Despite evidence that genetic factors contribute to the duration of gestation and the risk of preterm birth, robust associations with genetic variants have not been identified. We used large data sets that included the gestational duration to determine possible genetic associations.

Abstract Genotype-based approaches for the estimation of SNP-based narrow-sense heritability have limited utility in pregnancy-related outcomes due to confounding by the shared alleles between mother and child. Here, we propose a haplotype-based approach to estimate the genetic variance attributable to three haplotypes – maternal transmitted , maternal non-transmitted and paternal transmitted in mother-child pairs. We show through extensive simulations that our haplotype-based approach outperforms the conventional and contemporary approaches for resolving the contribution of maternal and fetal effects, particularly when m1 and p1 have different effects in the offspring. We apply this approach to estimate the explicit and relative maternal-fetal genetic contribution to the phenotypic variance of gestational duration and gestational duration adjusted fetal size measurements at birth in 10,375 mother-child pairs. The results reveal that variance of gestational duration is mainly attributable to m1 and m2 ( = 17.3%, S. E. = 5.2%; = 12.2%, S. E. = 5.2%; = 0.0%, S. E. = 5.0%). In contrast, variance of fetal size measurements at birth are mainly attributable to m1 and p1 ( = 18.6 − 36.4%, = 0.0 − 5.2% and = 4.4 − 13.6%). Our results suggest that gestational duration and fetal size measurements are primarily genetically determined by the maternal and fetal genomes, respectively. In addition, a greater contribution of m1 as compared to m2 and p1 to birth length and head circumference suggests a substantial influence of correlated maternal-fetal genetic effects on these traits. Our newly developed approach provides a direct and robust alternative for resolving explicit maternal and fetal genetic contributions to the phenotypic variance of pregnancy-related outcomes.

The duration of pregnancy is influenced by fetal and maternal genetic and non-genetic factors. We conducted a fetal genome-wide association meta-analysis of gestational duration, and early preterm, preterm, and postterm birth in 84,689 infants. One locus on chromosome 2q13 was associated with gestational duration; the association was replicated in 9,291 additional infants (combined P = 3.96 x 10-14). Analysis of 15,536 mother-child pairs showed that the association was driven by fetal rather than maternal genotype. Functional experiments showed that the lead SNP, rs7594852, alters the binding of the HIC1 transcriptional repressor. Genes at the locus include several interleukin 1 family members with roles in pro-inflammatory pathways that are central to the process of parturition. Further understanding of the underlying mechanisms will be of great public health importance, since giving birth either before or after the window of term gestation is associated with increased morbidity and mortality.

Many maternal traits are associated with a neonate’s gestational duration, birth weight and birth length. These birth outcomes are subsequently associated with late onset health conditions. Based on 10,734 mother/infant duos of European ancestry, we constructed haplotype genetic scores to dissect the maternal and fetal genetic effects underlying these observed associations. We showed that maternal height and fetal growth jointly affect the duration of gestation – maternal height positively influences the gestational duration, while faster fetal growth reduces gestational duration. Fetal growth is influenced by both maternal and fetal effects and can reciprocally influence maternal phenotypes: tall maternal stature and higher blood glucose causally increase birth size; in the fetus, the height and metabolic risk increasing alleles can lead to increased and decreased birth size respectively; birth weight-raising alleles in fetus may reduce gestational duration and increase maternal blood pressure. These maternal and fetal genetic effects can largely explain the observed associations between the studied maternal phenotypes and birth outcomes as well as the life-course associations between these birth outcomes and adult phenotypes.

Miscarriage is a common complex trait that affects 10-25% of clinically confirmed pregnancies. Here we present the first large-scale genetic association analyses with 69,118 cases from five different ancestries for sporadic miscarriage and 750 cases of European ancestry for recurrent miscarriage, and up to 359,469 female controls. We identify one genome-wide significant association on chromosome 13 (rs146350366, minor allele frequency (MAF) 1.2%, Pmeta=3.2×10-8, odds ratio (OR) 1.4 (95% confidence interval (CI) 1.2-1.6) for sporadic miscarriage in our European ancestry meta-analysis (50,060 cases and 174,109 controls), located near FGF9 involved in pregnancy maintenance and progesterone production. Additionally, we identified three genome-wide significant associations for recurrent miscarriage, including a signal on chromosome 9 (rs7859844, MAF=6.4%, Pmeta=1.3×10-8, OR=1.7 (1.4-2.0)) physically interacting with TLE1/TLE4 involved in controlling extravillous trophoblast motility. We further investigate the genetic architecture of miscarriage with biobank-scale Mendelian randomization, heritability and, genetic correlation analyses. Our results implicate that miscarriage etiopathogenesis is partly driven by genetic variation related to gonadotropin regulation, placental biology and progesterone production.

Abstract One of the major goals of modern -omics studies, in particular genome-wide association studies (GWASs), is to understand the polygenicity of various traits, i.e. the number of genetic factors causally determining them. Analogous measures could also be used to estimate the number of trait markers from non-genetic studies, such as proteomics or transcriptomics. Here, we describe how capture-recapture (C-R) models, originating in animal ecology, can be applied to this task. Our approach works by comparing the lists of trait-associated genes (or other markers) from several studies. In contrast to existing methods, C-R is specifically designed to make use of heterogeneous input studies, differing in analysis methods, populations or other factors: it extrapolates from their variability to estimate how many causal genes still remain undetected. We present a brief tutorial on C-R models, and demonstrate our proposed usage of it with code examples and simulations. We then apply it to GWASs and proteomic studies of preterm birth, a major clinical problem with largely unknown causes. The C-R estimates a relatively low number of causal genes for this trait, but many still undetected protein markers, suggesting that diverse environmentally-initiated pathways can lead to this clinical outcome.

Infant and childhood growth are dynamic processes characterized by drastic changes in fat mass and body mass index (BMI) at distinct developmental stages. To elucidate how genetic variation influences these processes, we performed the first genome-wide association study (GWAS) of BMI measurements at 12 time points from birth to eight years of age (9,286 children, 74,105 measurements) in the Norwegian Mother and Child Cohort Study (MoBa) with replication in 5,235 children (41,502 measurements). We identified five loci associated with BMI at distinct developmental stages with different patterns of association. Notably, we identified a novel transient effect in the leptin receptor (LEPR) locus, with no effect at birth, increasing effect on BMI in infancy, peaking at 6-12 months (rs2767486, P6m = 2.0 × 10-21, β6m = 0.16) and little effect after age five. A similar transient effect was found near the leptin gene (LEP), peaking at 1.5 years of age (rs10487505, P1.5y = 1.3 × 10-8, β1.5y = 0.079). Both signals are protein quantitative trait loci (pQTLs) for soluble LEPR and LEP in plasma in adults and independent from signals associated with other adult traits mapped to the respective genes, suggesting novel key roles of common variation in the leptin signaling pathway for healthy infant growth. Hence, our longitudinal analysis uncovers a complex and dynamic influence of common variation on BMI during infant and early childhood growth, dominated by the LEP-LEPR axis in infancy.

We present here an alternative method for genome-wide association study (GWAS) that is more powerful than traditional GWAS methods for locus detection. Single-variant GWAS methods incur a substantial multiple-testing burden because of the vast number of single nucleotide polymorphisms (SNPs) being tested simultaneously. Furthermore, these methods do not consider the functional genetic effect on the outcome because they ignore more complex joint effects of nearby SNPs within a region. By contrast, our method reduces the number of tests to be performed by screening the entire genome for associations using a sliding-window approach based on wavelets. In this context, a sequence of SNPs represents a genetic signal, and for each screened region, we transform the genetic signal into the wavelet space. The null and alternative hypotheses are modelled using the posterior distribution of the wavelet coefficients. We enhance our decision procedure by using additional information from the regression coefficients and by taking advantage of the pyramidal structure of wavelets. When faced with more complex signals than single-SNP associations, we show through simulations that Wavelet Screening provides a substantial gain in power compared to both the traditional GWAS modelling as well as another popular regional-based association test called 'SNP-set (Sequence) Kernel Association Test' (SKAT). To demonstrate feasibility, we re-analysed data from the large Norwegian HARVEST cohort.