Sven van der Lee, Julie Williams, Gerard Schellenberg and colleagues identify rare coding variants in PLCG2, ABI3 and TREM2 associated with Alzheimer's disease. These genes are highly expressed in microglia and provide additional evidence that the microglia-mediated immune response contributes to the development of Alzheimer's disease. We identified rare coding variants associated with Alzheimer's disease in a three-stage case–control study of 85,133 subjects. In stage 1, we genotyped 34,174 samples using a whole-exome microarray. In stage 2, we tested associated variants (P < 1 × 10−4) in 35,962 independent samples using de novo genotyping and imputed genotypes. In stage 3, we used an additional 14,997 samples to test the most significant stage 2 associations (P < 5 × 10−8) using imputed genotypes. We observed three new genome-wide significant nonsynonymous variants associated with Alzheimer's disease: a protective variant in PLCG2 (rs72824905: p.Pro522Arg, P = 5.38 × 10−10, odds ratio (OR) = 0.68, minor allele frequency (MAF)cases = 0.0059, MAFcontrols = 0.0093), a risk variant in ABI3 (rs616338: p.Ser209Phe, P = 4.56 × 10−10, OR = 1.43, MAFcases = 0.011, MAFcontrols = 0.008), and a new genome-wide significant variant in TREM2 (rs143332484: p.Arg62His, P = 1.55 × 10−14, OR = 1.67, MAFcases = 0.0143, MAFcontrols = 0.0089), a known susceptibility gene for Alzheimer's disease. These protein-altering changes are in genes highly expressed in microglia and highlight an immune-related protein–protein interaction network enriched for previously identified risk genes in Alzheimer's disease. These genetic findings provide additional evidence that the microglia-mediated innate immune response contributes directly to the development of Alzheimer's disease.

The aorta is the largest blood vessel in the body, and enlargement or aneurysm of the aorta can predispose to dissection, an important cause of sudden death. While rare syndromes have been identified that predispose to aortic aneurysm, the common genetic basis for the size of the aorta remains largely unknown. By leveraging a deep learning architecture that was originally developed to recognize natural images, we trained a model to evaluate the dimensions of the ascending and descending thoracic aorta in cardiac magnetic resonance imaging. After manual annotation of just 116 samples, we applied this model to 3,840,140 images from the UK Biobank. We then conducted a genome-wide association study in 33,420 individuals, revealing 68 loci associated with ascending and 35 with descending thoracic aortic diameter, of which 10 loci overlapped. Integration of common variation with transcriptome-wide analyses, rare-variant burden tests, and single nucleus RNA sequencing prioritized SVIL , a gene highly expressed in vascular smooth muscle, that was significantly associated with the diameter of the ascending and descending aorta. A polygenic score for ascending aortic diameter was associated with a diagnosis of thoracic aortic aneurysm in the remaining 391,251 UK Biobank participants who did not undergo imaging (HR = 1.44 per standard deviation; P = 3.7·10 −12 ). Defining the genetic basis of the diameter of the aorta may enable the identification of asymptomatic individuals at risk for aneurysm or dissection and facilitate the prioritization of potential therapeutic targets for the prevention or treatment of aortic aneurysm. Finally, our results illustrate the potential for rapidly defining novel quantitative traits derived from a deep learning model, an approach that can be more broadly applied to biomedical imaging data.

Abstract Cortical thickness, surface area and volumes (MRI cortical measures) vary with age and cognitive function, and in neurological and psychiatric diseases. We examined heritability, genetic correlations and genome-wide associations of cortical measures across the whole cortex, and in 34 anatomically predefined regions. Our discovery sample comprised 22,822 individuals from 20 cohorts within the Cohorts for Heart and Aging Research in Genomic Epidemiology (CHARGE) consortium and the United Kingdom Biobank. Significant associations were replicated in the Enhancing Neuroimaging Genetics through Meta-analysis (ENIGMA) consortium, and their biological implications explored using bioinformatic annotation and pathway analyses. We identified genetic heterogeneity between cortical measures and brain regions, and 161 genome-wide significant associations pointing to wnt/β-catenin, TGF-β and sonic hedgehog pathways. There was enrichment for genes involved in anthropometric traits, hindbrain development, vascular and neurodegenerative disease and psychiatric conditions. These data are a rich resource for studies of the biological mechanisms behind cortical development and aging.

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 INTRODUCTION MicroRNAs are short non‐coding RNAs that control proteostasis at the systems level and are emerging as potential prognostic and diagnostic biomarkers for Alzheimer's disease (AD). METHODS We performed small RNA sequencing on plasma samples from 847 Alzheimer's Disease Neuroimaging Initiative (ADNI) participants. RESULTS We identified microRNA signatures that correlate with AD diagnoses and help predict the conversion from mild cognitive impairment (MCI) to AD. DISCUSSION Our data demonstrate that plasma microRNA signatures can be used to not only diagnose MCI, but also, critically, predict the conversion from MCI to AD. Moreover, combined with neuropsychological testing, plasma microRNAome evaluation helps predict MCI to AD conversion. These findings are of considerable public interest because they provide a path toward reducing indiscriminate utilization of costly and invasive testing by defining the at‐risk segment of the aging population. Highlights We provide the first analysis of the plasma microRNAome for the ADNI study. The levels of several microRNAs can be used as biomarkers for the prediction of conversion from MCI to AD. Adding the evaluation of plasma microRNA levels to neuropsychological testing in a clinical setting increases the accuracy of MCI to AD conversion prediction.

This study assessed whether a model incorporating clinical features and a polygenic score for ascending aortic diameter would improve diameter estimation and prediction of adverse thoracic aortic events over clinical features alone.

Exhaled carbon monoxide (eCO) is associated with subclinical and overt cardiovascular disease and stroke. The association between eCO with left atrial size, prevalent, or incident atrial fibrillation (AF) are uncertain. eCO was measured using an Ecolyzer instrument among Framingham Heart Study Offspring and Omni participants who attended an examination from 1994 to 1998. We analyzed multivariable-adjusted (current smoking, and other covariates including age, race, sex, height, weight, systolic blood pressure, diastolic blood pressure, diabetes, hypertension treatment, prevalent myocardial infarction [MI], and prevalent heart failure [HF]). Cox and logistic regression models assessed the relations between eCO and incident AF (primary model), and prevalent AF and left atrial (LA) size (pre-specified secondary analyses). We also conducted secondary analyses adjusting for biomarkers, and interim MI and interim HF. Our study sample included 3814 participants (mean age 58 ± 10 years; 54.4 % women, 88.4 % White). During an average of 18.8 ± 6.5 years follow-up, 683 participants were diagnosed with AF. eCO was associated with incident AF after adjusting for established AF risk factors (HR, 1.31 [95 % CI, 1.09–1.58]). In secondary analyses the association remained significant after additionally adjusting for C-reactive protein and B-type natriuretic peptide, and interim MI and CHF, and in analyses excluding individuals who currently smoked. eCO was not significantly associated with LA size and prevalent AF. In our community-based sample of individuals without AF, higher mean eCO concentrations were associated with incident AF. Further investigation is needed to explore the biological mechanisms linking eCO with AF.

Human genetics studies have uncovered genetic variants that can be used to guide biological research and prioritize molecular targets for therapeutic intervention for complex diseases and metabolic conditions. We have identified a missense variant (P746S) in EDEM3 associated with lower blood triglyceride (TG) levels in >300,000 individuals. Functional analyses in cell and mouse models show that EDEM3 deficiency strongly increased the uptake of very low-density lipoprotein and thereby reduced the plasma TG level, as a result of up-regulated expression of LRP1 receptor. We demonstrate that EDEM3 deletion up-regulated the pathways for RNA and ER protein processing and transport, and consequently increased the cell surface mannose-containing glycoproteins, including LRP1. Metabolomics analyses reveal a cellular TG accumulation under EDEM3 deficiency, a profile consistent with individuals with carrying EDEM3 P746S. Our study identifies EDEM3 as a regulator of blood TG, and targeted inhibition of EDEM3 may provide a complementary approach for lowering elevated blood TG concentrations.