, ALDH2, a microRNA cluster, and genes that affect muscle and adipose differentiation. At another locus, eQTLs at two overlapping T2D signals act through two genes, NKX6-3 and ANK1 , in different tissues. Association studies in diverse populations identify additional loci and elucidate disease genes, biology, and pathways.Type 2 diabetes (T2D) is a common metabolic disease primarily caused by insufficient insulin production and/or secretion by the pancreatic β cells and insulin resistance in peripheral tissues[1][1]. Most genetic loci associated with T2D have been identified in populations of European (EUR) ancestry, including a recent meta-analysis of genome-wide association studies (GWAS) of nearly 900,000 individuals of European ancestry that identified >240 loci influencing the risk of T2D[2][2]. Differences in allele frequency between ancestries affect the power to detect associations within a population, particularly among variants rare or monomorphic in one population but more frequent in another[3][3],[4][4]. Although smaller than studies in European populations, a recent T2D meta-analysis in almost 200,000 Japanese individuals identified 28 additional loci[4][4]. The relative contributions of different pathways to the pathophysiology of T2D may also differ between ancestry groups. For example, in East Asian (EAS) populations, T2D prevalence is greater than in European populations among people of similar body mass index (BMI) or waist circumference[5][5]. We performed the largest meta-analysis of East Asian individuals to identify new genetic associations and provide insight into T2D pathogenesis. [1]: #ref-1 [2]: #ref-2 [3]: #ref-3 [4]: #ref-4 [5]: #ref-5