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 Upstream open reading frames (uORFs) are important tissue-specific cis -regulators of protein translation. Although isolated case reports have shown that variants that create or disrupt uORFs can cause disease, genetic sequencing approaches typically focus on protein-coding regions and ignore these variants. Here, we describe a systematic genome-wide study of variants that create and disrupt human uORFs, and explore their role in human disease using 15,708 whole genome sequences collected by the Genome Aggregation Database (gnomAD) project. We show that 14,897 variants that create new start codons upstream of the canonical coding sequence (CDS), and 2,406 variants disrupting the stop site of existing uORFs, are under strong negative selection. Furthermore, variants creating uORFs that overlap the CDS show signals of selection equivalent to coding loss-of-function variants, and uORF-perturbing variants are under strong selection when arising upstream of known disease genes and genes intolerant to loss-of-function variants. Finally, we identify specific genes where perturbation of uORFs is likely to represent an important disease mechanism, and report a novel uORF frameshift variant upstream of NF2 in families with neurofibromatosis. Our results highlight uORF-perturbing variants as an important and under-recognised functional class that can contribute to penetrant human disease, and demonstrate the power of large-scale population sequencing data to study the deleteriousness of specific classes of non-coding variants.

Abstract Protein-coding genetic variants that strongly affect disease risk can provide important clues into disease pathogenesis. Here we report an exome sequence analysis of 20,791 type 2 diabetes (T2D) cases and 24,440 controls from five ancestries. We identify rare (minor allele frequency<0.5%) variant gene-level associations in (a) three genes at exome-wide significance, including a T2D-protective series of >30 SLC30A8 alleles, and (b) within 12 gene sets, including those corresponding to T2D drug targets ( p =6.1×10 −3 ) and candidate genes from knockout mice ( p =5.2×10 −3 ). Within our study, the strongest T2D rare variant gene-level signals explain at most 25% of the heritability of the strongest common single-variant signals, and the rare variant gene-level effect sizes we observe in established T2D drug targets will require 110K-180K sequenced cases to exceed exome-wide significance. To help prioritize genes using associations from current smaller sample sizes, we present a Bayesian framework to recalibrate association p -values as posterior probabilities of association, estimating that reaching p <0.05 ( p <0.005) in our study increases the odds of causal T2D association for a nonsynonymous variant by a factor of 1.8 (5.3). To help guide target or gene prioritization efforts, our data are freely available for analysis at www.type2diabetesgenetics.org .

Abstract Large-scale gene sequencing studies for complex traits have the potential to identify causal genes with therapeutic implications. We performed gene-based association testing of blood lipid levels with rare (minor allele frequency<1%) predicted damaging coding variation using sequence data from >170,000 individuals from multiple ancestries: 97,493 European, 30,025 South Asian, 16,507 African, 16,440 Hispanic/Latino, 10,420 East Asian, and 1,182 Samoan. We identified 35 genes associated with circulating lipid levels. Ten of these: ALB , SRSF2 , JAK2, CREB3L3 , TMEM136 , VARS , NR1H3 , PLA2G12A , PPARG and STAB1 have not been implicated for lipid levels using rare coding variation in population-based samples. We prioritize 32 genes identified in array-based genome-wide association study (GWAS) loci based on gene-based associations, of which three: EVI5, SH2B3 , and PLIN1 , had no prior evidence of rare coding variant associations. Most of the associated genes showed evidence of association in multiple ancestries. Also, we observed an enrichment of gene-based associations for low-density lipoprotein cholesterol drug target genes, and for genes closest to GWAS index single nucleotide polymorphisms (SNP). Our results demonstrate that gene-based associations can be beneficial for drug target development and provide evidence that the gene closest to the array-based GWAS index SNP is often the functional gene for blood lipid levels.

Diabetic kidney disease (DKD) is a heritable but poorly understood complication of diabetes. To identify genetic variants predisposing to DKD, we performed genome-wide association analyses in 19,406 individuals with type 1 diabetes (T1D) using a spectrum of DKD definitions basedon albuminuria and renal function. We identified 16 genome-wide significant loci. The variant with the strongest association (rs55703767) is a common missense mutation in the collagen type IV alpha 3 chain (COL4A3) gene, which encodes a major structural component of the glomerular basement membrane (GBM) implicated in heritable nephropathies. The rs55703767 minor allele (Asp326Tyr) is protective against several definitions of DKD, including albuminuria and end-stage renal disease. Three other loci are in or near genes with known or suggestive involvement in DKD (BMP7) or renal biology ( COLEC11 and DDR1 ). The 16 DKD-associated loci provide novel insights into the pathogenesis of DKD, identifying potential biological targets for prevention and treatment.

Abstract South Asians are diagnosed with type 2 diabetes (T2D) more than a decade earlier in life than seen in European populations. We hypothesised that studying the genomics of age of onset in these populations may give insight into earlier age at onset of T2D among individuals of South Asian descent. We conducted a meta-analysis of GWAS of age at diagnosis of T2D in 34,001 individuals from four independent cohorts of European and Asian Indians. We identified two signals near the TCF7L2 and CDKAL1 associated with age at onset of T2D. The strongest genome-wide significant variants at chromosome 10q25.3 in TCF7L2 (lead SNP rs7903146; p = 2.4 ×10 -12 ; p-het =0.01; Beta = -0.436; SE = 0.02) and chromosome 6 p22.3 in CDKAL1 (rs9368219; p = 2.29 ×10 -8 ; p-het =0.007; Beta = -0.053; SE=0.01) were directionally consistent across ethnic groups and present at similar frequencies, however both loci harboured additional independent signals that were only present in the South Asian cohorts. A genome wide signal was also obtained at chromosome 10q26.12 in WDR11 (rs3011366; p = 2.4 ×10 -8 ; p-het =0.25; Beta = 1.44; SE=0.25) specifically in the South Asian Indian cohorts. Our study estimated 17% of heritability (h 2 ) for age onset of T2D among South Indians; higher than the 5% heritability we observed in Europeans suggesting different genetic architectures between these populations. We further estimated the Asian Indian genome-wide polygenic risk score for T2D risk and identified that the variance explained by the Indian specific polygenic risk score (PRS) for age at onset of T2D is substantially higher (2%) in an independent cohort of Asian Indians compared to that seen in White Europeans (<0.1%). This reveals that although variants do exist that are shared between the two population there are also genetic disparities of age onset of T2D between the ethnicities. Author Summary Recent large multi-ancestry genome-wide meta-analyses have identified over 277 genetic loci associated with type 2 diabetes (T2D). Most association studies for T2D have focused on populations of European ancestry, and the specific genetic architecture of T2D in the South Asian population has not been extensively investigated. Increasing evidence indicates that the prevalence of T2D is higher in South Asians with a strikingly earlier age at diagnosis when compared to Europeans. Genome-wide association studies (GWAS) on age at age at diagnosis of T2D are limited and can help elucidate underlying mechanisms. We conducted the largest meta-analysis to date of genome-wide association studies of age at diagnosis as a surrogate for age of onset of T2D in South Indians and Europeans. Our trans-ancestry meta-analysis identified genetic loci near TCF7L2 and CDKAL1 with substantial ethnic heterogeneity in both allele frequencies and effect sizes in early diagnosis with T2D. Two novel variants near TCF7L2 (rs570193324) and CDKAL1 (rs143316471) were associated with age of diagnosis of T2D only in South Indians and were present at much lower frequency in the European populations. Heritability estimates for age of onset were much stronger in Asian Indians compared to Europeans and a polygenic risk score was constructed using a South Indians, which explained about 2% trait variance compared to European ancestry (<0.1%). Our novel findings provide a better understanding of ethnic differences in the age at onset of T2D and indicate the potential importance of ethnic differences in the genetic architecture underpinning T2D.

Correlations between pain phenotypes and psychiatric traits such as depression and the personality trait of neuroticism are not fully understood. The purpose of this study was to identify whether eight pain phenotypes, depressive symptoms, major depressive disorders, and neuroticism are correlated for genetic reasons. Eight pain phenotypes were defined by a specific pain-related question in the UK Biobank questionnaire. First we generated genome-wide association summary statistics on each pain phenotype, and estimated the common SNP-based heritability of each trait using GCTA. We then estimated the genetic correlation of each pain phenotype with depressive symptoms, major depressive disorders and neuroticism using the the cross-trait linkage disequilibrium score regression (LDSC) method integrated in the LD Hub. Third, we used the LDSC software to calculate genetic correlations among pain phenotypes. All pain phenotypes were heritable, with pain all over the body showing the highest heritability (h2=0.31, standard error=0.072). All pain phenotypes, except hip pain and knee pain, had significant and positive genetic correlations with depressive symptoms, major depressive disorders and neuroticism. The largest genetic correlations occurred between neuroticism and stomach or abdominal pain (rg=0.70, P=2.4 x 10-9). In contrast, hip pain and knee pain showed weaker evidence of shared genetic architecture with these negative emotional traits. In addition, many pain phenotypes had positive and significant genetic correlations with each other indicating shared genetic mechanisms. Pain at a variety of body sites is heritable and genetically correlated with depression and neuroticism. This suggests that pain, neuroticism and depression share partially overlapping genetic risk factors.

Motivation PheGWAS was developed to enhance exploration of phenome-wide pleiotropy at the genome-wide level through the efficient generation of a dynamic visualization combining Manhattan plots from GWAS with PheWAS to create a three-dimensional “landscape”. Pleiotropy in sub-surface GWAS significance strata can be explored in a sectional view plotted within user defined levels. Further complexity reduction is achieved by confining to a single chromosomal section. Comprehensive genomic and phenomic coordinates can be displayed.Results PheGWAS is demonstrated using summary data from Global Lipids Genetics Consortium (GLGC) GWAS across multiple lipid traits. For single and multiple traits PheGWAS highlighted all eight-eight and sixty-nine loci respectively. Further, the genes and SNPs reported in GLGC were identified using additional functions implemented within PheGWAS. Not only is PheGWAS capable of identifying independent signals but also provide insights to local genetic correlation (verified using HESS) and in identifying the potential regions that share causal variants across phenotypes (verified using colocalization tests).Availability and Implementation The PheGWAS software and code are freely available at ( ).Contact a.doney{at}dundee.ac.uk, g.z.george{at}dundee.ac.uk

Structural variation in retinal blood vessels is associated with global vascular health in humans and may provide a readily accessible indicator of several diseases of vascular origin. We report a meta-analysis of genome-wide association studies (GWAS) for quantitative retinal vascular traits derived using semi-automatic image analysis of digital retinal photographs from the GoDARTS (n=1736) and ORCADES (n=1358) cohorts. We identified a novel genome-wide significant locus at 19q13 (ACTN4/CAPN12) for retinal venular tortuosity, and one at 13q34 (COL4A2) for retinal arteriolar tortuosity; these two loci were subsequently confirmed in three independent cohorts. In the combined analysis, the lead SNP at each locus was rs1808382 in ACTN4/CAPN12 (P=2.39×10-13) and rs7991229 in COL4A2, (P=4.66×10-12). Notably, the ACTN4/CAPN12 locus associated with retinal venular tortuosity traits is also associated with coronary artery disease and heart rate. Our findings demonstrate the contribution of genetics to retinal vascular traits, and provide new insights into vascular diseases.

We aggregated genome-wide genotyping data from 32 European-descent GWAS (74,124 T2D cases, 824,006 controls) imputed to high-density reference panels of >30,000 sequenced haplotypes. Analysis of ~27M variants (~21M with minor allele frequency [MAF]<5%), identified 243 genome-wide significant loci (p<5x10-8; MAF 0.02%-50%; odds ratio [OR] 1.04-8.05), 135 not previously-implicated in T2D-predisposition. Conditional analyses revealed 160 additional distinct association signals (p<10-5) within the identified loci. The combined set of 403 T2D-risk signals includes 56 low-frequency (0.5%≤MAF<5%) and 24 rare (MAF<0.5%) index SNPs at 60 loci, including 14 with estimated allelic OR>2. Forty-one of the signals displayed effect-size heterogeneity between BMI-unadjusted and adjusted analyses. Increased sample size and improved imputation led to substantially more precise localisation of causal variants than previously attained: at 51 signals, the lead variant after fine-mapping accounted for >80% posterior probability of association (PPA) and at 18 of these, PPA exceeded 99%. Integration with islet regulatory annotations enriched for T2D association further reduced median credible set size (from 42 variants to 32) and extended the number of index variants with PPA>80% to 73. Although most signals mapped to regulatory sequence, we identified 18 genes as human validated therapeutic targets through coding variants that are causal for disease. Genome wide chip heritability accounted for 18% of T2D-risk, and individuals in the 2.5% extremes of a polygenic risk score generated from the GWAS data differed >9-fold in risk. Our observations highlight how increases in sample size and variant diversity deliver enhanced discovery and single-variant resolution of causal T2D-risk alleles, and the consequent impact on mechanistic insights and clinical translation.