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 Motivation Metabolomics is an increasingly common part of health research and there is need for pre-analytical data processing. Researchers typically need to characterize the data and to exclude errors within the context of the intended analysis. While some pre-processing steps are common, there is currently a lack of standardization and reporting transparency for these procedures. Results Here we introduce metaboprep , a standardized data processing workflow to extract and characterize high quality metabolomics data sets. The package extracts data from pre-formed worksheets, provides summary statistics and enables the user to select samples and metabolites for their analysis based on a set of quality metrics. A report summarizing quality metrics and the influence of available batch variables on the data is generated for the purpose of open disclosure. Where possible, we provide users flexibility in defining their own selection thresholds. Availability and implementation metaboprep is an open-source R package available at https://github.com/MRCIEU/metaboprep Contact d.a.hughes@bristol.ac.uk or laura.corbin@bristol.ac.uk

Insulin may serve as a key causal agent which regulates fat accumulation in the body. Here we assessed the causal relationship between fasting insulin and adiposity using publicly-available results from two large-scale genome-wide association studies for body mass index and fasting insulin levels in a two-sample, bidirectional Mendelian Randomized approach. This approach is only valid on the condition that the two instruments are independent of one another. In analysis excluding overlapping loci, there was an increase of 0.20 (0.17, 0.23) log pmol/L fasting insulin per SD increase in BMI (P= 2.80 x 10-36), while there was a null effect of fasting insulin on BMI, with a 0.01 (-0.39, 0.38) SD decrease in BMI per log pmol/L increase in fasting insulin (P= 0.98). Furthermore, a high degree of heterogeneity in the causal estimates was obtained from the insulin-related variants, which may be attributed to varying mechanisms of action of the insulin-associated variants. Results were largely consistent when an Egger regression technique and weighted median and mode estimators were applied. Findings suggest that the positive correlation between adiposity and fasting insulin levels are at least in part explained by the causal effect of adiposity on increasing insulin, rather than vice versa.

Genome-wide association studies have been useful in identifying common genetic variants related to a variety of complex traits and diseases; however, they are often limited in their ability to inform about underlying biology. Whilst bioinformatics analyses and studies of cells, animal models and applied genetic epidemiology have provided some understanding of genetic associations or causal pathways, there is a need for new genetic studies that elucidate causal relationships in a cost-effective, precise and statistically efficient fashion. We discuss the motivation for and the characteristics of the Recall-by-Genotype (RbG) study design, an innovative approach that enables genotype-directed deep-phenotyping and improvement in drawing causal inferences. Specifically, we present two simple RbG designs — using a single variant and multiple variants (RbGsv and RbGmv, respectively) — and discuss the inferential properties, analytical approaches and applications of both to understanding causal relationships. We consider the efficiency of the RbG approach, the likely value of RbG studies for the causal investigation of disease aetiology and the practicalities of incorporating genotypic data into population studies. Finally, we provide a catalogue of the UK-based resources for such studies, an online tool to aid the design of new RbG studies and discuss future developments of this approach.

Protease-activated receptor 4 (PAR4) is a potent thrombin receptor. Epigenetic control of the F2RL3 locus (which encodes for PAR4) via DNA methylation is associated with both smoking and cardiovascular disease. We examined the association between DNA hypomethylation at F2RL3 and risk of cardiovascular disease, focusing on acute myocardial infarction (AMI) (n=853/2,352 cases/controls). We used in vitro cell models to dissect the role of DNA methylation in regulating expression of F2RL3. We investigated the interplay between F2RL3 DNA methylation and platelet function in human (n=41). Lastly, we used Mendelian randomization to unify observational and functional work by assessing evidence for causal relationships using data from UK Biobank (n=407,141) and CARDIoGRAMplusC4D (n=184,305). Observationally, one standard deviation (SD) decrease in DNA methylation at F2RL3 was associated with a 25% increase in the odds of AMI. In vitro, short-term exposure of cells to cigarette smoke reduced F2RL3 DNA methylation and increased gene expression. Transcriptional assays flagged a role for a CEBP recognition sequence in modulating the enhancer activity of F2RL3 exon 2. Lower DNA methylation at F2RL3 was associated with increased platelet reactivity in human. The estimated casual odds ratio of ischaemic heart disease was 1.03 (95% CI: 1.00, 1.07) per 1 SD decrease in F2RL3 DNA. In conclusion, we show that DNA methylation-dependent platelet activation is part of a complex system of features contributing to cardiovascular health. Tailoring therapeutic intervention to new knowledge of F2RL3/PAR4 function should be explored to ameliorate the detrimental effects of this risk factor on cardiovascular health.

Heritability is a fundamental parameter in genetics. Traditional estimates based on family or twin studies can be biased due to shared environmental or non-additive genetic variance. Alternatively, those based on genotyped or imputed variants typically underestimate narrow-sense heritability contributed by rare or otherwise poorly-tagged causal variants. Identical-by-descent (IBD) segments of the genome share all variants between pairs of chromosomes except new mutations that have arisen since the last common ancestor. Therefore, relating phenotypic similarity to degree of IBD sharing among classically unrelated individuals is an appealing approach to estimating the near full additive genetic variance while avoiding biases that can occur when modeling close relatives. We applied an IBD-based approach (GREML-IBD) to estimate heritability in unrelated individuals using phenotypic simulation with thousands of whole genome sequences across a range of stratification, polygenicity levels, and the minor allele frequencies of causal variants (CVs). IBD-based heritability estimates were unbiased when using unrelated individuals, even for traits with extremely rare CVs, but stratification led to strong biases in IBD-based heritability estimates with poor precision. We used data on two traits in ~120,000 people from the UK Biobank to demonstrate that, depending on the trait and possible confounding environmental effects, GREML-IBD can be applied successfully to very large genetic datasets to infer the contribution of very rare variants lost using other methods. However, we observed apparent biases in this real data that were not predicted from our simulation, suggesting that more work may be required to understand factors that influence IBD-based estimates.

ABSTRACT Background The rs1344706 polymorphism in ZNF804A is robustly associated with schizophrenia (SZ), yet brain and behavioral phenotypes related to this variant have not been extensively characterized. In turn, SZ is associated with abnormal non-rapid eye movement (NREM) sleep neurophysiology. To examine whether rs1344706 is associated with intermediate neurophysiological traits in the absence of disease, we assessed the relationship between genotype, sleep neurophysiology, and sleep-dependent memory consolidation in healthy participants. Methods We recruited healthy adult males, with no history of psychiatric disorder, from the Avon Longitudinal Study of Parents and Children (ALSPAC) birth cohort. Participants were homozygous for either the SZ-associated ‘A’ allele (N=25) or the alternative ‘C’ allele (N=22) at rs1344706. Actigraphy, polysomnography (PSG) and a motor sequencing task (MST) were used to characterize daily activity patterns, sleep neurophysiology and sleep-dependent memory consolidation. Results Average MST learning and sleep-dependent performance improvements were similar across genotype groups, but with increased variability in the AA group. CC participants showed increased slow-wave and spindle amplitudes, plus augmented coupling of slow-wave activity across recording electrodes after learning. Slow-waves and spindles in those with the AA genotype were insensitive to learning, whilst slow-wave coherence decreased following MST training. Conclusion We describe evidence that rs1344706 polymorphism in ZNF804A is associated with changes in experience- and sleep-dependent, local and distributed neural network activity that supports offline information processing during sleep in a healthy population. These findings highlight the utility of sleep neurophysiology in mapping the impacts of SZ-associated variants on neural circuit oscillations and function.

We describe a reference panel of 64,976 human haplotypes at 39,235,157 SNPs constructed using whole genome sequence data from 20 studies of predominantly European ancestry. Using this resource leads to accurate genotype imputation at minor allele frequencies as low as 0.1%, a large increase in the number of SNPs tested in association studies and can help to discover and refine causal loci. We describe remote server resources that allow researchers to carry out imputation and phasing consistently and efficiently.

Abstract Objective We estimated the effect of body mass index (BMI) on circulating metabolites in young adults using a recall-by-genotype (RbG) study design. Methods An RbG study was implemented in the Avon Longitudinal Study of Parents and Children. Samples from 756 participants were selected for untargeted metabolomics analysis based on low/high genetic liability for higher BMI defined by a genetic score (GS). Regression analyses were performed to investigate the association between BMI GS groups and relative abundance of 973 metabolites. Results After correction for multiple testing, 29 metabolites were associated with BMI GS group. Bilirubin was amongst the most strongly associated metabolites with reduced levels measured in individuals with the highest BMI GS (beta=-0.32, 95% confidence interval (CI): -0.46, -0.18, Benjamini-Hochberg (BH) adjusted p =0.005). We observed associations between BMI GS group and levels of several potentially diet-related metabolites including hippurate which had lower mean abundance in individuals in the high BMI GS group (beta=-0.29, 95% CI: -0.44, -0.15, BH adjusted p =0.008). Conclusions Together with existing literature our results suggest a genetic predisposition to higher BMI captures differences in metabolism leading to adiposity gain. In the absence of prospective data, separating these effects from the downstream consequences of weight gain is challenging. Study Importance questions What is already known about this subject? Metabolomics, defined as the measurement and study of circulating small molecules that are the substrates and products of cellular metabolism, is increasingly used by epidemiologists to provide a functional read-out of bulk cellular activity and a proxy to individual current health. This approach also provides insight into biological pathways linking exposures and disease. In observational studies, elevated body mass index (BMI) has been associated with a wide range of circulating metabolites. Researchers are now looking to genetic epidemiological methods, such as Mendelian randomization, to offer insight into potential causal relationships. What are the new findings in your manuscript? We identified 29 metabolites whose relative abundance varies with a genetic predisposition to higher BMI. Bilirubin, a key component of the heme catabolic pathway and a potent antioxidant, showed the strongest association with BMI score group. How might your results change the direction of research or the focus of clinical practice? Results of both Mendelian randomization and recall-by-genotype studies need to be combined with alternative study designs to distinguish between biomarkers that are intermediates on the pathway to BMI from those reflective of metabolic changes that result from increased adiposity. Separating causal biomarkers from non-causative biomarkers of adiposity is important since only the former are relevant to treatment and prevention, whilst both could be informative with respect to prediction and the downstream consequences of high BMI.

The inclusion of genetic data in large studies has enabled the discovery of genetic contributions to complex traits and their application in applied analyses including those using genetic risk scores (GRS) for the prediction of phenotypic variance. If genotypes show structure by location and coincident structure exists for the trait of interest, analyses can be biased. Having illustrated structure in an apparently homogeneous collection, we aimed to a) test for geographical stratification of genotypes in UK Biobank and b) assess whether stratification might induce bias in genetic association analysis. We found that single genetic variants are associated with birth location within UK Biobank and that geographic structure in genetic data could not be accounted for using routine adjustment for study centre and principal components (PCs) derived from genotype data. We found that GRS for complex traits do appear geographically structured and analysis using GRS can yield biased associations. We discuss the likely origins of these observations and potential implications for analysis within large-scale population based genetic studies.