Recent advances in highly multiplexed immunoassays have allowed systematic large-scale measurement of hundreds of plasma proteins in large cohort studies. In combination with genotyping, such studies offer the prospect to 1) identify mechanisms involved with regulation of protein expression in plasma, and 2) determine whether the plasma proteins are likely to be causally implicated in disease. We report here the results of genome-wide association (GWA) studies of 83 proteins considered relevant to cardiovascular disease (CVD), measured in 3,394 individuals with multiple CVD risk factors. We identified 79 genome-wide significant (p<5e-8) association signals, 55 of which replicated at P<0.0007 in separate validation studies (n = 2,639 individuals). Using automated text mining, manual curation, and network-based methods incorporating information on expression quantitative trait loci (eQTL), we propose plausible causal mechanisms for 25 trans-acting loci, including a potential post-translational regulation of stem cell factor by matrix metalloproteinase 9 and receptor-ligand pairs such as RANK-RANK ligand. Using public GWA study data, we further evaluate all 79 loci for their causal effect on coronary artery disease, and highlight several potentially causal associations. Overall, a majority of the plasma proteins studied showed evidence of regulation at the genetic level. Our results enable future studies of the causal architecture of human disease, which in turn should aid discovery of new drug targets.

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 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 Background Factor V (FV) is a key molecular player in the coagulation cascade. FV plasma levels have been associated with several human diseases, including thrombosis, bleeding and diabetic complications. So far, two genes have been robustly found through genome wide association analyses to contribute in the inter-individual variability of plasma FV levels: structural F5 gene and PLXDC2. Methods We used the underestimated Brown-Forsythe methodology implemented in the Quicktest software to search for non-additive genetic effects that could contribute to the inter-individual variability of FV plasma activity. QUICKTEST was applied to 4 independent GWAS studies (LURIC, MARTHA, MEGA and RETROVE) totaling 4,505 participants of European ancestry with measured FV plasma levels. Results obtained in the 4 cohorts were meta-analyzed using a fixed-effect model. Additional analyses involved exploring haplotype and gene×gene interactions in downstream investigations. Results We observed a genome-wide significant signal at PSKH2 locus, on chr8q21.3 with lead variant rs75463553 with no evidence for heterogeneity across cohorts (p = 0.518). Although rs75463553 did not show association with mean FV levels (p = 0.49), it demonstrated a robust significant (p = 8.4 10 -9 ) association with the variance of FV plasma levels. Further analyses confirmed the reported association of PSKH2 with neutrophil biology and revealed that rs75463553 likely interact with two loci, GRIN2A and POM121L12 , known for their involvement in smoking biology. Conclusions This comprehensive approach identifies the role of PSKH2 as a novel molecular player in the genetic regulation of FV, shedding light on the contribution of neutrophils to FV biology.