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 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.

Background: Serum AFP- L 3%, A FP, and D CP are useful biomarkers for HCC detection, but their utility in assessing treatment response remains unknown. We aim to evaluate the accuracy of a biomarker model in the detection of posttreatment viable tumors. Methods: For model derivation, recipients with HCC undergoing liver transplant from 2018 to 2022 who had biomarkers collected within 3 months before transplant were included. We developed a generalized linear model for detecting posttreatment viable tumors with the 3 biomarkers as covariates, which we termed the “LAD Score.” An independent cohort of 117 patients with HCC was used for external validation. Results: Among 205 recipients of transplant, 70.2% had evidence of viable tumor on explant. The median LAD score was higher among patients with viable versus nonviable tumors (1.06 vs. 0.465, p < 0.001). The LAD score had a sensitivity of 55.6% and a specificity of 85.1% at the cutoff of 0.927, which was more accurate than imaging for detecting posttreatment viable tumors (AUROC 0.736 vs. 0.643, respectively; p = 0.045). The superior performance of the LAD score over imaging is primarily driven by its greater accuracy in detecting tumors <2 cm in diameter (AUROC of the LAD score 0.721 vs. imaging 0.595, p = 0.02). In the validation data set, the LAD score had an AUROC of 0.832 (95% CI: 0.753, 0.911) with a sensitivity of 72.5% and a specificity of 89.4% at the cutoff of 0.927. Conclusions: Our findings suggest the utility of LAD score in treatment response assessment after locoregional therapy for HCC, particularly in detecting small tumors. A larger prospective study is in progress to validate its accuracy and evaluate its performance in recurrence monitoring.

There are sex differences in left ventricular ejection fraction (LVEF) relevant to prognosis where women experience greater mortality at relatively higher LVEF compared to men, yet mechanistic understanding of this adverse prognosis is limited. Women with suspected ischemia with no obstructive coronary disease (INOCA) develop heart failure with preserved ejection fraction (HFpEF), yet contributors to LVEF remain largely unknown.