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.

John Chambers, Jaspal Kooner, Pim van der Harst, Shyong Tai, Paul Elliott, Jiang He, Norihiro Kato and colleagues performed a genome-wide association study of blood pressure phenotypes in individuals of European, East Asian and South Asian ancestry. They find trait-associated SNPs at 12 loci, some of which are associated with methylation at nearby CpG sites. We carried out a trans-ancestry genome-wide association and replication study of blood pressure phenotypes among up to 320,251 individuals of East Asian, European and South Asian ancestry. We find genetic variants at 12 new loci to be associated with blood pressure (P = 3.9 × 10−11 to 5.0 × 10−21). The sentinel blood pressure SNPs are enriched for association with DNA methylation at multiple nearby CpG sites, suggesting that, at some of the loci identified, DNA methylation may lie on the regulatory pathway linking sequence variation to blood pressure. The sentinel SNPs at the 12 new loci point to genes involved in vascular smooth muscle (IGFBP3, KCNK3, PDE3A and PRDM6) and renal (ARHGAP24, OSR1, SLC22A7 and TBX2) function. The new and known genetic variants predict increased left ventricular mass, circulating levels of NT-proBNP, and cardiovascular and all-cause mortality (P = 0.04 to 8.6 × 10−6). Our results provide new evidence for the role of DNA methylation in blood pressure regulation.

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.

Mario Falchi, Philippe Froguel and colleagues report association of a multi-allelic copy number variant encompassing the salivary amylase gene AMY1 with body mass index and risk of obesity. Common multi-allelic copy number variants (CNVs) appear enriched for phenotypic associations compared to their biallelic counterparts1,2,3,4. Here we investigated the influence of gene dosage effects on adiposity through a CNV association study of gene expression levels in adipose tissue. We identified significant association of a multi-allelic CNV encompassing the salivary amylase gene (AMY1) with body mass index (BMI) and obesity, and we replicated this finding in 6,200 subjects. Increased AMY1 copy number was positively associated with both amylase gene expression (P = 2.31 × 10−14) and serum enzyme levels (P < 2.20 × 10−16), whereas reduced AMY1 copy number was associated with increased BMI (change in BMI per estimated copy = −0.15 (0.02) kg/m2; P = 6.93 × 10−10) and obesity risk (odds ratio (OR) per estimated copy = 1.19, 95% confidence interval (CI) = 1.13–1.26; P = 1.46 × 10−10). The OR value of 1.19 per copy of AMY1 translates into about an eightfold difference in risk of obesity between subjects in the top (copy number > 9) and bottom (copy number < 4) 10% of the copy number distribution. Our study provides a first genetic link between carbohydrate metabolism and BMI and demonstrates the power of integrated genomic approaches beyond genome-wide association studies.

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 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.

Abstract Genomic researchers are increasingly utilizing commercial cloud platforms (CCPs) to manage their data and analytics needs. Commercial clouds allow researchers to grow their storage and analytics capacity on demand, keeping pace with expanding project data footprints and enabling researchers to avoid large capital expenditures while paying only for IT capacity consumed by their project. Cloud computing also allows researchers to overcome common network and storage bottlenecks encountered when combining or re-analysing large datasets. However, cloud computing presents a new set of challenges. Without adequate security controls, the risk of unauthorised access may be higher for data stored on the cloud. In addition, regulators are increasingly mandating data access patterns and specific security protocols on the storage and use of genomic data to safeguard rights of the study participants. While CCPs provide tools for security and regulatory compliance, utilising these tools to build the necessary controls required for cloud solutions is not trivial as such skill sets are not commonly found in a genomics lab. The Research Assets Provisioning and Tracking Online Repository (RAPTOR) by the Genome Institute of Singapore is a cloud native genomics data repository and analytics platform focusing on security and regulatory compliance. Using a “five-safes” framework (Safe Purpose, Safe People, Safe Settings, Safe Data and Safe Output), RAPTOR provides security and governance controls to data contributors and users leveraging cloud computing for sharing and analysis of large genomic datasets without the risk of security breaches or running afoul of regulations. RAPTOR can also enable data federation with other genomic data repositories using GA4GH community-defined standards, allowing researchers to boost the statistical power of their work and overcome geographic and ancestry limitations of data sets

The ALDH2*2 (rs671) allele is one of the most common genetic mutations in humans, yet the positive evolutionary selective pressure to maintain this mutation is unknown, despite its association with adverse health outcomes. ALDH2 is responsible for the detoxification of metabolically produced aldehydes, including lipid-peroxidation end products derived from inflammation. Here, we demonstrate that host-derived aldehydes 4-hydroxynonenal (4HNE), malondialdehyde (MDA), and formaldehyde (FA), all of which are metabolized by ALDH2, are directly toxic to the bacterial pathogens Mycobacterium tuberculosis and Francisella tularensis at physiological levels. We find that Aldh2 expression in macrophages is decreased upon immune stimulation, and that bone marrow-derived macrophages from Aldh2-/- mice contain elevated aldehydes relative to wild-type mice. Macrophages deficient for Aldh2 exhibited enhanced control of Francisella infection. Finally , mice lacking Aldh2 demonstrated increased resistance to pulmonary infection by M. tuberculosis , including in a hypersusceptible model of tuberculosis, and were also resistant to Francisella infection. We hypothesize that the absence of ALDH2 contributes to the host's ability to control infection by pathogens such as M. tuberculosis and F. tularensis , and that host-derived aldehydes act as antimicrobial factors during intracellular bacterial infections.Aldehydes produced by host cells contribute to the control of bacterial infections.