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 Large-scale gene sequencing studies for complex traits have the potential to identify causal genes with therapeutic implications. We performed gene-based association testing of blood lipid levels with rare (minor allele frequency<1%) predicted damaging coding variation using sequence data from >170,000 individuals from multiple ancestries: 97,493 European, 30,025 South Asian, 16,507 African, 16,440 Hispanic/Latino, 10,420 East Asian, and 1,182 Samoan. We identified 35 genes associated with circulating lipid levels. Ten of these: ALB , SRSF2 , JAK2, CREB3L3 , TMEM136 , VARS , NR1H3 , PLA2G12A , PPARG and STAB1 have not been implicated for lipid levels using rare coding variation in population-based samples. We prioritize 32 genes identified in array-based genome-wide association study (GWAS) loci based on gene-based associations, of which three: EVI5, SH2B3 , and PLIN1 , had no prior evidence of rare coding variant associations. Most of the associated genes showed evidence of association in multiple ancestries. Also, we observed an enrichment of gene-based associations for low-density lipoprotein cholesterol drug target genes, and for genes closest to GWAS index single nucleotide polymorphisms (SNP). Our results demonstrate that gene-based associations can be beneficial for drug target development and provide evidence that the gene closest to the array-based GWAS index SNP is often the functional gene for blood lipid levels.

Abstract Recent genetic data can offer important insights into the roles of lipoprotein subfractions and particle sizes in preventing coronary artery disease (CAD), as previous observational studies have often reported conflicting results. In this study, we first used the LD score regression to estimate the genetic correlation of 77 subfraction traits with traditional lipid profile and identified 27 traits that may involve distinct genetic mechanisms. We then used Mendelian randomization (MR) to estimate the causal effect of these traits on the risk of CAD. In univariable MR, the concentration and content of medium high-density lipoprotein (HDL) particles showed a protective effect against coronary artery disease. The effect was not attenuated in multivariable MR that adjusted for traditional lipid profile. The multivariable MR analyses also found that small HDL particles and smaller mean HDL particle diameter may have a protective effect. We identified four genetic markers for HDL particle size and CAD.

Abstract Plasma lipids are heritable modifiable causal factors for coronary artery disease, the leading cause of death globally. Despite the well-described monogenic and polygenic bases of dyslipidemia, limitations remain in discovery of lipid-associated alleles using whole genome sequencing, partly due to limited sample sizes, ancestral diversity, and interpretation of potential clinical significance. Increasingly larger whole genome sequence datasets with plasma lipids coupled with methodologic advances enable us to more fully catalog the allelic spectrum for lipids. Here, among 66,329 ancestrally diverse (56% non-European ancestry) participants, we associate 428M variants from deep-coverage whole genome sequences with plasma lipids. Approximately 400M of these variants were not studied in prior lipids genetic analyses. We find multiple lipid-related genes strongly associated with plasma lipids through analysis of common and rare coding variants. We additionally discover several significantly associated rare non-coding variants largely at Mendelian lipid genes. Notably, we detect rare LDLR intronic variants associated with markedly increased LDL-C, similar to rare LDLR exonic variants. In conclusion, we conducted a systematic whole genome scan for plasma lipids expanding the alleles linked to lipids for multiple ancestries and characterize a clinically-relevant rare non-coding variant model for lipids.

Summary Obesity is a growing worldwide epidemic that carries numerous metabolic complications including increased risk of type 2 diabetes (T2D), cardiovascular disease (CVD), and non-alcoholic fatty liver disease (NAFLD). Multiple genome-wide association studies (GWAS) have associated the PPP1R3B locus with cardiometabolic traits including fasting glucose and insulin levels (T2D traits), plasma lipids (CVD traits), and indications of hepatic steatosis and liver damage (NAFLD traits) 1–5 . The PPP1R3B gene encodes the glycogen regulatory protein PPP1R3B (also known as G L ) which has an established role in liver glycogen metabolism and plasma glucose homeostasis 6,7 . The metabolic and NAFLD GWAS single nucleotide polymorphisms (SNPs) in this region, which are all in high linkage disequilibrium, result in increased liver PPP1R3B expression and hepatic glycogen accumulation, but have provided conflicting results on the impacts on hepatic steatosis and liver damage. Here we investigate the consequences of both Ppp1r3b overexpression and deletion in mouse and cell models and find that dysregulated Ppp1r3b expression in either direction promotes metabolic dysfunction and liver injury. Hepatocyte overexpression of Ppp1r3b increases hepatic glycogen storage, prolongs fasting blood glucose levels, and confers protection from hepatic steatosis, but increases plasma ALT in aged animals. Conversely, deletion of hepatocyte Ppp1r3b eliminates hepatic glycogen, causes impaired glucose disposal, and results in hepatic steatosis with age or high sucrose diet. We investigated the metabolic pathways contributing to steatosis and found that Ppp1r3b deletion and diminished glycogenesis diverts the storage of exogenous glucose to hepatic triglycerides (TG), and stored liver lipids are preferentially used for energy during fasting through lipid oxidation and ketogenesis. Further, we interrogated two large human biobank cohorts and found carriers of SNPs associated with increased PPP1R3B expression have increased plasma glucose, decreased hepatic fat, and lower plasma lipids, while putative loss-of-function (pLoF) variant carriers have increased hepatic fat and elevated plasma ketones and lipids, consistent with the results seen in our mouse models. These findings suggest hepatic PPP1R3B serves as a metabolic switch favoring hepatic energy storage as glycogen instead of TG.

SUMMARY Aging is characterized by degeneration in cellular and organismal functions leading to increased disease susceptibility and death. Although our understanding of aging biology in model systems has increased dramatically, large-scale sequencing studies to understand human aging are now just beginning. We applied exome sequencing and association analyses (ExWAS) to identify age-related variants on 58,470 participants of the DiscovEHR cohort. Linear Mixed Model regression analyses of age at last encounter revealed variants in genes known to be linked with clonal hematopoiesis of indeterminate potential, which are associated with myelodysplastic syndromes, as top signals in our analysis, suggestive of age-related somatic mutation accumulation in hematopoietic cells despite patients lacking clinical diagnoses. In addition to APOE , we identified rare DISP2 rs183775254 (p = 7.40×10 −10 ) and ZYG11A rs74227999 (p = 2.50×10 −08 ) variants that were negatively associated with age in either both sexes combined and females, respectively, which were replicated with directional consistency in two independent cohorts. Epigenetic mapping showed these variants are located within cell-type-specific enhancers, suggestive of important transcriptional regulatory functions. To discover variants associated with extreme age, we performed exome-sequencing on persons of Ashkenazi Jewish descent ascertained for extensive lifespans. Case-Control analyses in 525 Ashkenazi Jews cases (Males ≥ 92 years, Females ≥ 95years) were compared to 482 controls. Our results showed variants in APOE (rs429358, rs6857), and TMTC2 (rs7976168) passed Bonferroni-adjusted p-value, as well as several nominally-associated population-specific variants. Collectively, our Age-ExWAS, the largest performed to date, confirmed and identified previously unreported candidate variants associated with human age.

ABSTRACT Ribosome-profiling has uncovered pervasive translation in 5’UTRs, however the biological significance of this phenomenon remains unclear. Using genetic variation from 71,702 human genomes, we assess patterns of selection in translated upstream open reading frames (uORFs) in 5’UTRs. We show that uORF variants introducing new stop codons, or strengthening existing stop codons, are under strong negative selection comparable to protein-coding missense variants. Using these variants, we map and validate new gene-disease associations in two independent biobanks containing exome sequencing from 10,900 and 32,268 individuals respectively, and demonstrate their impact on gene expression in human cells. Our results establish new mechanisms relating uORF variation to loss-of-function of downstream genes, and demonstrate that translated uORFs are genetically constrained regulatory elements in 40% of human genes.

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.

Background: A recent human exome-chip study on plasma lipids identified a missense mutation in the A1CF (APOBEC1 complementation factor) gene that is associated with elevated triglyceride (TG) levels, but how A1CF, an RNA binding protein, influences plasma TG is unknown. Methods: We generated A1cf knockout (A1cf -/-) mice and knock-in mice homozygous for the TG-associated Gly398Ser mutation (A1cf GS/GS), determined lipid phenotypes, and assessed TG physiology through measurements of clearance and secretion. We further identified A1CF's RNA binding targets using enhanced cross-linking and immunoprecipitation sequencing of cultured HepG2 cells and investigated pathways enriched for these targets. Transcriptomic effects of A1CF deficiency were evaluated through RNA sequencing and analyses for differential expression, alternative splicing, and RNA editing. Results: Both A1cf -/- and A1cf GS/GS mice exhibited increased fasting plasma TG, establishing that the TG phenotype is due to A1CF loss of function. In vivo TG secretion and clearance studies revealed increased TG secretion without changes in clearance in A1cf -/- mice. Increased VLDL-apoB secretion was also seen in A1cf -/- rat hepatoma cells, but no increase in apoB synthesis was observed. This phenotype was seen without significant shifts in apoB-100/apoB-48 in A1CF deficiency. To discover novel pathways for A1CF's role in TG metabolism, we identified A1CF's RNA binding targets, which were enriched for pathways related to proteasomal catabolism and endoplasmic reticulum (ER) stress. Indeed, proteasomal inhibition led to increased cellular stress in A1cf -/- cells, and higher expression of ER-stress protein GRP78 was observed in resting A1cf -/- cells. RNA-seq of whole livers from wild-type and A1cf -/- mice revealed that pro-inflammatory, not lipogenesis, genes were upregulated as a secondary effect of A1CF deficiency. Differential alternative splicing (AS) analysis and RNA editing analysis revealed that genes involved in cellular stress and metabolism underwent differential changes in A1CF deficiency, and top A1CF binding target proteins with relevance to intracellular stress were differentially expressed on the protein but not mRNA level, implicating multiple mechanisms by which A1CF influences TG secretion. Conclusions: These data suggest an important role for A1CF in mediating VLDL-TG secretion through regulating intracellular stress.

Purpose: To determine the clinical relevance of reduced order model (ROM) aortic hemodynamic imaging-derived phenotypes (IDPs) for a range of flow conditions applied to computed tomography (CT) scan data in the Penn Medicine Biobank (PMBB). Methods: The human thoracic aorta was automatically segmented in 3,204 chest CT scans from patients in the Penn Medicine Biobank (PMBB) patients using deep learning. Thoracic aorta anatomic IDPs such as aortic diameter and length were computed. Resistance, and flow boundary conditions, were varied, resulting in 125,000 ROM simulations, producing a fingerprint of aortic hemodynamics IDPs for a range of flow conditions. To determine the clinical relevance of the aortic hemodynamic fingerprint, untargeted phenome wide association studies (PheWAS) for disease conditions were performed using aortic geometries and pulse pressure as IDPs. Results: By utilizing patient metadata from the PMBB, the human aortic radius for different age groups over a normalized radius was visualized, showing how the vessel deforms with age, as well as other characteristic geometric information. The average radius of the ascending thoracic aortic data set was 26.6 ± 3.1 mm, with an average length of 310 ± 37 mm. A combination of pathology codes (phecodes) and hemodynamic simulations were utilized to develop a relationship between them, showing a strong relationship between the resulting pulse pressure and diseases relating to aortic aneurysms and heart valve disorders. The average pulse pressure calculated by the model was 22.5 ± 8.5 mmHg, with the maximum pressure modeled by the system being 201 mmHg, with the minimum being 63.6 mmHg. The pulse pressures of the most significant phecodes were examined for patients with and without the condition, showing a slight separation between the two cases. The pulse pressure was also slightly negatively correlated with the calculated tapering angle of the ascending thoracic aorta. Conclusions: ROM hemodynamic simulations can be applied to aortic imaging traits from thoracic imaging data in a medical biobank. The derived hemodynamic fingerprint, describing the response of the aorta to a range of flow conditions, shows clinically relevant associations with disease.