The Million Veteran Program (MVP) was established in 2011 as a national research initiative to determine how genetic variation influences the health of US military veterans. Here we genotyped 312,571 MVP participants using a custom biobank array and linked the genetic data to laboratory and clinical phenotypes extracted from electronic health records covering a median of 10.0 years of follow-up. Among 297,626 veterans with at least one blood lipid measurement, including 57,332 black and 24,743 Hispanic participants, we tested up to around 32 million variants for association with lipid levels and identified 118 novel genome-wide significant loci after meta-analysis with data from the Global Lipids Genetics Consortium (total n > 600,000). Through a focus on mutations predicted to result in a loss of gene function and a phenome-wide association study, we propose novel indications for pharmaceutical inhibitors targeting PCSK9 (abdominal aortic aneurysm), ANGPTL4 (type 2 diabetes) and PDE3B (triglycerides and coronary disease). Analysis of genetic data and blood lipid measurements from over 300,000 participants in the Million Veteran Program identifies new associations for blood lipid traits.

Background Diabetes mellitus is a risk factor for cardiovascular disease ( CVD ) and has been associated with 2- to 4-fold higher mortality. Diabetes mellitus-related mortality has not been reassessed in individuals receiving routine care in the United States in the contemporary era of CVD risk reduction. Methods and Results We retrospectively studied 963 648 adults receiving care in the US Veterans Affairs Healthcare System from 2002 to 2014; mean follow-up was 8 years. We estimated associations of diabetes mellitus status and hemoglobin A1c (HbA1c) with all-cause and CVD mortality using covariate-adjusted incidence rates and multivariable Cox proportional hazards regression. Of participants, 34% had diabetes mellitus. Compared with nondiabetic individuals, patients with diabetes mellitus had 7.0 (95% CI , 6.7-7.4) and 3.5 (95% CI, 3.3-3.7) deaths/1000-person-years higher all-cause and CVD mortality, respectively. The age-, sex-, race-, and ethnicity-adjusted hazard ratio for diabetes mellitus-related mortality was 1.29 (95% CI, 1.28-1.31), and declined with adjustment for CVD risk factors (hazard ratio, 1.18 [95% CI, 1.16-1.19]) and glycemia (hazard ratio, 1.03 [95% CI, 1.02-1.05]). Among individuals with diabetes mellitus, CVD mortality increased as HbA1c exceeded 7% (hazard ratios, 1.11 [95% CI, 1.08-1.14], 1.25 [95% CI, 1.22-1.29], and 1.52 [95% CI, 1.48-1.56] for HbA1c 7%-7.9%, 8%-8.9%, and ≥9%, respectively, relative to HbA1c 6%-6.9%). HbA1c 6% to 6.9% was associated with the lowest mortality risk irrespective of CVD history or age. Conclusions Diabetes mellitus remains significantly associated with all-cause and CVD mortality, although diabetes mellitus-related excess mortality is lower in the contemporary era than previously. We observed a gradient of mortality risk with increasing HbA1c >6% to 6.9%, suggesting HbA1c remains an informative predictor of outcomes even if causality cannot be inferred.

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.

One of the justifiable criticisms of human genetic studies is the underrepresentation of participants from diverse populations. Lack of inclusion must be addressed at-scale to identify causal disease factors and understand the genetic causes of health disparities. We present genome-wide associations for 2068 traits from 635,969 participants in the Department of Veterans Affairs Million Veteran Program, a longitudinal study of diverse United States Veterans. Systematic analysis revealed 13,672 genomic risk loci; 1608 were only significant after including non-European populations. Fine-mapping identified causal variants at 6318 signals across 613 traits. One-third ( n = 2069) were identified in participants from non-European populations. This reveals a broadly similar genetic architecture across populations, highlights genetic insights gained from underrepresented groups, and presents an extensive atlas of genetic associations.

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.

Whether tumor necrosis factor inhibitor (TNFi) use is cardioprotective among individuals with radiographic axial spondyloarthritis (r-axSpA), who have heightened cardiovascular (CV) risk, is unclear. We tested the association of TNFi use with incident CV outcomes in r-axSpA.

Individuals vary in their liability to develop Posttraumatic Stress Disorder (PTSD), the symptoms of which are highly heterogeneous, following exposure to life-threatening trauma. Understanding genetic factors that contribute to the biology of PTSD is critical for refining diagnosis and developing new treatments. Using genetic data from more than 250,000 participants in the Million Veteran Program, genomewide association analyses were conducted using a validated electronic health record-based algorithmically-defined PTSD diagnosis phenotype (48,221 cases and 217,223 controls), and PTSD quantitative symptom phenotypes (212,007 individuals). We identified several genome-wide significant loci in the case-control analyses, and numerous such loci in the quantitative trait analyses, including some (e.g., MAD1L1; TCF4; CRHR1) that were associated with multiple symptom sub-domains and total symptom score, and others that were more specific to certain symptom sub-domains (e.g., CAMKV to re-experiencing; SOX6 to hyperarousal). Genetic correlations between all pairs of symptom sub-domains and their total were very high (rg 0.93 to 0.98) supporting validity of the PTSD diagnostic construct. We also demonstrate strong shared heritability with a range of traits, show that heritability persists when conditioned on other major psychiatric disorders, present independent replication results, provide support for one of the implicated genes in postmortem brain of individuals with PTSD, and use this information to identify potential drug repositioning candidates. These results point to the utility of genetics to inform and validate the biological coherence of the PTSD syndrome despite considerable heterogeneity at the symptom level, and to provide new directions for treatment development.

Objective: Electronic health records (EHR) linked with biorepositories are a powerful platform for translational studies. A major bottleneck exists in the ability to phenotype patients accurately and efficiently. The objective of this study was to develop an automated high-throughput phenotyping method integrating International Classification of Diseases (ICD) codes and narrative data extracted using natural language processing (NLP). Method: We developed a mapping method for automatically identifying relevant ICD and NLP concepts for a specific phenotype leveraging the UMLS. Aggregated ICD and NLP counts along with healthcare utilization were jointly analyzed by fitting an ensemble of latent mixture models. The MAP algorithm yields a predicted probability of phenotype for each patient and a threshold for classifying subjects with phenotype yes/no. The algorithm was validated using labeled data for 16 phenotypes from a biorepository and further tested in an independent cohort PheWAS for two SNPs with known associations. Results: The MAP algorithm achieved higher or similar AUC and F-scores compared to the ICD code across all 16 phenotypes. The features assembled via the automated approach had comparable accuracy to those assembled via manual curation (AUCMAP 0.943, AUCmanual 0.941). The PheWAS results suggest that the MAP approach detected previously validated associations with higher power when compared to the standard PheWAS method based on ICD codes. Conclusion: The MAP approach increased the accuracy of phenotype definition while maintaining scalability, facilitating use in studies requiring large scale phenotyping, such as PheWAS.

Objective We aimed to characterise self-reported military and occupational exposures including Agent Orange, chemical/biological warfare agents, solvents, fuels, pesticides, metals and burn pits among Veterans in the Department of Veterans Affairs Million Veteran Program (MVP). Methods MVP is an ongoing longitudinal cohort and mega-biobank of over one million US Veterans. Over 500 000 MVP participants reported military exposures on the baseline survey, and over 300 000 reported occupational exposures on the lifestyle survey. We determined frequencies of selected self-reported occupational exposures by service era, specific deployment operation (1990–1991 Gulf War, Operation Enduring Freedom/Operation Iraqi Freedom (OEF/OIF)), service in a combat zone and occupational categories. We also explored differences in self-reported exposures by sex and race. Results Agent Orange exposure was mainly reported by Vietnam-era Veterans. Gulf War and OEF/OIF Veterans deployed to a combat zone were more likely to report exposures to burn pits, chemical/biological weapons, anthrax vaccination and pyridostigmine bromide pill intake as compared with non-combat deployers and those not deployed. Occupational categories related to combat (infantry, combat engineer and helicopter pilot) often had the highest percentages of self-reported exposures, whereas those in healthcare-related occupations (dentists, physicians and occupational therapists) tended to report exposures much less often. Self-reported exposures also varied by race and sex. Conclusions Our results demonstrate that the distribution of self-reported exposures varied by service era, demographics, deployment, combat experience and military occupation in MVP. Overall, the pattern of findings was consistent with previous population-based studies of US military Veterans.