We conduct a genome-wide association study (GWAS) of educational attainment (EA) in a sample of ~3 million individuals and identify 3,952 approximately uncorrelated genome-wide-significant single-nucleotide polymorphisms (SNPs). A genome-wide polygenic predictor, or polygenic index (PGI), explains 12-16% of EA variance and contributes to risk prediction for ten diseases. Direct effects (i.e., controlling for parental PGIs) explain roughly half the PGI's magnitude of association with EA and other phenotypes. The correlation between mate-pair PGIs is far too large to be consistent with phenotypic assortment alone, implying additional assortment on PGI-associated factors. In an additional GWAS of dominance deviations from the additive model, we identify no genome-wide-significant SNPs, and a separate X-chromosome additive GWAS identifies 57.

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.

Abstract To date, concentrations of the promising biomarker hepcidin have only been assessed in serum of relatively small series of healthy volunteers and patients. We assessed age- and sex-stratified reference ranges of serum hepcidin concentration in a selected reference set and performed regression analyses to study associations between hepcidin and (biochemical) variables in a large, well-phenotyped sample of the general population (n = 2998). All participants filled out a questionnaire on lifestyle, health status, and medical history. Serum measurements of iron parameters, liver enzyme alanine aminotransferase, creatinine and C-reactive protein were available. Serum hepcidin concentrations were lower for premenopausal than for postmenopausal women (median, 4.1nM vs 8.5nM, respectively). Hepcidin concentrations in men were constant over age (median, 7.8nM). Serum hepcidin was strongly associated with serum ferritin in men and women: β-coefficient of log-transformed variables (95% confidence interval): 0.78 (0.74-0.82) and 0.83 (0.78-0.88), respectively. Additional significant, though less strong, associations were observed for C-reactive protein and total iron binding capacity in men and for total iron binding capacity, alanine aminotransferase, and glomerular filtration rate in women. Our study provides age- and sex-specific reference ranges of serum hepcidin concentration and indicates ferritin as the primary correlate of serum hepcidin concentration.

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 Bacillus Calmette-Guérin (BCG) is recommended as intravesical immunotherapy to reduce the risk of tumor recurrence in patients with non-muscle invasive bladder cancer (NMIBC). Currently, it is unknown whether intravesical BCG application induces trained immunity. Here, we found that intravesical BCG does induce trained immunity based on an increased production of TNF and IL-1β after heterologous ex-vivo stimulation of circulating monocytes 6- 12 weeks after intravesical BCG treatment; and a 37% decreased risk (OR 0.63 (95% CI 0.40- 1.01)) for respiratory infections in BCG-treated versus non-BCG-treated NMIBC patients. An epigenomics approach combining ChIP-sequencing and RNA-sequencing with in-vitro trained immunity experiments identified enhanced inflammasome activity in BCG-treated individuals. Finally, germline variation in genes that affect trained immunity was associated with recurrence and progression after BCG therapy in NMIBC, suggesting a link between trained immunity and oncological outcome.

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 Sensory processing sensitivity (SPS) is an evolutionarily conserved trait describing a person’s sensitivity to subtle stimuli, their depth of processing, emotional reactivity, and susceptibility to being overwhelmed. SPS is considered a fundamental and evolutionarily conserved trait, yet its neural mechanisms remain insufficiently understood. Therefore, we investigated whether SPS relates to processing movies differently in the central executive (CEN), default mode (DMN), and salience (SN) networks. We obtained positive and negative dimension Sensory Processing Sensitivity Questionnaire (short-form) scores and (neutral and threat aural framing) movie-fMRI data from a population-based sample (Healthy Brain Study, N=238, age mean =34years). We performed a priori inter-subject representation similarity, activation, and inter-subject functional connectivity analyses to characterize SPS-dimension-related neural responses during movie-viewing. More similar negative dimension SPS score related to more neural synchrony in the CEN and SN during threat. Higher negative dimension SPS score related to reduced CEN-DMN functional connectivity during threat, an effect shared across between-network regions but most strongly driven by reduced connectivity between right dorsomedial prefrontal cortex and left lateral prefrontal cortex. Our findings suggest that highly sensitive individuals exhibit distinct CEN differences shaping environmental perception, process threat differently, and each SPSQ-SF dimension may involve unique neurological mechanisms.

Abstract Motivation With the increasing availability of genome-wide genetic data, methods to combine genetic variables with other sources of data in statistical models are required. This paper introduces quantitative genetic scoring (QGS), a dimensionality reduction method to create quantitative genetic variables representing arbitrary genetic regions. Methods QGS is defined as the sum of absolute differences in the genetic sequence between a subject and a reference population. QGS properties such as distribution and sensitivity to region size were examined, and QGS was tested in six different existing genomic data sets of various sizes and various phenotypes. Results QGS can reduce genetic information by >98% yet explain phenotypic variance at low, medium, and high level of granularity. Associations based on QGS are independent of both size and linkage disequilibrium structure of the underlying region. In combination with stability selection, QGS finds significant results where a traditional genome-wide association approaches struggle. In conclusion, QGS preserves phenotypically significant genetic variance while reducing dimensionality, allowing researchers to include quantitative genetic information in any type of statistical analysis. Availability https://github.com/machine2learn/QGS Contact gido.schoenmacker@radboudumc.nl Supplemental information Supplemental data are available online.