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 Reduced lung function predicts mortality and is key to the diagnosis of COPD. In a genome-wide association study in 400,102 individuals of European ancestry, we define 279 lung function signals, one-half of which are new. In combination these variants strongly predict COPD in deeply-phenotyped patient populations. Furthermore, the combined effect of these variants showed generalisability across smokers and never-smokers, and across ancestral groups. We highlight biological pathways, known and potential drug targets for COPD and, in phenome-wide association studies, autoimmune-related and other pleiotropic effects of lung function associated variants. This new genetic evidence has potential to improve future preventive and therapeutic strategies for COPD.

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.

Background: Many large studies have implemented wrist or thigh accelerometry to capture physical activity, but the accuracy of these measurements to infer Activity Energy Expenditure (AEE) and consequently Total Energy Expenditure (TEE) has not been demonstrated. The purpose of this study was to assess the validity of acceleration intensity at wrist and thigh sites as estimates of AEE and TEE under free-living conditions using a gold-standard criterion. Methods: Measurements for 193 UK adults (105 men, 88 women, aged 40-66 years, BMI 20.4-36.6 kg/m2) were collected with triaxial accelerometers worn on the dominant wrist, non-dominant wrist and thigh in free-living conditions for 9-14 days. In a subsample (50 men, 50 women) TEE was simultaneously assessed with doubly labelled water (DLW). AEE was estimated from non-dominant wrist using an established estimation model, and novel models were derived for dominant wrist and thigh in the non-DLW subsample. Agreement with both AEE and TEE from DLW was evaluated by mean bias, Root Mean Squared Error (RMSE) and Pearson correlation. Results: Mean TEE and AEE derived from DLW was 11.6 (2.3) MJ/day and 49.8 (16.3) kJ/day/kg. Dominant and non-dominant wrist acceleration were highly correlated in free-living (r=0.93), but less so with thigh (r=0.73 and 0.66, respectively). Estimates of AEE were 48.6 (11.8) kJ/day/kg from dominant wrist, 48.6 (12.3) from non-dominant wrist, and 46.0 (10.1) from thigh; these agreed strongly with AEE (RMSE ~12.2 kJ/day/kg, r ~0.71) with small mean biases at the population level (~6%). Only the thigh estimate bias was statistically significantly different from the criterion. When combining these AEE estimates with estimated REE, agreement was stronger with the criterion (RMSE ~1.0 MJ/day, r ~0.90). Conclusions: In UK adults, acceleration measured at either wrist or thigh can be used to estimate population levels of AEE and TEE in free-living conditions with high precision.

Background: Little is known about population levels of energy expenditure as national surveillance systems typically employ only crude measures. The National Diet and Nutrition Survey (NDNS) in the UK measures energy expenditure in a 10% subsample by gold-standard doubly-labelled water (DLW). Methods: DLW-subsample participants from the NDNS (383 males, 387 females) aged 4-91yrs were recruited between 2008 and 2015. Height and weight were measured, and bodyfat percentage was estimated by deuterium dilution. Results: Absolute Total Energy Expenditure (TEE) increases steadily throughout childhood, ranging from 6.3 and 7.2 MJ/day in 4-7yr-old to 9.9 and 11.8 MJ/day for 14-16yr-old girls and boys, respectively. TEE peaked in 17-27yr-old women (10.9 MJ/day) and 28-43yr-old men (14.4 MJ/day), before decreasing gradually in old age. Physical Acitivty Energy Expenditure (PAEE) declines steadily with age from childhood (87.7 kJ/day/kg in 4-7yr olds) through to old age (38.9 kJ/day/kg in 71-91yr olds). Bodyfat percentage was strongly inversely associated with PAEE throughout life, irrespective of expressing PAEE relative to bodymass or fat-free mass. Compared to females with <30% bodyfat, females >40% recorded 28 kJ/day/kg and 17 kJ/day/kg fat-free mass less PAEE in analyses adjusted for age, geographical region, and time of assessment. Similarly, compared to males with <25% bodyfat, males >35% recorded 26 kJ/day/kg and 10 kJ/day/kg fat-free mass less PAEE. Conclusions: This first nationally representative study reports levels of human energy expenditure as measured by gold-standard methodology; values may serve as reference for other population studies. Age, sex and body composition are main biological determinants of energy expenditure.

Identification of coding variant associations for complex diseases offers a direct route to biological insight, but is dependent on appropriate inference concerning the causal impact of those variants on disease risk. We aggregated coding variant data for 81,412 type 2 diabetes (T2D) cases and 370,832 controls of diverse ancestry, identifying 40 distinct coding variant association signals (at 38 loci) reaching significance (p<2.2x10-7). Of these, 16 represent novel associations mapping outside known genome-wide association study (GWAS) signals. We make two important observations. First, despite a threefold increase in sample size over previous efforts, only five of the 40 signals are driven by variants with minor allele frequency <5%, and we find no evidence for low-frequency variants with allelic odds ratio >1.29. Second, we used GWAS data from 50,160 T2D cases and 465,272 controls of European ancestry to fine-map these associated coding variants in their regional context, with and without additional weighting to account for the global enrichment of complex trait association signals in coding exons. At the 37 signals for which we attempted fine-mapping, we demonstrate convincing support (posterior probability >80% under the 'annotation-weighted' model) that coding variants are causal for the association at 16 (including novel signals involving POC5 p.His36Arg, ANKH p.Arg187Gln, WSCD2 p.Thr113Ile, PLCB3 p.Ser778Leu, and PNPLA3 p.Ile148Met). However, at 13 of the 37 loci, the associated coding variants represent 'false leads' and naïve analysis could have led to an erroneous inference regarding the effector transcript mediating the signal. Accurate identification of validated targets is dependent on correct specification of the contribution of coding and non-coding mediated mechanisms at associated loci.

Providing a molecular characterisation of cardiometabolic syndrome (CMS) could improve our understanding of its pathogenesis and pathophysiology, and provide a step toward the development of better treatments. To this end, we performed a deep phenotyping analysis of 185 blood donors, 10 obese, and 10 lipodystrophy patients. We analysed transcriptomes and epigenomes of monocytes, neutrophils, macrophages and platelets. Additionally, plasma metabolites including lipids and biochemistry measurements were quantified. Multi-omics integration of this data allowed us to identify combinations of features related to patient status and to order the donor population according to their molecular similarity to patients. We also performed differential analyses on epigenomic, transcriptomic and plasma proteomic data collected from obese individuals before and six months after bariatric surgery. These analyses revealed a pattern of abnormal activation of immune cells in obese individuals and lipodystrophy patients, which was partially reverted six months after bariatric surgery.

With the identification of a large number of genetic loci associated with human fat distribution and its importance for metabolic health, the question arises as to what the genetic drivers for discrete fat depot expansion might be. To date most studies have focussed on conventional anthropometric measures such as waist-to-hip ratio (WHR) adjusted for body mass index. We searched for genetic loci determining discrete fat depots mass size using an exome-wide approach in 3 large cohorts. Here we report an exome-wide analysis of non-synonymous genetic variants in 17,212 participants in which regional fat masses were quantified using dual-energy X-ray absorptiometry. The missense variant CCDC92S70C, previously associated with WHR, is associated specifically with reduced visceral and increased leg fat masses. Allele-specific expression analysis shows that the deleterious minor allele carrying transcript also has a constitutively higher expression. In addition, we identify two variants associated with the transcriptionally distinct fat depot arm fat (SPATA20K422R and UQCC1R51Q). SPATA20K422R, a rare novel locus with a large effect size specific to arm, and UQCC1R51Q, a common variant exome-wide significant in arm but showing similar trends in other subcutaneous fat depots. In terms of the understanding of human fat distribution, these findings suggest distinct regulation of discrete fat depot expansion.

We conducted genome-wide association study (GWAS) meta-analyses of relative caloric intake from fat, protein, carbohydrates and sugar in over 235,000 individuals. We identified 21 approximately independent lead SNPs. Relative protein intake exhibits the strongest relationships with poor health, including positive genetic associations with obesity, type 2 diabetes, and heart disease (rg ≈ 0.15-0.5). Relative carbohydrate and sugar intake have negative genetic correlations with waist circumference, waist-hip ratio, and neighborhood poverty (|rg| ≈ 0.1-0.3). Overall, our results show that the relative intake of each macronutrient has a distinct genetic architecture and pattern of genetic correlations suggestive of health implications beyond caloric content.

Metabolic dysregulation in multiple tissues alters glucose homeostasis and influences risk for type 2 diabetes (T2D). To identify pathways and tissues influencing T2D-relevant glycemic traits (fasting glucose [FG], fasting insulin [FI], two-hour glucose [2hGlu] and glycated hemoglobin [HbA1c]), we investigated associations of exome-array variants in up to 144,060 individuals without diabetes of multiple ancestries. Single-variant analyses identified novel associations at 21 coding variants in 18 novel loci, whilst gene-based tests revealed signals at two genes, TF (HbA1c) and G6PC (FG, FI). Pathway and tissue enrichment analyses of trait-associated transcripts confirmed the importance of liver and kidney for FI and pancreatic islets for FG regulation, implicated adipose tissue in FI and the gut in 2hGlu, and suggested a role for the non-endocrine pancreas in glucose homeostasis. Functional studies demonstrated that a novel FG/FI association at the liver-enriched G6PC transcript was driven by multiple rare loss-of-function variants. The FG/HbA1c-associated, islet-specific G6PC2 transcript also contained multiple rare functional variants, including two alleles within the same codon with divergent effects on glucose levels. Our findings highlight the value of integrating genomic and functional data to maximize biological inference.