Abstract Genetic variants that inactivate protein-coding genes are a powerful source of information about the phenotypic consequences of gene disruption: genes that are crucial for the function of an organism will be depleted of such variants in natural populations, whereas non-essential genes will tolerate their accumulation. However, predicted loss-of-function variants are enriched for annotation errors, and tend to be found at extremely low frequencies, so their analysis requires careful variant annotation and very large sample sizes 1 . Here we describe the aggregation of 125,748 exomes and 15,708 genomes from human sequencing studies into the Genome Aggregation Database (gnomAD). We identify 443,769 high-confidence predicted loss-of-function variants in this cohort after filtering for artefacts caused by sequencing and annotation errors. Using an improved model of human mutation rates, we classify human protein-coding genes along a spectrum that represents tolerance to inactivation, validate this classification using data from model organisms and engineered human cells, and show that it can be used to improve the power of gene discovery for both common and rare diseases.

Abstract Methylation patterns of circulating cell-free DNA (cfDNA) contain rich information about recent cell death events in the body. Here, we present an approach for unbiased determination of the tissue origins of cfDNA, using a reference methylation atlas of 25 human tissues and cell types. The method is validated using in silico simulations as well as in vitro mixes of DNA from different tissue sources at known proportions. We show that plasma cfDNA of healthy donors originates from white blood cells (55%), erythrocyte progenitors (30%), vascular endothelial cells (10%) and hepatocytes (1%). Deconvolution of cfDNA from patients reveals tissue contributions that agree with clinical findings in sepsis, islet transplantation, cancer of the colon, lung, breast and prostate, and cancer of unknown primary. We propose a procedure which can be easily adapted to study the cellular contributors to cfDNA in many settings, opening a broad window into healthy and pathologic human tissue dynamics.

Spontaneous hyperinsulinemic hypoglycemia in adults is most frequently caused by sporadic, solitary pancreatic beta-cell tumors, whereas hyperinsulinemic hypoglycemia in childhood is commonly caused by generalized beta-cell dysfunction.1 Mutations in the beta-cell sulfonylurea-receptor (SUR1) gene or inward-rectifying potassium-channel (Kir6.2) gene were found in some patients.2–7 A distinct syndrome of hyperinsulinism with hyperammonemia was recently described,8,9 apparently caused by mutations in the glutamate dehydrogenase gene.10 However, many sporadic and familial cases of hyperinsulinism remain unexplained. Some may be due to somatic mutations in other genes, as suggested by reports of autosomal dominant familial hyperinsulinism that was . . .

Significance We describe a blood test for detection of cell death in specific tissues based on two principles: ( i ) dying cells release fragmented DNA to the circulation, and ( ii ) each cell type has a unique DNA methylation pattern. We have identified tissue-specific DNA methylation markers and developed a method for sensitive detection of these markers in plasma or serum. We demonstrate the utility of the method for identification of pancreatic β-cell death in type 1 diabetes, oligodendrocyte death in relapsing multiple sclerosis, brain cell death in patients after traumatic or ischemic brain damage, and exocrine pancreas cell death in pancreatic cancer or pancreatitis. The approach allows minimally invasive monitoring of tissue dynamics in humans in multiple physiological and pathological conditions.

Adenosine triphosphate (ATP)-sensitive potassium (KATP) channels couple the cellular metabolic state to electrical activity and are a critical link between blood glucose concentration and pancreatic insulin secretion. A mutation in the second nucleotide-binding fold (NBF2) of the sulfonylurea receptor (SUR) of an individual diagnosed with persistent hyperinsulinemic hypoglycemia of infancy generated KATP channels that could be opened by diazoxide but not in response to metabolic inhibition. The hamster SUR, containing the analogous mutation, had normal ATP sensitivity, but unlike wild-type channels, inhibition by ATP was not antagonized by adenosine diphosphate (ADP). Additional mutations in NBF2 resulted in the same phenotype, whereas an equivalent mutation in NBF1 showed normal sensitivity to MgADP. Thus, by binding to SUR NBF2 and antagonizing ATP inhibition of KATP++ channels, intracellular MgADP may regulate insulin secretion.

A risk haplotype for type 2 diabetes is identified with four amino acid substitutions in SLC16A11, which is present at ∼50% frequency in Native American samples and ∼10% in east Asian samples, but is rare in European and African samples; SLC16A11 may alter hepatic lipid metabolism, causing an increase in triacylglycerol levels. Genome-wide association studies (GWASs) have discovered thousands of genetic variants associated with common disease. This study demonstrates the potential of a comparative approach, whereby analysis of genetic variation in diverse populations can identify disease risk alleles that are common in one population but rare in others, with the potential to illuminate pathophysiology, health disparities, and the population genetic origins of disease alleles. The SIGMA Type 2 Diabetes Genetics Consortium undertook a GWAS for propensity to type 2 diabetes in more than 8,000 samples in a Latin American population. They identified a risk haplotype, SLC16A11, with four amino acid substitutions in the solute carrier SLC16A11, which is present at about 50% frequency in Native American samples and 10% in East Asian, but rare in European and African samples. SLC16A11 appears to alter lipid metabolism, causing an increase in intracellular triacylglycerol levels. Intriguingly, the haplotype was introduced into the modern human population via admixture with Neanderthals. Performing genetic studies in multiple human populations can identify disease risk alleles that are common in one population but rare in others1, with the potential to illuminate pathophysiology, health disparities, and the population genetic origins of disease alleles. Here we analysed 9.2 million single nucleotide polymorphisms (SNPs) in each of 8,214 Mexicans and other Latin Americans: 3,848 with type 2 diabetes and 4,366 non-diabetic controls. In addition to replicating previous findings2,3,4, we identified a novel locus associated with type 2 diabetes at genome-wide significance spanning the solute carriers SLC16A11 and SLC16A13 (P = 3.9 × 10−13; odds ratio (OR) = 1.29). The association was stronger in younger, leaner people with type 2 diabetes, and replicated in independent samples (P = 1.1 × 10−4; OR = 1.20). The risk haplotype carries four amino acid substitutions, all in SLC16A11; it is present at ∼50% frequency in Native American samples and ∼10% in east Asian, but is rare in European and African samples. Analysis of an archaic genome sequence indicated that the risk haplotype introgressed into modern humans via admixture with Neanderthals. The SLC16A11 messenger RNA is expressed in liver, and V5-tagged SLC16A11 protein localizes to the endoplasmic reticulum. Expression of SLC16A11 in heterologous cells alters lipid metabolism, most notably causing an increase in intracellular triacylglycerol levels. Despite type 2 diabetes having been well studied by genome-wide association studies in other populations, analysis in Mexican and Latin American individuals identified SLC16A11 as a novel candidate gene for type 2 diabetes with a possible role in triacylglycerol metabolism.

David Altshuler and colleagues report genotyping or sequencing of ∼150,000 individuals from several population-based cohorts, identifying 12 rare protein-truncating variants in SLC30A8, encoding a pancreatic islet zinc transporter. Carriers of these rare protein-truncating variants in SLC30A8 show reduced risk of type 2 diabetes and reduced glucose levels. Loss-of-function mutations protective against human disease provide in vivo validation of therapeutic targets1,2,3, but none have yet been described for type 2 diabetes (T2D). Through sequencing or genotyping of ∼150,000 individuals across 5 ancestry groups, we identified 12 rare protein-truncating variants in SLC30A8, which encodes an islet zinc transporter (ZnT8)4 and harbors a common variant (p.Trp325Arg) associated with T2D risk and glucose and proinsulin levels5,6,7. Collectively, carriers of protein-truncating variants had 65% reduced T2D risk (P = 1.7 × 10−6), and non-diabetic Icelandic carriers of a frameshift variant (p.Lys34Serfs*50) demonstrated reduced glucose levels (−0.17 s.d., P = 4.6 × 10−4). The two most common protein-truncating variants (p.Arg138* and p.Lys34Serfs*50) individually associate with T2D protection and encode unstable ZnT8 proteins. Previous functional study of SLC30A8 suggested that reduced zinc transport increases T2D risk8,9, and phenotypic heterogeneity was observed in mouse Slc30a8 knockouts10,11,12,13,14,15. In contrast, loss-of-function mutations in humans provide strong evidence that SLC30A8 haploinsufficiency protects against T2D, suggesting ZnT8 inhibition as a therapeutic strategy in T2D prevention.

Type 2 diabetes (T2D) is a heterogeneous disease for which (1) disease-causing pathways are incompletely understood and (2) subclassification may improve patient management. Unlike other biomarkers, germline genetic markers do not change with disease progression or treatment. In this paper, we test whether a germline genetic approach informed by physiology can be used to deconstruct T2D heterogeneity. First, we aimed to categorize genetic loci into groups representing likely disease mechanistic pathways. Second, we asked whether the novel clusters of genetic loci we identified have any broad clinical consequence, as assessed in four separate subsets of individuals with T2D.In an effort to identify mechanistic pathways driven by established T2D genetic loci, we applied Bayesian nonnegative matrix factorization (bNMF) clustering to genome-wide association study (GWAS) results for 94 independent T2D genetic variants and 47 diabetes-related traits. We identified five robust clusters of T2D loci and traits, each with distinct tissue-specific enhancer enrichment based on analysis of epigenomic data from 28 cell types. Two clusters contained variant-trait associations indicative of reduced beta cell function, differing from each other by high versus low proinsulin levels. The three other clusters displayed features of insulin resistance: obesity mediated (high body mass index [BMI] and waist circumference [WC]), "lipodystrophy-like" fat distribution (low BMI, adiponectin, and high-density lipoprotein [HDL] cholesterol, and high triglycerides), and disrupted liver lipid metabolism (low triglycerides). Increased cluster genetic risk scores were associated with distinct clinical outcomes, including increased blood pressure, coronary artery disease (CAD), and stroke. We evaluated the potential for clinical impact of these clusters in four studies containing individuals with T2D (Metabolic Syndrome in Men Study [METSIM], N = 487; Ashkenazi, N = 509; Partners Biobank, N = 2,065; UK Biobank [UKBB], N = 14,813). Individuals with T2D in the top genetic risk score decile for each cluster reproducibly exhibited the predicted cluster-associated phenotypes, with approximately 30% of all individuals assigned to just one cluster top decile. Limitations of this study include that the genetic variants used in the cluster analysis were restricted to those associated with T2D in populations of European ancestry.Our approach identifies salient T2D genetically anchored and physiologically informed pathways, and supports the use of genetics to deconstruct T2D heterogeneity. Classification of patients by these genetic pathways may offer a step toward genetically informed T2D patient management.

We studied genes involved in pancreatic β cell function and survival, identifying associations between SNPs in WFS1 and diabetes risk in UK populations that we replicated in an Ashkenazi population and in additional UK studies. In a pooled analysis comprising 9,533 cases and 11,389 controls, SNPs in WFS1 were strongly associated with diabetes risk. Rare mutations in WFS1 cause Wolfram syndrome; using a gene-centric approach, we show that variation in WFS1 also predisposes to common type 2 diabetes.

Inter-individual DNA methylation variations were frequently hypothesized to alter individual susceptibility to Type 2 Diabetes Mellitus (T2DM). Sequence-influenced methylations were described in T2DM-associated genomic regions, but evidence for direct, sequence-independent association with disease risk is missing. Here, we explore disease-contributing DNA methylation through a stepwise study design: first, a pool-based, genome-scale screen among 1169 case and control individuals revealed an excess of differentially methylated sites in genomic regions that were previously associated with T2DM through genetic studies. Next, in-depth analyses were performed at selected top-ranking regions. A CpG site in the first intron of the FTO gene showed small (3.35%) but significant (P = 0.000021) hypomethylation of cases relative to controls. The effect was independent of the sequence polymorphism in the region and persists among individuals carrying the sequence-risk alleles. The odds of belonging to the T2DM group increased by 6.1% for every 1% decrease in methylation (OR = 1.061, 95% CI: 1.032–1.090), the odds ratio for decrease of 1 standard deviation of methylation (adjusted to gender) was 1.5856 (95% CI: 1.2824–1.9606) and the sensitivity (area under the curve = 0.638, 95% CI: 0.586–0.690; males = 0.675, females = 0.609) was better than that of the strongest known sequence variant. Furthermore, a prospective study in an independent population cohort revealed significant hypomethylation of young individuals that later progressed to T2DM, relative to the individuals who stayed healthy. Further genomic analysis revealed co-localization with gene enhancers and with binding sites for methylation-sensitive transcriptional regulators. The data showed that low methylation level at the analyzed sites is an early marker of T2DM and suggests a novel mechanism by which early-onset, inter-individual methylation variation at isolated non-promoter genomic sites predisposes to T2DM.