Peter Visscher and colleagues report an analysis to partition the genetic variation for several complex traits onto chromosome segments and find that the variation explained is approximately proportional to the total length of genes included within a chromosome segment. They estimate that ~45%, ~17%, ~25% and ~21% of the phenotypic variation, respectively, for height, body mass index, von Willebrand factor and QT interval is tagged by common SNPs, and they partition this variation by chromosome and chromosome segments. We estimate and partition genetic variation for height, body mass index (BMI), von Willebrand factor and QT interval (QTi) using 586,898 SNPs genotyped on 11,586 unrelated individuals. We estimate that ∼45%, ∼17%, ∼25% and ∼21% of the variance in height, BMI, von Willebrand factor and QTi, respectively, can be explained by all autosomal SNPs and a further ∼0.5–1% can be explained by X chromosome SNPs. We show that the variance explained by each chromosome is proportional to its length, and that SNPs in or near genes explain more variation than SNPs between genes. We propose a new approach to estimate variation due to cryptic relatedness and population stratification. Our results provide further evidence that a substantial proportion of heritability is captured by common SNPs, that height, BMI and QTi are highly polygenic traits, and that the additive variation explained by a part of the genome is approximately proportional to the total length of DNA contained within genes therein.

Here 106 genomic loci associated with age at menarche, a marker of puberty timing in females, are identified; these loci show enrichment for genes involved in nuclear hormone receptor function, body mass index, and rare disorders of puberty, and for genes located in imprinted regions, with parent-of-origin specific effects at several loci. The age at which females first experience menstruation, called menarche, is a heritable trait associated with risks for obesity, type 2 diabetes, cardiovascular disease, breast cancer and general mortality. This large-scale genome-wide association study identifies 123 signals at 106 genomic loci associated with age at menarche. New findings include parent-of-origin-specific allelic associations (both maternally and paternally driven) at three imprinted loci and the implication of retinoic acid and GABAB receptor II signalling and lysine-specific histone demethylation. These data bring new insights into the genetic architecture of puberty timing and suggest a model involving thousands of genetic variants. Age at menarche is a marker of timing of puberty in females. It varies widely between individuals, is a heritable trait and is associated with risks for obesity, type 2 diabetes, cardiovascular disease, breast cancer and all-cause mortality1. Studies of rare human disorders of puberty and animal models point to a complex hypothalamic-pituitary-hormonal regulation2,3, but the mechanisms that determine pubertal timing and underlie its links to disease risk remain unclear. Here, using genome-wide and custom-genotyping arrays in up to 182,416 women of European descent from 57 studies, we found robust evidence (P < 5 × 10−8) for 123 signals at 106 genomic loci associated with age at menarche. Many loci were associated with other pubertal traits in both sexes, and there was substantial overlap with genes implicated in body mass index and various diseases, including rare disorders of puberty. Menarche signals were enriched in imprinted regions, with three loci (DLK1-WDR25, MKRN3-MAGEL2 and KCNK9) demonstrating parent-of-origin-specific associations concordant with known parental expression patterns. Pathway analyses implicated nuclear hormone receptors, particularly retinoic acid and γ-aminobutyric acid-B2 receptor signalling, among novel mechanisms that regulate pubertal timing in humans. Our findings suggest a genetic architecture involving at least hundreds of common variants in the coordinated timing of the pubertal transition.

Cathy Laurie and colleagues detect mosaicism for large chromosomal abnormalities in peripheral blood in a subset of healthy individuals. They show that the frequency of such events increases with age and is associated with elevated risk of developing a subsequent hematological cancer. We detected clonal mosaicism for large chromosomal anomalies (duplications, deletions and uniparental disomy) using SNP microarray data from over 50,000 subjects recruited for genome-wide association studies. This detection method requires a relatively high frequency of cells with the same abnormal karyotype (>5–10%; presumably of clonal origin) in the presence of normal cells. The frequency of detectable clonal mosaicism in peripheral blood is low (<0.5%) from birth until 50 years of age, after which it rapidly rises to 2–3% in the elderly. Many of the mosaic anomalies are characteristic of those found in hematological cancers and identify common deleted regions with genes previously associated with these cancers. Although only 3% of subjects with detectable clonal mosaicism had any record of hematological cancer before DNA sampling, those without a previous diagnosis have an estimated tenfold higher risk of a subsequent hematological cancer (95% confidence interval = 6–18).

Despite evidence that genetic factors contribute to the duration of gestation and the risk of preterm birth, robust associations with genetic variants have not been identified. We used large data sets that included the gestational duration to determine possible genetic associations.

Birth weight within the normal range is associated with a variety of adult-onset diseases, but the mechanisms behind these associations are poorly understood. Previous genome-wide association studies of birth weight identified a variant in the ADCY5 gene associated both with birth weight and type 2 diabetes and a second variant, near CCNL1, with no obvious link to adult traits. In an expanded genome-wide association meta-analysis and follow-up study of birth weight (of up to 69,308 individuals of European descent from 43 studies), we have now extended the number of loci associated at genome-wide significance to 7, accounting for a similar proportion of variance as maternal smoking. Five of the loci are known to be associated with other phenotypes: ADCY5 and CDKAL1 with type 2 diabetes, ADRB1 with adult blood pressure and HMGA2 and LCORL with adult height. Our findings highlight genetic links between fetal growth and postnatal growth and metabolism.

Importance

 Neonates born to overweight or obese women are larger and at higher risk of birth complications. Many maternal obesity-related traits are observationally associated with birth weight, but the causal nature of these associations is uncertain. 

Objective

 To test for genetic evidence of causal associations of maternal body mass index (BMI) and related traits with birth weight. 

Design, Setting, and Participants

 Mendelian randomization to test whether maternal BMI and obesity-related traits are potentially causally related to offspring birth weight. Data from 30 487 women in 18 studies were analyzed. Participants were of European ancestry from population- or community-based studies in Europe, North America, or Australia and were part of the Early Growth Genetics Consortium. Live, term, singleton offspring born between 1929 and 2013 were included. 

Exposures

 Genetic scores for BMI, fasting glucose level, type 2 diabetes, systolic blood pressure (SBP), triglyceride level, high-density lipoprotein cholesterol (HDL-C) level, vitamin D status, and adiponectin level. 

Main Outcome and Measure

 Offspring birth weight from 18 studies. 

Results

 Among the 30 487 newborns the mean birth weight in the various cohorts ranged from 3325 g to 3679 g. The maternal genetic score for BMI was associated with a 2-g (95% CI, 0 to 3 g) higher offspring birth weight per maternal BMI-raising allele (P = .008). The maternal genetic scores for fasting glucose and SBP were also associated with birth weight with effect sizes of 8 g (95% CI, 6 to 10 g) per glucose-raising allele (P = 7 × 10⁻¹⁴) and −4 g (95% CI, −6 to −2g) per SBP-raising allele (P = 1×10⁻⁵), respectively. A 1-SD ( ≈ 4 points) genetically higher maternal BMI was associated with a 55-g higher offspring birth weight (95% CI, 17 to 93 g). A 1-SD ( ≈ 7.2 mg/dL) genetically higher maternal fasting glucose concentration was associated with 114-g higher offspring birth weight (95% CI, 80 to 147 g). However, a 1-SD ( ≈ 10 mm Hg) genetically higher maternal SBP was associated with a 208-g lower offspring birth weight (95% CI, −394 to −21 g). For BMI and fasting glucose, genetic associations were consistent with the observational associations, but for systolic blood pressure, the genetic and observational associations were in opposite directions. 

Conclusions and Relevance

 In this mendelian randomization study, genetically elevated maternal BMI and blood glucose levels were potentially causally associated with higher offspring birth weight, whereas genetically elevated maternal SBP was potentially causally related to lower birth weight. If replicated, these findings may have implications for counseling and managing pregnancies to avoid adverse weight-related birth outcomes.

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 Handedness, a consistent asymmetry in skill or use of the hands, has been studied extensively because of its relationship with language and the over-representation of left-handers in some neurodevelopmental disorders. Using data from the UK Biobank, 23andMe and 32 studies from the International Handedness Consortium, we conducted the world’s largest genome-wide association study of handedness (1,534,836 right-handed, 194,198 (11.0%) left-handed and 37,637 (2.1%) ambidextrous individuals). We found 41 genetic loci associated with left-handedness and seven associated with ambidexterity at genome-wide levels of significance (P < 5×10 −8 ). Tissue enrichment analysis implicated the central nervous system and brain tissues including the hippocampus and cerebrum in the etiology of left-handedness. Pathways including regulation of microtubules, neurogenesis, axonogenesis and hippocampus morphology were also highlighted. We found suggestive positive genetic correlations between being left-handed and some neuropsychiatric traits including schizophrenia and bipolar disorder. SNP heritability analyses indicated that additive genetic effects of genotyped variants explained 5.9% (95% CI = 5.8% – 6.0%) of the underlying liability of being left-handed, while the narrow sense heritability was estimated at 12% (95% CI = 7.2% – 17.7%). Further, we show that genetic correlation between left-handedness and ambidexterity is low (r g = 0.26; 95% CI = 0.08 – 0.43) implying that these traits are largely influenced by different genetic mechanisms. In conclusion, our findings suggest that handedness, like many other complex traits is highly polygenic, and that the genetic variants that predispose to left-handedness may underlie part of the association with some psychiatric disorders that has been observed in multiple observational studies.

Background Hypersensitivity reactions to drugs are often unpredictable and can be life-threatening, underscoring a need for understanding their underlying mechanisms and risk factors. The extent to which germline genetic variation influences the risk of commonly reported drug allergies such as penicillin allergy remains largely unknown.Methods We extracted data from the electronic health records of 52,000 Estonian and 500,000 UK biobank participants to study the role of genetic variation in the occurrence of penicillin hypersensitivity reactions. We used imputed SNP to HLA typing data from up to 22,554 and 488,377 individuals from the Estonian and UK cohorts, respectively, to further fine-map the human leukocyte antigen (HLA) association and replicated our results in two additional cohorts involving a total of 1.14 million individuals.Results Genome-wide meta-analysis of penicillin allergy revealed a significant association located in the HLA region on chromosome 6. The signal was further fine-mapped to the HLA-B*55:01 allele (OR 1.47 95% CI 1.37-1.58, P-value 4.63×10-26) and confirmed by independent replication in two cohorts. The meta-analysis of all four cohorts in the study revealed a strong association of HLA-B*55:01 allele with penicillin allergy (OR 1.33 95% CI 1.29-1.37, P-value 2.23×10-72). In silico follow-up suggests a potential effect on T lymphocytes at HLA-B*55:01.Conclusion We present the first robust evidence for the role of an allele of the major histocompatibility complex (MHC) I gene HLA-B in the occurrence of penicillin allergy.

Birth weight (BW) variation is influenced by fetal and maternal genetic and non-genetic factors, and has been reproducibly associated with future cardio-metabolic health outcomes. These associations have been proposed to reflect the lifelong consequences of an adverse intrauterine environment. In earlier work, we demonstrated that much of the negative correlation between BW and adult cardio-metabolic traits could instead be attributable to shared genetic effects. However, that work and other previous studies did not systematically distinguish the direct effects of an individual's own genotype on BW and subsequent disease risk from indirect effects of their mother's correlated genotype, mediated by the intrauterine environment. Here, we describe expanded genome-wide association analyses of own BW (n=321,223) and offspring BW (n=230,069 mothers), which identified 278 independent association signals influencing BW (214 novel). We used structural equation modelling to decompose the contributions of direct fetal and indirect maternal genetic influences on BW, implicating fetal- and maternal-specific mechanisms. We used Mendelian randomization to explore the causal relationships between factors influencing BW through fetal or maternal routes, for example, glycemic traits and blood pressure. Direct fetal genotype effects dominate the shared genetic contribution to the association between lower BW and higher type 2 diabetes risk, whereas the relationship between lower BW and higher later blood pressure (BP) is driven by a combination of indirect maternal and direct fetal genetic effects: indirect effects of maternal BP-raising genotypes act to reduce offspring BW, but only direct fetal genotype effects (once inherited) increase the offspring's later BP. Instrumental variable analysis using maternal BW-lowering genotypes to proxy for an adverse intrauterine environment provided no evidence that it causally raises offspring BP. In successfully separating fetal from maternal genetic effects, this work represents an important advance in genetic studies of perinatal outcomes, and shows that the association between lower BW and higher adult BP is attributable to genetic effects, and not to intrauterine programming.