The outbreak of COVID-19 raised numerous questions on the interactions between the occurrence of new infections, the environment, climate and health. The European Union requested the H2020 HERA project which aims at setting priorities in research on environment, climate and health, to identify relevant research needs regarding Covid-19. The emergence and spread of SARS-CoV-2 appears to be related to urbanization, habitat destruction, live animal trade, intensive livestock farming and global travel. The contribution of climate and air pollution requires additional studies. Importantly, the severity of COVID-19 depends on the interactions between the viral infection, ageing and chronic diseases such as metabolic, respiratory and cardiovascular diseases and obesity which are themselves influenced by environmental stressors. The mechanisms of these interactions deserve additional scrutiny. Both the pandemic and the social response to the disease have elicited an array of behavioural and societal changes that may remain long after the pandemic and that may have long term health effects including on mental health. Recovery plans are currently being discussed or implemented and the environmental and health impacts of those plans are not clearly foreseen. Clearly, COVID-19 will have a long-lasting impact on the environmental health field and will open new research perspectives and policy needs.

Five modifiable risk factors are associated with cardiovascular disease and death from any cause. Studies using individual-level data to evaluate the regional and sex-specific prevalence of the risk factors and their effect on these outcomes are lacking.We pooled and harmonized individual-level data from 112 cohort studies conducted in 34 countries and 8 geographic regions participating in the Global Cardiovascular Risk Consortium. We examined associations between the risk factors (body-mass index, systolic blood pressure, non-high-density lipoprotein cholesterol, current smoking, and diabetes) and incident cardiovascular disease and death from any cause using Cox regression analyses, stratified according to geographic region, age, and sex. Population-attributable fractions were estimated for the 10-year incidence of cardiovascular disease and 10-year all-cause mortality.Among 1,518,028 participants (54.1% of whom were women) with a median age of 54.4 years, regional variations in the prevalence of the five modifiable risk factors were noted. Incident cardiovascular disease occurred in 80,596 participants during a median follow-up of 7.3 years (maximum, 47.3), and 177,369 participants died during a median follow-up of 8.7 years (maximum, 47.6). For all five risk factors combined, the aggregate global population-attributable fraction of the 10-year incidence of cardiovascular disease was 57.2% (95% confidence interval [CI], 52.4 to 62.1) among women and 52.6% (95% CI, 49.0 to 56.1) among men, and the corresponding values for 10-year all-cause mortality were 22.2% (95% CI, 16.8 to 27.5) and 19.1% (95% CI, 14.6 to 23.6).Harmonized individual-level data from a global cohort showed that 57.2% and 52.6% of cases of incident cardiovascular disease among women and men, respectively, and 22.2% and 19.1% of deaths from any cause among women and men, respectively, may be attributable to five modifiable risk factors. (Funded by the German Center for Cardiovascular Research (DZHK); ClinicalTrials.gov number, NCT05466825.).

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 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.

Genome-wide association studies (GWAS) identify genetic variants associated with quantitative traits or disease. Thus, GWAS never directly link variants to regulatory mechanisms, which, in turn, are typically inferred during post-hoc analyses. In parallel, a recent deep learning-based method allows for prediction of regulatory effects per variant on currently up to 1,000 cell type-specific chromatin features. We here describe "DeepWAS", a new approach that directly integrates predictions of these regulatory effects of single variants into a multivariate GWAS setting. As a result, single variants associated with a trait or disease are, by design, coupled to their impact on a chromatin feature in a cell type. Up to 40,000 regulatory single-nucleotide polymorphisms (SNPs) were associated with multiple sclerosis (MS, 4,888 cases and 10,395 controls), major depressive disorder (MDD, 1,475 cases and 2,144 controls), and height (5,974 individuals) to each identify 43-61 regulatory SNPs, called deepSNPs, which are shown to reach at least nominal significance in large GWAS. MS- and height-specific deepSNPs resided in active chromatin and introns, whereas MDD-specific deepSNPs located mostly to intragenic regions and repressive chromatin states. We found deepSNPs to be enriched in public or cohort-matched expression and methylation quantitative trait loci and demonstrate the potential of the DeepWAS method to directly generate testable functional hypotheses based on genotype data alone. DeepWAS is an innovative GWAS approach with the power to identify individual SNPs in non-coding regions with gene regulatory capacity with a joint contribution to disease risk. DeepWAS is available at https://github.com/cellmapslab/DeepWAS.

Elevated blood pressure is a major risk factor for cardiovascular disease and has a substantial genetic contribution. Genetic variation influencing blood pressure has the potential to identify new pharmacological targets for the treatment of hypertension. To discover additional novel blood pressure loci, we used 1000 Genomes Project-based imputation in 150,134 European ancestry individuals and sought significant evidence for independent replication in a further 228,245 individuals. We report 6 new signals of association in or near HSPB7, TNXB, LRP12, LOC283335, SEPT9 and AKT2, and provide new replication evidence for a further 2 signals in EBF2 and NFKBIA. Combining large whole-blood gene expression resources totaling 12,607 individuals, we investigated all novel and previously reported signals and identified 48 genes with evidence for involvement in BP regulation that are significant in multiple resources. Three novel kidney-specific signals were also detected. These robustly implicated genes may provide new leads for therapeutic innovation.

Identification of epistasis affecting complex human traits has been challenging. Focusing on known coronary artery disease (CAD) risk loci, we explore pairwise statistical interactions between 8,068 SNPs from ten CAD genome-wide association studies (n=30,180). We discovered rs1800769 and rs9458001 in the vicinity of the LPA locus to interact in modulating CAD risk (P=1.75e-13). Specific genotypes (e.g., rs1800769 CT) displayed either significantly decreased or increased risk for CAD in the context of genotypes of the respective other SNP (e.g., rs9458001 GG vs. AA). In the UK Biobank (n=450,112) significant interaction of this SNP pair was replicated for CAD (P=3.09e-22), and was also found for aortic valve stenosis (P=6.95e-7) and peripheral arterial disease (P=2.32e-4). Identical interaction patterns affected circulating lipoprotein(a) (n=5,953; P=8.7e-32) and hepatic apolipoprotein(a) (apo(a)) expression (n=522, P=2.6e-11). We further interrogated potential biological implications of the variants and propose a mechanism explaining epistasis that ultimately may translate to substantial cardiovascular risks.

The electrocardiographic PR interval reflects atrioventricular conduction, and is associated with conduction abnormalities, pacemaker implantation, atrial fibrillation (AF), and cardiovascular mortality[1][1],[2][2]. We performed multi-ancestry (N=293,051) and European only (N=271,570) genome-wide association (GWAS) meta-analyses for the PR interval, discovering 210 loci of which 149 are novel. Variants at all loci nearly doubled the percentage of heritability explained, from 33.5% to 62.6%. We observed enrichment for genes involved in cardiac muscle development/contraction and the cytoskeleton highlighting key regulation processes for atrioventricular conduction. Additionally, 19 novel loci harbour genes underlying inherited monogenic heart diseases suggesting the role of these genes in cardiovascular pathology in the general population. We showed that polygenic predisposition to PR interval duration is an endophenotype for cardiovascular disease risk, including distal conduction disease, AF, atrioventricular pre-excitation, non-ischemic cardiomyopathy, and coronary heart disease. These findings advance our understanding of the polygenic basis of cardiac conduction, and the genetic relationship between PR interval duration and cardiovascular disease. [1]: #ref-1 [2]: #ref-2

To combat the epidemic increase in Type-2-Diabetes (T2D), risk factors need to be identified. Diet, lifestyle and the gut microbiome are among the most important factors affecting metabolic health. We demonstrate in 1,976 subjects of a prospective population cohort that specific gut microbiota members show diurnal oscillations in their relative abundance and we identified 13 taxa with disrupted rhythmicity in T2D. Prediction models based on this signature classified T2D with an area under the curve of 73%. BMI as microbiota-independent risk marker further improved diagnostic classification of T2D. The validity of this arrhythmic risk signature to predict T2D was confirmed in 699 KORA subjects five years after initial sampling. Shotgun metagenomic analysis linked 26 pathways associated with xenobiotic, amino acid, fatty acid, and taurine metabolism to the diurnal oscillation of gut bacteria. In summary, we determined a cohort-specific risk pattern of arrhythmic taxa which significantly contributes to the classification and prediction of T2D, highlighting the importance of circadian rhythmicity of the microbiome in targeting metabolic human diseases.

Abstract The epigenome has been shown to be influenced by biological factors, such as disease status, and environmental factors, such as smoking, alcohol consumption, and body mass index. Although there is a widespread perception that environmental influences on the epigenome are pervasive and profound, there has been little evidence to date in humans with respect to environmental factors that are biologically distal. Here, we provide evidence on the associations between epigenetic modifications—in our case, CpG methylation—and educational attainment (EA), a biologically distal environmental factor that is arguably among of the most important life-shaping experiences for individuals. Specifically, we report the results of an epigenome-wide association study meta-analysis of EA based on data from 27 cohort studies with a total of 10,767 individuals. While we find that 9 CpG probes are significantly associated with EA, only two remain associated when we restrict the sample to never-smokers. These two are known to be strongly associated with maternal smoking during pregnancy, and thus their association with EA could be due to correlation between EA and maternal smoking. Moreover, their effect sizes on EA are far smaller than the known associations between CpG probes and biologically proximal environmental factors. Two analyses that combine the effects of many probes—polygenic methylation score and epigenetic-clock analyses—both suggest small associations with EA. If our findings regarding EA can be generalized to other biologically distal environmental factors, then they cast doubt on the hypothesis that such factors have large effects on the epigenome.