Ever larger Structural Variant (SV) catalogs highlighting the diversity within and between populations help researchers better understand the links between SVs and disease. The identification of SVs from DNA sequence data is non-trivial and requires a balance between comprehensiveness and precision. Here we present a catalog of 355,667 SVs (59.34% novel) across autosomes and the X chromosome (50bp+) from 138,134 individuals in the diverse TOPMed consortium. We describe our methodologies for SV inference resulting in high variant quality and >90% allele concordance compared to long-read de-novo assemblies of well-characterized control samples. We demonstrate utility through significant associations between SVs and important various cardio-metabolic and hemotologic traits. We have identified 690 SV hotspots and deserts and those that potentially impact the regulation of medically relevant genes. This catalog characterizes SVs across multiple populations and will serve as a valuable tool to understand the impact of SV on disease development and progression.

ABSTRACT Genetic contributions to human cortical structure manifest pervasive pleiotropy. This pleiotropy may be harnessed to identify unique genetically-informed parcellations of the cortex that are neurobiologically distinct from anatomical, functional, cytoarchitectural, or other cortical parcellation schemes. We investigated genetic pleiotropy by applying genomic structural equation modeling (SEM) to model the genetic architecture of cortical surface area (SA) and cortical thickness (CT) of 34 brain regions recently reported in the ENIGMA cortical GWAS. Genomic SEM uses the empirical genetic covariance estimated from GWAS summary statistics with LD score regression (LDSC) to discover factors underlying genetic covariance. Genomic SEM can fit a multivariate GWAS from summary statistics, which can subsequently be used for LD score regression (LDSC). We found the best-fitting model of cortical SA was explained by 6 latent factors and CT was explained by 4 latent factors. The multivariate GWAS of these latent factors identified 74 genome-wide significant (GWS) loci (p<5×10 −8 ), including many previously implicated in neuroimaging phenotypes, behavioral traits, and psychiatric conditions. LDSC of latent factor GWAS results found that SA-derived factors had a positive genetic correlation with bipolar disorder (BPD), and major depressive disorder (MDD), and a negative genetic correlation with attention deficit hyperactivity disorder (ADHD), MDD, and insomnia, while CT factors displayed a negative genetic correlation with alcohol dependence. Jointly modeling the genetic architecture of complex traits and investigating multivariate genetic links across phenotypes offers a new vantage point for mapping genetically informed cortical networks. HIGHLIGHTS Genomic SEM can examine genetic correlation across cortical regions. We inferred regional genetic networks of cortical thickness and surface area. Network-associated variants have been implicated in multiple traits. These networks are genetically correlated with several psychiatric disorders including MDD, bipolar, ADHD, and alcohol dependence.

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.

Abstract The retinal pigmented epithelium (RPE) constitutes the outer blood-retinal barrier, enables photoreceptor function of the eye, and is constantly exposed to oxidative stress. As such, dysfunction of the RPE underlies pathology leading to development of age-related macular degeneration (AMD), the leading cause of vision loss among the elderly in industrialized nations. A major responsibility of the RPE is to process photoreceptor outer segments, which relies on the proper functioning of its endocytic pathways and endosomal trafficking. Exosomes and other extracellular vesicles from RPE are an essential part of these pathways and may be early indicators of cellular stress. To test the role of exosomes that may underlie the early stages of AMD, we used a polarized primary RPE cell culture model under chronic subtoxic oxidative stress. Unbiased proteomic analyses of highly purified basolateral exosomes from oxidatively stressed RPE cultures revealed changes in proteins involved in epithelial barrier integrity. There were also significant changes in proteins accumulating in the basal-side sub-RPE extracellular matrix during oxidative stress, that could be prevented with an inhibitor of exosome release. Thus, chronic subtoxic oxidative stress in primary RPE cultures induces changes in exosome content, including basal-side specific desmosome and hemidesmosome shedding via exosomes. These findings provide novel biomarkers of early cellular dysfunction and opportunity for therapeutic intervention in age-related retinal diseases, (e.g., AMD) and broadly from blood-CNS barriers in other neurodegenerative diseases.

Post-traumatic stress disorder (PTSD) is a common and debilitating disorder. The risk of PTSD following trauma is heritable, but robust common variants have yet to be identified by genome-wide association studies (GWAS). We have collected a multi-ethnic cohort including over 30,000 PTSD cases and 170,000 controls. We first demonstrate significant genetic correlations across 60 PTSD cohorts to evaluate the comparability of these phenotypically heterogeneous studies. In this largest GWAS meta-analysis of PTSD to date we identify a total of 6 genome-wide significant loci, 4 in European and 2 in African-ancestry analyses. Follow-up analyses incorporated local ancestry and sex-specific effects, and functional studies. Along with other novel genes, a non-coding RNA (ncRNA) and a Parkinson's Disease gene, PARK2, were associated with PTSD. Consistent with previous reports, SNP-based heritability estimates for PTSD range between 10-20%. Despite a significant shared liability between PTSD and major depressive disorder, we show evidence that some of our loci may be specific to PTSD. These results demonstrate the role of genetic variation contributing to the biology of differential risk for PTSD and the necessity of expanding GWAS beyond European ancestry.