Abstract Large studies use genotype data to discover genetic contributions to complex traits and infer relationships between those traits. Co-incident geographical variation in genotypes and health traits can bias these analyses. Here we show that single genetic variants and genetic scores composed of multiple variants are associated with birth location within UK Biobank and that geographic structure in genotype data cannot be accounted for using routine adjustment for study centre and principal components derived from genotype data. We find that major health outcomes appear geographically structured and that coincident structure in health outcomes and genotype data can yield biased associations. Understanding and accounting for this phenomenon will be important when making inference from genotype data in large studies.

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.

Objective: Obtain estimates of the causal relationship between different levels of body mass index (BMI) and mortality. Methods: Mendelian randomization (MR) was conducted using genotypic variation reliably associated with BMI to test the causal effect of increasing BMI on all-cause and cause-specific mortality in participants of White British ancestry in UK Biobank. Results: MR analyses supported existing evidence for a causal association between higher levels of BMI and greater risk of all-cause mortality (hazard ratio (HR) per 1kg/m2: 1.02; 95% CI: 0.97,1.06) and mortality from cardiovascular diseases (HR: 1.12; 95% CI: 1.02, 1.23), specifically coronary heart disease (HR: 1.19; 95% CI: 1.05, 1.35) and those other than stroke/aortic aneurysm (HR: 1.13; 95% CI: 0.93, 1.38), stomach cancer (HR: 1.30; 95% CI: 0.91, 1.86) and oesophageal cancer (HR: 1.08; 95% CI: 0.84, 1.38), and with decreased risk of lung cancer mortality (HR: 0.97; 95% CI: 0.84, 1.11). Sex-stratified analyses supported a causal role of higher BMI in increasing the risk of mortality from bladder cancer in males and other causes in females, but in decreasing the risk of respiratory disease mortality in males. The characteristic J-shaped observational association between BMI and mortality was visible with MR analyses but with a smaller value of BMI at which mortality risk was lowest and apparently flatter over a larger range of BMI. Conclusion: Results support a causal role of higher BMI in increasing the risk of all-cause mortality and mortality from other causes. However, studies with greater numbers of deaths are needed to confirm the current findings.

Background: Type 2 diabetes develops for many years before diagnosis. We aimed to reveal early metabolic features characterising liability to adult disease by examining genetic liability to adult type 2 diabetes in relation to detailed metabolic traits across early life. Methods and Findings: Data were from up to 4,761 offspring from the Avon Longitudinal Study of Parents and Children cohort. Linear models were used to examine effects of a genetic risk score (GRS, including 162 variants) for adult type 2 diabetes on 4 repeated measures of 229 traits from targeted nuclear magnetic resonance (NMR) metabolomics. These traits included lipoprotein subclass-specific cholesterol and triglyceride content, amino and fatty acids, inflammatory glycoprotein acetyls, and others, and were measured in childhood (age 8y), adolescence (age 16y), young-adulthood (age 18y), and adulthood (age 25y). For replication, two-sample Mendelian randomization (MR) was conducted using summary data from genome-wide association studies of metabolic traits from NMR in an independent sample of adults (N range 13,476 to 24,925; mean (SD) age range 23.9y (2.1y) to 61.3y (2.9y)). Among ALSPAC participants (49.7% male), the prevalence of type 2 diabetes was very low across time points (< 5 cases when first assessed at age 16y; 7 cases (0.4%) when assessed at age 25y). At age 8y, type 2 diabetes liability (per SD-higher GRS) was associated with lower lipids in high-density lipoprotein (HDL) particle subtypes - e.g. -0.03 SD (95% CI = -0.06, -0.003; P = 0.03) for total lipids in very-large HDL. At age 16y, associations remained strongest with lower lipids in HDL and became stronger with pre-glycemic traits including citrate (-0.06 SD, 95% CI = -0.09, -0.02; P = 1.41x10-03) and with glycoprotein acetyls (0.05 SD, 95% CI = 0.01, 0.08; P = 0.01). At age 18y, associations were stronger with branched chain amino acids including valine (0.06 SD; 95% CI = 0.02, 0.09; P = 1.24x10-03), while at age 25y, associations had strengthened with VLDL lipids and remained consistent with previously altered traits including HDL lipids. Results of two-sample MR in an independent sample of adults indicated persistent patterns of effect of type 2 diabetes liability, with higher type 2 diabetes liability positively associated with VLDL lipids and branched chain amino acid levels, and inversely associated with HDL lipids - again for large and very large HDL particularly (-0.004 SD (95% CI = -0.007, -0.002; P = 8.45x10-04) per 1 log odds of type 2 diabetes for total lipids in large HDL). Study limitations include modest sample sizes for ALSPAC analyses and limited coverage of protein and hormonal traits; insulin was absent as it is not quantified by NMR and not consistently available at each time point. Analyses were restricted to white-Europeans which reduced confounding by population structure but limited inference to other ethnic groups. Conclusions: Our results support perturbed HDL lipid metabolism as one of the earliest features of type 2 diabetes liability which precedes higher branched chain amino acid and inflammatory glycoprotein acetyl levels. This feature is apparent in childhood as early as age 8y, decades before the clinical onset of disease.