AE
A. Eliassen
Author with expertise in Genomic Studies and Association Analyses
Achievements
Open Access Advocate
Cited Author
Key Stats
Upvotes received:
0
Publications:
5
(80% Open Access)
Cited by:
17
h-index:
16
/
i10-index:
26
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
3

A Saturated Map of Common Genetic Variants Associated with Human Height from 5.4 Million Individuals of Diverse Ancestries

Loïc Yengo et al.Jan 10, 2022
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.
3
Citation16
0
Save
1

Plasma and ovarian metabolomic responses to chronic stress in female mice

Oana Zeleznik et al.Jan 4, 2022
Abstract Background Chronic stress may affect metabolism of amino acids, lipids, and other small molecule metabolites, but these alterations may differ depending on tissue evaluated. We examined metabolomic changes in plasma and ovarian tissue samples from female mice due to chronic stress exposure. Methods At 12 weeks old, healthy, female, C57 black mice were randomly assigned to three weeks of chronic stress using daily restraint (2 hours/day; n=9) or normal care (n=10). Metabolomic profiling was conducted on plasma and ovarian tissues. Using the Wilcoxon Rank Test, Metabolite Set Enrichment Analysis, and Differential Network Analysis we identified metabolomic alterations occurring in response to restraint stress. All p-values were corrected for multiple testing using the false discovery rate approach. Results In plasma, individual lysophosphatidylcholines (positively) and the metabolite classes carnitines (positively), diacylglycerols and triacylglycerols (inversely) were associated with restraint stress (adjusted-p’s<0.2). In contrast, diacylglycerols and triacylglycerols were increased while carnitines were decreased in ovarian tissue from stressed mice (adjusted-p’s<0.2). However, several metabolites (cholesteryl esters, phosphatidylcholines/ phosphatidylethanolamines plasmalogens and multiple amino acids) were consistently inversely associated with restraint stress in plasma and ovarian tissue (adjusted-p’s<0.2). Conclusion We identified differences in multiple lipid and amino acid metabolites in plasma and ovarian tissue of female mice after exposure to chronic stress. Some affected metabolites (primarily triacylglycerols and diacylglycerols) exhibited opposite associations with chronic stress in plasma (a marker of systemic influences) versus in ovarian tissue (representing local changes), suggesting research to understand the biological impact of chronic stress needs to consider both systemic and tissue-specific alterations.
1
Citation1
0
Save
0

Genome-wide association study of anti-Mullerian hormone levels in pre-menopausal women of late reproductive age and relationship with genetic determinants of reproductive lifespan

Katherine Ruth et al.Dec 4, 2018
Anti-Müllerian hormone (AMH) is required for sexual differentiation in the fetus, and in adult females AMH is produced by growing ovarian follicles. Consequently, AMH levels are correlated with ovarian reserve, declining towards menopause when the oocyte pool is exhausted. A previous genome-wide association study identified three genetic variants in and around the AMH gene that explained 25% of variation in AMH levels in adolescent males but did not identify any genetic associations reaching genome-wide significance in adolescent females. To explore the role of genetic variation in determining AMH levels in women of late reproductive age, we carried out a genome-wide meta-analysis in 3,344 pre-menopausal women from five cohorts (median age 44-48 years at blood draw). A single genetic variant, rs16991615, previously associated with age at menopause, reached genome-wide significance at P=3.48×10−10, with a per allele difference in age-adjusted inverse normal AMH of 0.26 SD (95% CI [0.18,0.34]). We investigated whether genetic determinants of female reproductive lifespan were more generally associated with pre-menopausal AMH levels. Genetically-predicted age at menarche had no robust association but genetically-predicted age at menopause was associated with lower AMH levels by 0.18 SD (95% CI [0.14,0.21]) in age-adjusted inverse normal AMH per one-year earlier age at menopause. Our findings support the hypothesis that AMH is a valid measure of ovarian reserve in pre-menopausal women and suggest that the underlying biology of ovarian reserve results in a causal link between pre-menopausal AMH levels and menopause timing.
5

Rare copy number variants (CNVs) and breast cancer risk

Joe Dennis et al.May 21, 2021
Abstract Background Copy number variants (CNVs) are pervasive in the human genome but potential disease associations with rare CNVs have not been comprehensively assessed in large datasets. We analysed rare CNVs in genes and non-coding regions for 86,788 breast cancer cases and 76,122 controls of European ancestry with genome-wide array data. Results Gene burden tests detected the strongest association for deletions in BRCA1 (P= 3.7E-18). Nine other genes were associated with a p-value < 0.01 including known susceptibility genes CHEK2 (P= 0.0008), ATM (P= 0.002) and BRCA2 (P= 0.008). Outside the known genes we detected associations with p-values < 0.001 for either overall or subtype-specific breast cancer at nine deletion regions and four duplication regions. Three of the deletion regions were in established common susceptibility loci. Conclusions This is the first genome-wide analysis of rare CNVs in a large breast cancer case-control dataset. We detected associations with exonic deletions in established breast cancer susceptibility genes. We also detected suggestive associations with non-coding CNVs in known and novel loci with large effects sizes. Larger sample sizes will be required to reach robust levels of statistical significance.