Abstract Common single-nucleotide polymorphisms (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 1 . Here, using data from a genome-wide association study of 5.4 million individuals of diverse ancestries, we show 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 mean size of around 90 kb, covering about 21% of the genome. The density of independent associations varies across the genome and the regions of increased density are enriched for biologically relevant genes. In out-of-sample estimation and prediction, the 12,111 SNPs (or all SNPs in the HapMap 3 panel 2 ) account for 40% (45%) of phenotypic variance in populations of European ancestry but only around 10–20% (14–24%) in populations of other ancestries. Effect sizes, associated regions and gene prioritization are similar across ancestries, indicating that reduced prediction accuracy is likely to be explained by linkage disequilibrium and differences in allele frequency within associated regions. Finally, we show that the relevant biological pathways are detectable with smaller sample sizes than are needed to implicate causal genes and variants. Overall, this study provides a comprehensive map of specific genomic regions that contain the vast majority of common height-associated variants. Although this map is saturated for populations of European ancestry, further research is needed to achieve equivalent saturation in other ancestries.

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 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.

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 Advanced age-related macular degeneration (AMD) is a leading cause of blindness. While around half of the genetic contribution to advanced AMD has been uncovered, little is known about the genetic architecture of the preceding early stages of the diseases. Methods To identify genetic factors for early AMD, we conducted a genome-wide association meta-analysis with 14,034 early AMD cases and 91,214 controls from 11 sources of data including data from the International AMD Genomics Consortium (IAMDGC) and the UK Biobank (UKBB). We ascertained early AMD via color fundus photographs by manual grading for 10 sources and by using an automated machine learning approach for >170,000 images from UKBB. We searched for significant genetic loci in a genome-wide association screen (P<5×10 -8 ) based on the meta-analysis of the 11 sources and via a candidate approach based on 13 suggestive early AMD variants from Holliday et al 2013 (P<0.05/13, additional 3,432 early AMD cases and 11,235 controls). For the novel AMD regions, we conducted in-silico follow-up analysis to prioritize causal genes and pathway analyses. Results We identified 11 loci for early AMD, 9 novel and 2 known for early AMD. Most of these 11 loci overlapped with known advanced AMD loci (near ARMS2/HTRA1, CFH, APOE, C2, C3, CETP, PVRL2, TNFRSF10A, VEGFA ), except two that were completely novel to any AMD. Among the 17 genes within the two novel loci, in-silico functional annotation suggested CD46 and TYR as the most likely responsible genes. We found the presence or absence of an early AMD effect to distinguish known pathways of advanced AMD genetics (complement/lipid pathways or extracellular matrix metabolism, respectively). Conclusions Our data on early AMD genetics provides a resource comparable to the existing data on advanced AMD genetics, which enables a joint view. Our large GWAS on early AMD identified novel loci, highlighted shared and distinct genetics between early and advanced AMD and provides insights into AMD etiology. The ability of early AMD effects to differentiate the major pathways for advanced AMD underscores the biological relevance of a joint view on early and advanced AMD genetics.

Atrial fibrillation is a prevalent arrhythmia associated with a five-fold increased risk of ischemic stroke, and specifically the cardioembolic stroke subtype. Genome-wide association studies of these traits have yielded overlapping risk loci, but genome-wide investigation of genetic susceptibility shared between stroke and atrial fibrillation is lacking. Comparing the genetic architectures of the two diseases could inform whether cardioembolic strokes are driven by inherited atrial fibrillation susceptibility, and may help elucidate ischemic stroke mechanisms. Here, we analyze genome-wide genotyping data and estimate SNP-based heritability in atrial fibrillation and cardioembolic stroke to be nearly identical (20.0% and 19.5%, respectively). Further, we find that the traits are genetically correlated (r=0.77 for SNPs with p < 4.4 x 10-4 in a previous atrial fibrillation meta-analysis). Clinical studies are warranted to assess whether genetic susceptibility to atrial fibrillation can be leveraged to improve the diagnosis and care of ischemic stroke patients.

Most loci identified by GWAS have been found in populations of European ancestry (EA). In trans-ethnic meta-analyses for 15 hematological traits in 746,667 participants, including 184,535 non-EA individuals, we identified 5,552 trait-variant associations at P<5x10-9, including 71 novel loci not found in EA populations. We also identified novel ancestry-specific variants not found in EA, including an IL7 missense variant in South Asians associated with lymphocyte count in vivo and IL7 secretion levels in vitro. Fine-mapping prioritized variants annotated as functional, and generated 95% credible sets that were 30% smaller when using the trans-ethnic as opposed to the EA-only results. We explored the clinical significance and predictive value of trans-ethnic variants in multiple populations, and compared genetic architecture and the impact of natural selection on these blood phenotypes between populations. Altogether, our results for hematological traits highlight the value of a more global representation of populations in genetic studies.

Heart failure (HF) is a leading cause of morbidity and mortality worldwide. A small proportion of HF cases are attributable to monogenic cardiomyopathies and existing genome-wide association studies (GWAS) have yielded only limited insights, leaving the observed heritability of HF largely unexplained. We report the largest GWAS meta-analysis of HF to-date, comprising 47,309 cases and 930,014 controls. We identify 12 independent associations with HF at 11 genomic loci, all of which demonstrate one or more associations with coronary artery disease (CAD), atrial fibrillation, or reduced left ventricular function suggesting shared genetic aetiology. Expression quantitative trait analysis of non-CAD-associated loci implicate genes involved in cardiac development (MYOZ1, SYNPO2L), protein homeostasis (BAG3), and cellular senescence (CDKN1A). Using Mendelian randomisation analysis we provide new evidence supporting previously equivocal causal roles for several HF risk factors identified in observational studies, and demonstrate CAD-independent effects for atrial fibrillation, body mass index, hypertension and triglycerides. These findings extend our knowledge of the genes and pathways underlying HF and may inform the development of new therapeutic approaches.