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 Chronic kidney disease (CKD) is a complex disorder that has become a high prevalence global health problem, with diabetes being its predominant pathophysiologic driver. Autosomal genetic variation only explains some of the predisposition to kidney disease. Variations in the mitochondrial genome (mtDNA) and nuclear-encoded mitochondrial genes (NEMG) are implicated in susceptibility to kidney disease and CKD progression, but they have not been thoroughly explored. Our aim was to investigate the association of variation in both mtDNA and NEMG with CKD (and related traits), with a particular focus on diabetes. Methods We used the UK Biobank (UKB) and UK-ROI, an independent collection of individuals with type 1 diabetes mellitus (T1DM) patients. Results Fourteen mitochondrial variants were associated with estimated glomerular filtration rate (eGFR) in UKB. Mitochondrial variants and haplogroups U, H and J were associated with eGFR and serum variables. Mitochondrial haplogroup H was associated with all the serum variables regardless of the presence of diabetes. Mitochondrial haplogroup X was associated with end-stage kidney disease (ESKD) in UKB. We confirmed the influence of several known NEMG on kidney disease and function and found novel associations for SLC39A13 , CFL1 , ACP2 or ATP5G1 with serum variables and kidney damage, and for SLC4A1 , NUP210 and MYH14 with ESKD. The G allele of TBC1D32 -rs113987180 was associated with higher risk of ESKD in patients with diabetes (OR:9.879; CI 95% :4.440–21.980; P = 2.0E-08). In UK-ROI, AGXT2 -rs71615838 and SURF1 -rs183853102 were associated with diabetic nephropathies, and TFB1M -rs869120 with eGFR. Conclusions We identified novel variants both in mtDNA and NEMG which may explain some of the missing heritability for CKD and kidney phenotypes. We confirmed the role of MT-ND5 and mitochondrial haplogroup H on renal disease (serum variables), and identified the MT-ND5 -rs41535848G variant, along with mitochondrial haplogroup X, associated with higher risk of ESKD. Despite most of the associations were independent of diabetes, we also showed potential roles for NEMG in T1DM.

A subset of individuals with type 1 diabetes mellitus (T1DM) are predisposed to developing diabetic kidney disease (DKD), which is the most common cause globally of end-stage kidney disease (ESKD). Emerging evidence suggests epigenetic changes in DNA methylation may have a causal role in both T1DM and DKD. The aim of this investigation was to assess differences in blood-derived DNA methylation patterns between individuals with T1DM-ESKD and individuals with long-duration T1DM but no evidence of kidney disease upon repeated testing. Blood-derived DNA from individuals (107 cases, 253 controls and 14 experimental controls) were bisulphite treated before DNA methylation patterns from both groups were generated and analysed using Illumina's Infinium MethylationEPIC BeadChip arrays (n=862,927 sites). Differentially methylated CpG sites (dmCpGs) were identified (false discovery rate adjusted p≤x10-8 and fold change ±2) by comparing methylation levels between ESKD cases and T1DM controls at single site resolution. Gene annotation and functionality was investigated to enrich and rank methylated regions associated with ESKD in T1DM. Top-ranked genes within which several dmCpGs were located and supported by in silico functional data, and replication where possible, include; AFF3, ARID5B, CUX1, ELMO1, FKBP5, HDAC4, ITGAL, LY9, PIM1, RUNX3, SEPTIN9, and UPF3A. Top-ranked enrichment pathways included pathways in cancer, TGF-β signalling and Th17 cell differentiation. Epigenetic alterations provide a dynamic link between an individual's genetic background and their environmental exposures. This robust evaluation of DNA methylation in carefully phenotyped individuals, has identified biomarkers associated with ESKD, revealing several genes and implicated key pathways associated with ESKD in individuals with T1DM.