Elevated serum urate levels cause gout and correlate with cardiometabolic diseases via poorly understood mechanisms. We performed a trans-ancestry genome-wide association study of serum urate in 457,690 individuals, identifying 183 loci (147 previously unknown) that improve the prediction of gout in an independent cohort of 334,880 individuals. Serum urate showed significant genetic correlations with many cardiometabolic traits, with genetic causality analyses supporting a substantial role for pleiotropy. Enrichment analysis, fine-mapping of urate-associated loci and colocalization with gene expression in 47 tissues implicated the kidney and liver as the main target organs and prioritized potentially causal genes and variants, including the transcriptional master regulators in the liver and kidney, HNF1A and HNF4A. Experimental validation showed that HNF4A transactivated the promoter of ABCG2, encoding a major urate transporter, in kidney cells, and that HNF4A p.Thr139Ile is a functional variant. Transcriptional coregulation within and across organs may be a general mechanism underlying the observed pleiotropy between urate and cardiometabolic traits. A trans-ancestry genome-wide association study of serum urate levels identifies 183 loci influencing this trait. Enrichment analyses, fine-mapping and colocalization with gene expression in 47 tissues implicate the kidney and liver as key target organs and prioritize potential causal genes.

Abstract Improved understanding of genetic regulation of proteome can facilitate the identification of causal mechanisms for complex traits. We analyzed data on 4,657 plasma proteins from 7,213 European American (EA) and 1,871 African American (AA) individuals from the ARIC study, and further replicated findings on 467 AA individuals from the AASK study. Here we identified 2,004 proteins in EA and 1,618 in AA, with majority overlapping, which showed associations with common variants in cis -regions. Availability of AA samples led to smaller credible sets and significant number of population-specific cis -pQTLs. Elastic-net produced powerful models for protein prediction in both populations. An application of proteome-wide association studies (PWAS) to serum urate and gout, implicated several proteins, including IL1RN, revealing the promise of the drug anakinra to treat acute gout flares. Our study demonstrates the value of large and diverse ancestry study for genetic mechanisms of molecular phenotypes and their relationship with complex traits.

Abstract Genome sequencing at population scale provides unprecedented access to the genetic foundations of human phenotypic diversity, but genotype-phenotype association analyses limited to small variants have failed to comprehensively characterize the genetic architecture of human health and disease because they ignore structural variants (SVs) known to contribute to phenotypic variation and pathogenic conditions 1–3 . Here we demonstrate the significance of SVs when assessing genotype-phenotype associations and the importance of ethnic diversity in study design by analyzing SVs across 19,652 individuals and the translational impact on 4,156 aptamerbased proteomic measurements across 4,021 multi-ethnic samples. The majority of 304,533 SVs detected are rare, although we identified 2,336 protein-coding genes impacted by common SVs.\ We identified 64 significant SV-protein associations that comprise 36 cis- and 28 trans-acting relationships, and 21 distinct SV regions overlapped with genome-wide association study loci. These findings represent a more comprehensive mapping of regulatory and translational endophenotypes underlying health and disease.

ABSTRACT Genome-wide association studies (GWAS) have revealed numerous loci for kidney function (estimated glomerular filtration rate, eGFR). The relationship of polygenic predictors of eGFR, risk of incident adverse kidney outcomes, and the plasma proteome is not known. We developed a genome-wide polygenic risk score (PRS) using a weighted average of 1.2 million SNPs for eGFR using the LDpred algorithm, summary statistics generated by a European-ancestry (EA) meta-analysis of the CKDGen Consortium (N=558,423) and UK Biobank GWAS for eGFR (90% of the cohort; N=289,432), followed by best parameter selection using data from the remaining 10% of the UK Biobank (N=32,159). We then tested the association of the PRS among 8,886 EA participants in the Atherosclerosis Risk in Communities (ARIC) study (mean age: 54±6 years, 53% female) with incident chronic kidney disease (CKD), end stage kidney disease (ESKD), kidney failure (KF), and acute kidney injury (AKI). We also examined 4,877 plasma proteins measured at two time points (visit 3 (1993-95) and visit 5 (2011-13)) in relation to the PRS and compared associations between the proteome and eGFR itself. All models were adjusted for age, sex, center, and the first 10 principal components of ancestry. The developed PRS had an R 2 for eGFR of 0.07 in ARIC. Over 30 years of follow up, the number of incident CKD, ESKD, KF, and AKI were 2,959, 137, 470, and 1,723, respectively. The PRS showed significant associations with all outcomes: hazard ratios (95% CI) per 1 SD lower PRS were 1.33 (1.28, 1.39), 1.20 (1.00, 1.42), 1.17 (1.06, 1.28), and 1.07 (1.02, 1.12) for incident CKD, ESKD, KF, and AKI respectively. The PRS was significantly associated (Bonferroni threshold P<1.02 × 10 −5 ) with 108 proteins at both time points. The strongest associations were with cystatin-C (a marker of kidney function used in clinical practice), collagen alpha-1 (XV) chain, and desmocollin-2. All significant correlations with the PRS were negative, except those of testican-2 and angiostatin. Correlations of proteins with eGFR were much stronger than those with the PRS. Overall, we demonstrated that the PRS for eGFR is now sufficiently strong to capture risk for a spectrum of incident kidney diseases as well as broadly influence the plasma proteome.

Objectives Our objective was to prospectively investigate pre‐diagnostic population‐based metabolome for risk of hospitalized gout (i.e., most accurate, severe, and costly cases), accounting for serum urate. Methods We conducted pre‐diagnostic metabolome‐wide analyses among 249,677 UK Biobank participants with NMR metabolomic profiling (N=168 metabolites, including eight amino acids) from baseline blood samples (2006‐2010), without a history of gout. We calculated multivariable hazard ratios (HRs) for incident hospitalized gout, before and after adjusting for serum urate levels; we included non‐hospitalised incident gout cases in a sensitivity analysis. Potential causal effects were evaluated with two‐sample Mendelian randomization. Results Correcting for multiple testing, 107 metabolites were associated with incidence of hospitalized gout (N=2735) before urate adjustment, including glycine and glutamine (inversely; HR=0.64 [95% CI: 0.54, 0.75], P=8.3x10 ‐8 and HR=0.69 [0.61, 0.78], P=3.3x10 ‐9 between extreme quintiles, respectively), and glycoprotein acetyls (GlycA; HR=2.48 [2.15, 2.87], P=1.96x10 ‐34 ). Associations remained significant and directionally‐consistent following urate adjustment (HR=0.83 [0.70, 0.98], 0.86 [0.76, 0.98], 1.41 [1.21, 1.63] between extreme quintiles), respectively; corresponding HR per SD were 0.91 (0.86, 0.97), 0.94 (0.91, 0.98), and 1.10 (1.06, 1.14). Findings persisted when including non‐hospitalised incident gout cases. Mendelian randomization corroborated their potential causal role on hyperuricemia or gout risk; with change in urate levels of ‐0.05 mg/dL (‐0.08, ‐0.01), and ‐0.12 mg/dL (‐0.22, ‐0.03), per SD of glycine and glutamine, respectively, and ORs 0.94 (0.88, 1.00), and 0.81 (0.67, 0.97), for gout. Conclusion These prospective findings with causal implications could lead to biomarker‐based risk prediction and potential supplementation‐based interventions with glycine or glutamine.

OBJECTIVE: To evaluate the bi-directional causal relation between kidney function and blood pressure. DESIGN: Mendelian randomisation study. SETTING: We performed two-sample Mendelian randomisation analyses. Genetic instruments of kidney function traits were selected from summary statistics of genome-wide association studies (GWAS) of glomerular filtration rate estimated from serum creatinine (eGFRcr) and blood urea nitrogen (BUN) and were required to be associated with both eGFRcr and BUN to ensure that the instruments were more likely to represent the underlying kidney function. Genetic instruments of blood pressure were selected from summary statistics of GWAS of systolic and diastolic blood pressure. We investigated Mendelian randomisation hypothesis using several alternative approaches, including methods that are most robust to the presence of horizontal pleiotropy. CONCLUSIONS: Mendelian randomisation analyses support causal effects of higher kidney function on lower blood pressure. These results suggest preventing kidney function decline can reduce the public health burden of hypertension.

Identification of coding variant associations for complex diseases offers a direct route to biological insight, but is dependent on appropriate inference concerning the causal impact of those variants on disease risk. We aggregated coding variant data for 81,412 type 2 diabetes (T2D) cases and 370,832 controls of diverse ancestry, identifying 40 distinct coding variant association signals (at 38 loci) reaching significance (p<2.2x10-7). Of these, 16 represent novel associations mapping outside known genome-wide association study (GWAS) signals. We make two important observations. First, despite a threefold increase in sample size over previous efforts, only five of the 40 signals are driven by variants with minor allele frequency <5%, and we find no evidence for low-frequency variants with allelic odds ratio >1.29. Second, we used GWAS data from 50,160 T2D cases and 465,272 controls of European ancestry to fine-map these associated coding variants in their regional context, with and without additional weighting to account for the global enrichment of complex trait association signals in coding exons. At the 37 signals for which we attempted fine-mapping, we demonstrate convincing support (posterior probability >80% under the 'annotation-weighted' model) that coding variants are causal for the association at 16 (including novel signals involving POC5 p.His36Arg, ANKH p.Arg187Gln, WSCD2 p.Thr113Ile, PLCB3 p.Ser778Leu, and PNPLA3 p.Ile148Met). However, at 13 of the 37 loci, the associated coding variants represent 'false leads' and naïve analysis could have led to an erroneous inference regarding the effector transcript mediating the signal. Accurate identification of validated targets is dependent on correct specification of the contribution of coding and non-coding mediated mechanisms at associated loci.

Background Mitochondrial DNA copy number (mtDNA-CN) has been associated with a variety of aging-related diseases, including all-cause mortality. However, the mechanism by which mtDNA-CN influences disease is not currently understood. One such mechanism may be through regulation of nuclear gene expression via the modification of nuclear DNA (nDNA) methylation.Methods To investigate this hypothesis, we assessed the relationship between mtDNA-CN and nDNA methylation in 2,507 African American (AA) and European American (EA) participants from the Atherosclerosis Risk in Communities (ARIC) study. To validate our findings we assayed an additional 2,528 participants from the Cardiovascular Health Study (CHS) (N=533) and Framingham Heart Study (FHS) (N=1,995). We further assessed the effect of experimental modification of mtDNA-CN through knockout of TFAM , a regulator of mtDNA replication, via CRISPR-Cas9.Results Thirty-four independent CpGs were associated with mtDNA-CN at genome-wide significance ( P <5×10-8). Meta-analysis across all cohorts identified six mtDNA-CN associated CpGs at genome-wide significance ( P <5×10-8). Additionally, over half of these CpGs were associated with phenotypes known to be associated with mtDNA-CN, including coronary heart disease, cardiovascular disease, and mortality. Experimental modification of mtDNA-CN demonstrated that modulation of mtDNA-CN directly drives changes in nDNA methylation and gene expression of specific CpGs and nearby transcripts. Strikingly, the ‘neuroactive ligand receptor interaction’ KEGG pathway was found to be highly overrepresented in the ARIC cohort ( P = 5.24×10-12), as well as the TFAM knockout methylation ( P= 4.41×10-4) and expression ( P= 4.30×10-4) studies.Conclusions These results demonstrate that changes in mtDNA-CN influence nDNA methylation at specific loci and result in differential expression of specific genes that may impact human health and disease via altered cell signaling.* AA : African American ARIC : Atherosclerosis Risk in Communities CHD : Coronary Heart Disease CHS : Cardiovascular Health Study CVD : Cardiovascular disease EA : European American FHS : Framingham Heart Study meQTLs : methylation quantitative trait loci MR : Mendelian Randomization mtDNA : mitochondrial DNA mtDNA-CN : Mitochondrial DNA copy number nDNA : nuclear DNA qPCR : quantitative polymerase chain reaction SNPs : single nucleotide polymorphisms SVA : Surrogate Variable Analysis TOPMed : Trans-Omics in Precision Medicine WGS : Whole genome sequencing

Deletion of glutathione S-transferase μ1 (GSTM1) is common in populations and has been asserted to associate with chronic kidney disease progression in some research studies. The association needs to be validated. We estimated GSTM1 copy number using whole exome sequencing data in the DiscovEHR cohort. Kidney failure was defined as requiring dialysis or receiving kidney transplant using data from the electronic health record and linkage to the United States Renal Data System, or the most recent eGFR < 15 ml/min/1.73 m2. In a cohort of 46,983 unrelated participants, 28.8% of blacks and 52.1% of whites had 0 copies of GSTM1. Over a mean of 9.2 years follow-up, 645 kidney failure events were observed in 46,187 white participants, and 28 in 796 black participants. No significant association was observed between GSTM1 copy number and kidney failure in Cox regression adjusting for age, sex, BMI, smoking status, genetic principal components, or co-morbid conditions (hypertension, diabetes, heart failure, coronary artery disease, and stroke), whether using a genotypic, dominant, or recessive model. In sensitivity analyses, GSTM1 copy number was not associated with kidney failure in participants that were 45 years or older at baseline, had baseline eGFR < 60 ml/min per 1.73 m2, or with baseline year between 1996-2002. In conclusion, we found no association between GSTM1 copy number and kidney failure in a large cohort study.