Abstract Human genetic studies of common variants have provided substantial insight into the biological mechanisms that govern ovarian ageing 1 . Here we report analyses of rare protein-coding variants in 106,973 women from the UK Biobank study, implicating genes with effects around five times larger than previously found for common variants ( ETAA1 , ZNF518A , PNPLA8 , PALB2 and SAMHD1 ). The SAMHD1 association reinforces the link between ovarian ageing and cancer susceptibility 1 , with damaging germline variants being associated with extended reproductive lifespan and increased all-cause cancer risk in both men and women. Protein-truncating variants in ZNF518A are associated with shorter reproductive lifespan—that is, earlier age at menopause (by 5.61 years) and later age at menarche (by 0.56 years). Finally, using 8,089 sequenced trios from the 100,000 Genomes Project (100kGP), we observe that common genetic variants associated with earlier ovarian ageing associate with an increased rate of maternally derived de novo mutations. Although we were unable to replicate the finding in independent samples from the deCODE study, it is consistent with the expected role of DNA damage response genes in maintaining the genetic integrity of germ cells. This study provides evidence of genetic links between age of menopause and cancer risk.

The role of rare non-coding variation in complex human phenotypes is still largely unknown. To elucidate the impact of rare variants in regulatory elements, we performed a whole-genome sequencing association analysis for height using 333,100 individuals from three datasets: UK Biobank (N=200,003), TOPMed (N=87,652) and All of Us (N=45,445). We performed rare (<0.1% minor-allele-frequency) single-variant and aggregate testing of non-coding variants in regulatory regions based on proximal, intergenic and deep-intronic annotation. We observed 29 independent variants associated with height at P<6x10-10 after conditioning on previously reported variants, with effect sizes ranging from -7cm to +4.7cm. We also identified and replicated non-coding aggregate-based associations proximal to HMGA1 containing variants associated with a 5cm taller height and of highly-conserved variants in MIR497HG on chromosome 17. We have developed a novel approach for identifying non-coding rare variants in regulatory regions with large effects from whole-genome sequencing data associated with complex traits.

The role of non-coding rare variation in common phenotypes is largely unknown, due to a lack of whole-genome sequence data, and the difficulty of categorising non-coding variants into biologically meaningful regulatory units. To begin addressing these challenges, we performed a cis association analysis using whole-genome sequence data, consisting of 391 million variants and 1,450 circulating protein levels in ~20,000 UK Biobank participants. We identified 777 independent rare non-coding single variants associated with circulating protein levels (P<1x10-9), after conditioning on protein-coding and common associated variants. Rare non-coding aggregate testing identified 108 conditionally independent regulatory regions. Unlike protein-coding variation, rare non-coding genetic variation was almost as likely to increase as decrease protein levels. The regions we identified overlapped predicted tissue-specific enhancers more than promoters, suggesting they represent tissue-specific regulatory regions. Our results have important implications for the identification, and role, of rare non-coding variation associated with common human phenotypes.

Abstract Findings from genome-wide association studies have facilitated the generation of genetic predictors for many common human phenotypes. Stratifying individuals misaligned to a genetic predictor based on common variants may be important for follow-up studies that aim to identify alternative causal factors. Using genome-wide imputed genetic data, we aimed to classify 158,951 unrelated individuals from the UK Biobank as either concordant or deviating from two well-measured phenotypes. We first applied our methods to standing height: our primary analysis classified 244 individuals (0.15%) as misaligned to their genetically predicted height. We show that these individuals are enriched for self-reporting being shorter or taller than average at age 10, diagnosed congenital malformations, and rare loss-of-function variants in genes previously catalogued as causal for growth disorders. Secondly, we apply our methods to LDL cholesterol. We classified 156 (0.12%) individuals as misaligned to their genetically predicted LDL cholesterol and show that these individuals were enriched for both clinically actionable cardiovascular risk factors and rare genetic variants in genes previously shown to be involved in metabolic processes. Individuals whose LDL-C was higher than expected based on the genetic predictor were also at higher risk of developing coronary artery disease and type-two diabetes, even after adjustment for measured LDL-C, BMI and age, suggesting upward deviation from genetically predicted LDL-C is indicative of generally poor health. Our results remained broadly consistent when performing sensitivity analysis based on a variety of parametric and non-parametric methods to define individuals deviating from polygenic expectation. Our analyses demonstrate the potential importance of quantitatively identifying individuals for further follow-up based on deviation from genetic predictions. Author Summary Human genetics is becoming increasingly useful to help predict human traits across a population owing to findings from large-scale genetic association studies and advances in the power of genetic predictors. This provides an opportunity to potentially identify individuals that deviate from genetic predictions for a common phenotype under investigation. For example, an individual may be genetically predicted to be tall, but be shorter than expected. It is potentially important to identify individuals who deviate from genetic predictions as this can facilitate further follow-up to assess likely causes. Using 158,951 unrelated individuals from the UK Biobank, with height and LDL cholesterol, as exemplar traits, we demonstrate that approximately 0.15% & 0.12% of individuals deviate from their genetically predicted phenotypes respectively. We observed these individuals to be enriched for a range of rare clinical diagnoses, as well as rare genetic factors that may be causal. Our analyses also demonstrate several methods for detecting individuals who deviate from genetic predictions that can be applied to a range of continuous human phenotypes.

Introduction & Objective: Hundreds of common genetic variants have been associated with type 2 diabetes and glycated haemoglobin (HbA1c). However, the vast majority of these variants lie in regions of the genome which are not protein coding, making it difficult to identify biological pathways. We aimed to identify rare non-coding variants to aid in pinpointing causal genes and variants. Methods: We performed a whole-genome sequencing association analysis of non-coding variation in 200,000 UK Biobank participants. We stratified our analysis by three genetically-inferred ancestries: European-like (EUR), African-like (AFR) and South Asian-like (SAS). Results: We identified 4 rare (MAF&lt;0.1%) variants associated with HbA1c, downstream of the haemoglobin alpha gene-cluster based on an analysis of EUR-like participants. In our analysis of 3,184 AFR-like individuals, only one variant (16:715289:T:C) showed evidence of replication. This likely-causal variant lies in the first element of the kozak sequence of meteorin (METRN), and was associated with substantially increased HbA1c levels (beta = 4.87mmol/mol [3.54, 6.21], P = 8.14e-13). We observed no evidence of association with common blood cell traits, circulating glucose, or haemoglobin. We replicated our result in the recently released additional 300,000 UKB WGS samples (beta = 6.02mmol/mol [4.83, 7.20], P = 2.93e-17). We attempted to replicate our findings in All of Us (N = 250,000), but found that the allele was substantially less frequent than in UKB (MAF = 3.7e-6 vs. 1.9e-4). The alternate allele was not present in individuals in TOPMed with HbA1c measures. Conclusion: Our results suggest that this variant may be a founder effect in the UK population acting through an alteration of glucose uptake to red blood cells. Identification of a novel variant in only 200k individuals with whole-genome sequences suggests a high yield of novel variants and biological pathways from upcoming releases of millions whole-genomes. Disclosure G. Hawkes: None. K.A. Patel: None. I. Barroso: Stock/Shareholder; GlaxoSmithKline plc, NeoGenomics (NASDAQ: NEO). T.M. Frayling: None. A. Manning: None. M.N. Weedon: None. Funding Innovative Medicines Initiative 2 Joint Undertaking (875534)