Major depressive disorder (MDD) is a notably complex illness with a lifetime prevalence of 14%. 1 It is often chronic or recurrent and is thus accompanied by considerable morbidity, excess mortality, substantial costs, and heightened risk of suicide. 2-7 MDD is a major cause of disability worldwide. 8 We conducted a genome-wide association (GWA) meta-analysis in 130,664 MDD cases and 330,470 controls, and identified 44 independent loci that met criteria for statistical significance. We present extensive analyses of these results which provide new insights into the nature of MDD. The genetic findings were associated with clinical features of MDD, and implicated prefrontal and anterior cingulate cortex in the pathophysiology of MDD (regions exhibiting anatomical differences between MDD cases and controls). Genes that are targets of antidepressant medications were strongly enriched for MDD association signals (P=8.5×10 −10 ), suggesting the relevance of these findings for improved pharmacotherapy of MDD. Sets of genes involved in gene splicing and in creating isoforms were also enriched for smaller MDD GWA P-values, and these gene sets have also been implicated in schizophrenia and autism. Genetic risk for MDD was correlated with that for many adult and childhood onset psychiatric disorders. Our analyses suggested important relations of genetic risk for MDD with educational attainment, body mass, and schizophrenia: the genetic basis of lower educational attainment and higher body mass were putatively causal for MDD whereas MDD and schizophrenia reflected a partly shared biological etiology. All humans carry lesser or greater numbers of genetic risk factors for MDD, and a continuous measure of risk underlies the observed clinical phenotype. MDD is not a distinct entity that neatly demarcates normalcy from pathology but rather a useful clinical construct associated with a range of adverse outcomes and the end result of a complex process of intertwined genetic and environmental effects. These findings help refine and define the fundamental basis of MDD.

Abstract To study the effect of host genetics on gut microbiome composition, the MiBioGen consortium curated and analyzed genome-wide genotypes and 16S fecal microbiome data from 18,340 individuals (24 cohorts). Microbial composition showed high variability across cohorts: only 9 out of 410 genera were detected in more than 95% samples. A genome-wide association study (GWAS) of host genetic variation in relation to microbial taxa identified 31 loci affecting microbiome at a genome-wide significant (P<5×10 −8 ) threshold. One locus, the lactase ( LCT ) gene locus, reached study-wide significance (GWAS signal P=1.28×10 −20 ), and it showed an age-dependent association with Bifidobacterium abundance. Other associations were suggestive (1.95×10 −10 <P<5×10 −8 ) but enriched for taxa showing high heritability and for genes expressed in the intestine and brain. A phenome-wide association study and Mendelian randomization identified enrichment of microbiome trait loci in the metabolic, nutrition and environment domains and suggested the microbiome has causal effects in ulcerative colitis and rheumatoid arthritis.

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.

Abstract Handedness, a consistent asymmetry in skill or use of the hands, has been studied extensively because of its relationship with language and the over-representation of left-handers in some neurodevelopmental disorders. Using data from the UK Biobank, 23andMe and 32 studies from the International Handedness Consortium, we conducted the world’s largest genome-wide association study of handedness (1,534,836 right-handed, 194,198 (11.0%) left-handed and 37,637 (2.1%) ambidextrous individuals). We found 41 genetic loci associated with left-handedness and seven associated with ambidexterity at genome-wide levels of significance (P < 5×10 −8 ). Tissue enrichment analysis implicated the central nervous system and brain tissues including the hippocampus and cerebrum in the etiology of left-handedness. Pathways including regulation of microtubules, neurogenesis, axonogenesis and hippocampus morphology were also highlighted. We found suggestive positive genetic correlations between being left-handed and some neuropsychiatric traits including schizophrenia and bipolar disorder. SNP heritability analyses indicated that additive genetic effects of genotyped variants explained 5.9% (95% CI = 5.8% – 6.0%) of the underlying liability of being left-handed, while the narrow sense heritability was estimated at 12% (95% CI = 7.2% – 17.7%). Further, we show that genetic correlation between left-handedness and ambidexterity is low (r g = 0.26; 95% CI = 0.08 – 0.43) implying that these traits are largely influenced by different genetic mechanisms. In conclusion, our findings suggest that handedness, like many other complex traits is highly polygenic, and that the genetic variants that predispose to left-handedness may underlie part of the association with some psychiatric disorders that has been observed in multiple observational studies.

Humans are social animals that experience intense suffering when they perceive a lack of social connection. Modern societies are experiencing an epidemic of loneliness. While the experience of loneliness is universally human, some people report experiencing greater loneliness than others. Loneliness is more strongly associated with mortality than obesity, emphasizing the need to understand the nature of the relationship between loneliness and health. While it is intuitive that circumstantial factors such as marital status and age influence loneliness, there is also compelling evidence of a genetic predisposition towards loneliness. To better understand the genetic architecture of loneliness and its relationship with associated outcomes, we conducted a genome-wide association (GWAS) meta-analysis of loneliness (N=475,661), report 12 associated loci (two novel) and significant genetic correlations with 34 other complex traits. The polygenic basis for loneliness was significantly enriched for evolutionary constrained genes and genes expressed in specific brain tissues: (frontal) cortex, cerebellum, anterior cingulate cortex, and substantia nigra. We built polygenic scores based on this GWAS meta-analysis to explore the genetic association between loneliness and health outcomes in an independent sample of 18,498 individuals for whom electronic health records were available. A genetic predisposition towards loneliness predicted cardiovascular, psychiatric, and metabolic disorders, and triglycerides and high-density lipoproteins. Mendelian randomization analyses showed evidence of a causal, increasing, effect of body fat on loneliness, and a similar weaker causal effect of BMI. Our results provide a framework for ongoing studies of the genetic basis of loneliness and its role in mental and physical health.

There is continuous interest in the genetic determinants of plasma triglycerides (TGs) and phospholipids and their role in the etiology of cardiovascular disease (CVD). Here, we report the results of a Dutch genome wide association study (GWAS) of an in-house developed lipidomics platform, focusing on 90 plasma lipids. Lipids were assessed by liquid chromatography mass spectrometry in participants from the Leiden Longevity Study, the Netherlands Twin Register and the Erasmus Rucphen Family (ERF) study and meta-analysed, resulting in a sample size of 5537 participants. In addition, we performed genetic correlation analyses between the 90 plasma lipids and markers of metabolic health, as well as vascular pathology and CVD combining our GWAS results with publicly available GWAS outputs. We replicated previously known associations between 34 lipids and 10 lipid quantitative trait loci (lipQTL) ( GCKR, APOA1, FADS1, SGPP1,TMEM229B, LIPC, PDXDC1, CETP, CERS4 and SPTLC3 ) with metabolome-wide (P < 1.61 × 10−9) significance. Moreover, we report 6 novel phospholipid-related and 5 triglyceride (TG)-related loci: SGGP1 (SM21:0), SPTLC3 (SM21:0 and SM25:1), FADS1 (LPCO16:1, PC38:2, PEO36:5, PEO38:5, TG56:5, TG56:6, and TG56:7), TMEM229 (LPCO16:1), GCKR (TG50:2), and APOA1 (TG54:4). In addition, we report suggestively significant (P < 5 × 10−8) associations mapping to eleven novel lipid quantitative trait loci (lipQTLs), three of which are supported by mining previous GWAS data: MAU (PC34:4), LDLR (SM16:0), and MLXIPL (TG48:1 and TG50:1)). Genetic correlation analysis indicates that one specific specific sphingomyelin, SM22:0, shares common genetic background with CVD. Levels of SM22:0 also positively associate with carotid artery intima-media thickness in the ERF study, and this observation is independent of LDL-C level. Our findings yield higher resolution of plasma lipid species and new insights in the biology of circulating phosholipids and their relation to CVD risk.

Both gene methylation and the gut microbiome are partially determined by host genetics and partially by environment. We investigated the relations between gene methylation in blood and the abundance of common gut bacteria profiled by 16s rRNA gene sequencing in two population based Dutch cohorts: LifeLinesDeep (LLD, n = 616, discovery) and the Netherlands Twin Register (NTR, n = 296, replication). In LLD, we also explored microbiome composition using data generated by shotgun metagenomic sequencing (n = 683). We then investigated if genetic and environmental factors can explain the methylation and microbiota associations in a set of 78 associated CpG x taxa pairs from the EWAS meta analysis. In both cohorts, blood and stool samples were collected within 2 weeks of each other. Methylation was profiled in blood samples using the Illumina 450K array. Methylation and microbiome analysis pipelines were harmonized across cohorts. Epigenome wide association study (EWAS) of microbial features were analysed using linear regression with adjustment for technical covariates. Discovery and replication analysis using 16s data identified two independent CpGs associated with the genus Eggerthella: cg16586104 (Pmeta analysis = 3.21e-11) and cg12234533 (Pmeta analysis = 4.29e-10). While we did not find human genetic variants that could explain the associated CpG x taxa/pathway pairs, we show that microbiome can mediate the effect of environmental factors on epigenetics. In this first association study linking epigenome to microbiome, we found and replicated the associations of two CpGs to the abundance of genus Eggerthella and identified microbiome as a mediator of the exposome.

High blood pressure is the foremost heritable global risk factor for cardiovascular disease. We report the largest genetic association study of blood pressure traits to date (systolic, diastolic, pulse pressure) in over one million people of European ancestry. We identify 535 novel blood pressure loci that not only offer new biological insights into blood pressure regulation but also reveal shared loci influencing lifestyle exposures. Our findings offer the potential for a precision medicine strategy for future cardiovascular disease prevention.

Elevated blood pressure is a major risk factor for cardiovascular disease and has a substantial genetic contribution. Genetic variation influencing blood pressure has the potential to identify new pharmacological targets for the treatment of hypertension. To discover additional novel blood pressure loci, we used 1000 Genomes Project-based imputation in 150,134 European ancestry individuals and sought significant evidence for independent replication in a further 228,245 individuals. We report 6 new signals of association in or near HSPB7, TNXB, LRP12, LOC283335, SEPT9 and AKT2, and provide new replication evidence for a further 2 signals in EBF2 and NFKBIA. Combining large whole-blood gene expression resources totaling 12,607 individuals, we investigated all novel and previously reported signals and identified 48 genes with evidence for involvement in BP regulation that are significant in multiple resources. Three novel kidney-specific signals were also detected. These robustly implicated genes may provide new leads for therapeutic innovation.

Metabolomics examines the small molecules involved in cellular metabolism. Approximately 50% of total phenotypic differences in metabolite levels is due to genetic variance, but heritability estimates differ across metabolite classes and lipid species. We performed a review of all genetic association studies, and identified > 800 class-specific metabolite loci that influence metabolite levels. In a twin-family cohort ( N = 5,117), these metabolite loci were leveraged to simultaneously estimate total heritability ( h 2 total ), and the proportion of heritability captured by known metabolite loci ( h [2][1] Metabolite-hits ) for 309 lipids and 52 organic acids. Our study revealed significant differences in h 2 Metabolite-hits among different classes of lipids and organic acids. Furthermore, phosphatidylcholines with a high degree of unsaturation had higher h 2 Metabolite-hits estimates than phosphatidylcholines with a low degree of unsaturation. This study highlights the importance of common genetic variants for metabolite levels, and elucidates the genetic architecture of metabolite classes and lipid species. [1]: #ref-2