Importance

 Observational studies have shown associations of birth weight with type 2 diabetes (T2D) and glycemic traits, but it remains unclear whether these associations represent causal associations. 

Objective

 To test the association of birth weight with T2D and glycemic traits using a mendelian randomization analysis. 

Design, Setting, and Participants

 This mendelian randomization study used a genetic risk score for birth weight that was constructed with 7 genome-wide significant single-nucleotide polymorphisms. The associations of this score with birth weight and T2D were tested in a mendelian randomization analysis using study-level data. The association of birth weight with T2D was tested using both study-level data (7 single-nucleotide polymorphisms were used as an instrumental variable) and summary-level data from the consortia (43 single-nucleotide polymorphisms were used as an instrumental variable). Data from 180 056 participants from 49 studies were included. 

Main Outcomes and Measures

 Type 2 diabetes and glycemic traits. 

Results

 This mendelian randomization analysis included 49 studies with 41 155 patients with T2D and 80 008 control participants from study-level data and 34 840 patients with T2D and 114 981 control participants from summary-level data. Study-level data showed that a 1-SD decrease in birth weight due to the genetic risk score was associated with higher risk of T2D among all participants (odds ratio [OR], 2.10; 95% CI, 1.69-2.61;P = 4.03 × 10⁻⁵), among European participants (OR, 1.96; 95% CI, 1.42-2.71;P = .04), and among East Asian participants (OR, 1.39; 95% CI, 1.18-1.62;P = .04). Similar results were observed from summary-level analyses. In addition, each 1-SD lower birth weight was associated with 0.189 SD higher fasting glucose concentration (β = 0.189; SE = 0.060;P = .002), but not with fasting insulin, 2-hour glucose, or hemoglobin A_1cconcentration. 

Conclusions and Relevance

 In this study, a genetic predisposition to lower birth weight was associated with increased risk of T2D and higher fasting glucose concentration, suggesting genetic effects on retarded fetal growth and increased diabetes risk that either are independent of each other or operate through alterations of integrated biological mechanisms.

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.

Epidemiology studies suggested that low birthweight was associated with a higher risk of hypertension in later life. However, little is known about the causality of such associations. In our study, we evaluated the causal association of low birthweight with adulthood hypertension following a standard analytic protocol using the study-level data of 183,433 participants from 60 studies (CHARGE-BIG consortium), as well as that with blood pressure using publicly available summary-level genome-wide association data from EGG consortium of 153,781 participants, ICBP consortium and UK Biobank cohort together of 757,601 participants. We used seven SNPs as the instrumental variable in the study-level analysis and 47 SNPs in the summary-level analysis. In the study-level analyses, decreased birthweight was associated with a higher risk of hypertension in adults (the odds ratio per 1 standard deviation (SD) lower birthweight, 1.22; 95% CI 1.16 to 1.28), while no association was found between genetically instrumented birthweight and hypertension risk (instrumental odds ratio for causal effect per 1 SD lower birthweight, 0.97; 95% CI 0.68 to 1.41). Such results were consistent with that from the summary-level analyses, where the genetically determined low birthweight was not associated with blood pressure measurements either. One SD lower genetically determined birthweight was not associated with systolic blood pressure (β = - 0.76, 95% CI - 2.45 to 1.08 mmHg), 0.06 mmHg lower diastolic blood pressure (β = - 0.06, 95% CI - 0.93 to 0.87 mmHg), or pulse pressure (β = - 0.65, 95% CI - 1.38 to 0.69 mmHg, all p > 0.05). Our findings suggest that the inverse association of birthweight with hypertension risk from observational studies was not supported by large Mendelian randomization analyses.

Abstract Genetically predicted levels of multi-omic traits can uncover the molecular underpinnings of common phenotypes in a highly efficient manner. Here, we utilised a large cohort (INTERVAL; N=50,000 participants) with extensive multi-omic data for plasma proteomics (SomaScan, N=3,175; Olink, N=4,822), plasma metabolomics (Metabolon HD4, N=8,153), serum metabolomics (Nightingale, N=37,359), and whole blood Illumina RNA sequencing (N=4,136). We used machine learning to train genetic scores for 17,227 molecular traits, including 10,521 which reached Bonferroni-adjusted significance. We evaluated genetic score performances in external validation across European, Asian and African American ancestries, and assessed their longitudinal stability within diverse individuals. We demonstrated the utility of these multi-omic genetic scores by quantifying the genetic control of biological pathways and by generating a synthetic multi-omic dataset of UK Biobank to identify disease associations using a phenome-wide scan. Finally, we developed a portal ( OmicsPred.org ) to facilitate public access to all genetic scores and validation results as well as to serve as a platform for future extensions and enhancements of multi-omic genetic scores.

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.

Abstract Large-scale gene sequencing studies for complex traits have the potential to identify causal genes with therapeutic implications. We performed gene-based association testing of blood lipid levels with rare (minor allele frequency<1%) predicted damaging coding variation using sequence data from >170,000 individuals from multiple ancestries: 97,493 European, 30,025 South Asian, 16,507 African, 16,440 Hispanic/Latino, 10,420 East Asian, and 1,182 Samoan. We identified 35 genes associated with circulating lipid levels. Ten of these: ALB , SRSF2 , JAK2, CREB3L3 , TMEM136 , VARS , NR1H3 , PLA2G12A , PPARG and STAB1 have not been implicated for lipid levels using rare coding variation in population-based samples. We prioritize 32 genes identified in array-based genome-wide association study (GWAS) loci based on gene-based associations, of which three: EVI5, SH2B3 , and PLIN1 , had no prior evidence of rare coding variant associations. Most of the associated genes showed evidence of association in multiple ancestries. Also, we observed an enrichment of gene-based associations for low-density lipoprotein cholesterol drug target genes, and for genes closest to GWAS index single nucleotide polymorphisms (SNP). Our results demonstrate that gene-based associations can be beneficial for drug target development and provide evidence that the gene closest to the array-based GWAS index SNP is often the functional gene for blood lipid levels.

Adiposity can be measured using BMI (which is based on weight and height) as well as indices of abdominal adiposity. We examined the association between BMI and waist-to-height ratio (WHtR) within and across populations of different world regions and quantified how well these two metrics discriminate between people with and without hypertension.

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.

BACKGROUND: The Dietary Approaches to Stop Hypertension (DASH) diet score lowers blood pressure (BP). We examined interactions between genotype and the DASH diet score in relation to systolic BP. METHODS: We analyzed up to 9 420 585 single nucleotide polymorphisms in up to 127 282 individuals of 6 population groups (91% of European population) from the Cohorts for Heart and Aging Research in Genomic Epidemiology consortium (n=35 660) and UK Biobank (n=91 622) and performed European population-specific and cross-population meta-analyses. RESULTS: We identified 3 loci in European-specific analyses and an additional 4 loci in cross-population analyses at P interaction <5e−8. We observed a consistent interaction between rs117878928 at 15q25.1 (minor allele frequency, 0.03) and the DASH diet score ( P interaction =4e−8; P for heterogeneity, 0.35) in European population, where the interaction effect size was 0.42±0.09 mm Hg ( P interaction =9.4e−7) and 0.20±0.06 mm Hg ( P interaction =0.001) in Cohorts for Heart and Aging Research in Genomic Epidemiology and the UK Biobank, respectively. The 1 Mb region surrounding rs117878928 was enriched with cis-expression quantitative trait loci (eQTL) variants ( P =4e−273) and cis-DNA methylation quantitative trait loci variants ( P =1e−300). Although the closest gene for rs117878928 is MTHFS , the highest narrow sense heritability accounted by single nucleotide polymorphisms potentially interacting with the DASH diet score in this locus was for gene ST20 at 15q25.1. CONCLUSIONS: We demonstrated gene-DASH diet score interaction effects on systolic BP in several loci. Studies with larger diverse populations are needed to validate our findings.

Body fat distribution is a heritable risk factor for a range of adverse health consequences, including hyperlipidemia and type 2 diabetes. To identify protein-coding variants associated with body fat distribution, assessed by waist-to-hip ratio adjusted for body mass index, we analyzed 228,985 predicted coding and splice site variants available on exome arrays in up to 344,369 individuals from five major ancestries for discovery and 132,177 independent European-ancestry individuals for validation. We identified 15 common (minor allele frequency, MAF ≥ 5%) and 9 low frequency or rare (MAF < 5%) coding variants that have not been reported previously. Pathway/gene set enrichment analyses of all associated variants highlight lipid particle, adiponectin level, abnormal white adipose tissue physiology, and bone development and morphology as processes affecting fat distribution and body shape. Furthermore, the cross-trait associations and the analyses of variant and gene function highlight a strong connection to lipids, cardiovascular traits, and type 2 diabetes. In functional follow-up analyses, specifically in Drosophila RNAi-knockdown crosses, we observed a significant increase in the total body triglyceride levels for two genes (DNAH10 and PLXND1). By examining variants often poorly tagged or entirely missed by genome-wide association studies, we implicate novel genes in fat distribution, stressing the importance of interrogating low-frequency and protein-coding variants.