The aorta is the largest blood vessel in the body, and enlargement or aneurysm of the aorta can predispose to dissection, an important cause of sudden death. While rare syndromes have been identified that predispose to aortic aneurysm, the common genetic basis for the size of the aorta remains largely unknown. By leveraging a deep learning architecture that was originally developed to recognize natural images, we trained a model to evaluate the dimensions of the ascending and descending thoracic aorta in cardiac magnetic resonance imaging. After manual annotation of just 116 samples, we applied this model to 3,840,140 images from the UK Biobank. We then conducted a genome-wide association study in 33,420 individuals, revealing 68 loci associated with ascending and 35 with descending thoracic aortic diameter, of which 10 loci overlapped. Integration of common variation with transcriptome-wide analyses, rare-variant burden tests, and single nucleus RNA sequencing prioritized SVIL , a gene highly expressed in vascular smooth muscle, that was significantly associated with the diameter of the ascending and descending aorta. A polygenic score for ascending aortic diameter was associated with a diagnosis of thoracic aortic aneurysm in the remaining 391,251 UK Biobank participants who did not undergo imaging (HR = 1.44 per standard deviation; P = 3.7·10 −12 ). Defining the genetic basis of the diameter of the aorta may enable the identification of asymptomatic individuals at risk for aneurysm or dissection and facilitate the prioritization of potential therapeutic targets for the prevention or treatment of aortic aneurysm. Finally, our results illustrate the potential for rapidly defining novel quantitative traits derived from a deep learning model, an approach that can be more broadly applied to biomedical imaging data.

Abstract A diverse set of driver genes, such as regulators of DNA methylation, RNA splicing, and chromatin remodeling, have been associated with pre-malignant clonal expansion of hematopoietic stem cells (HSCs). The factors mediating expansion of these mutant clones remain largely unknown, partially due to a paucity of large cohorts with longitudinal blood sampling. To circumvent this limitation, we developed and validated a method to infer clonal expansion rate from single timepoint data called PACER (passenger-approximated clonal expansion rate). Applying PACER to 5,071 persons with clonal hematopoiesis accurately recapitulated the known fitness effects due to different driver mutations. A genome-wide association study of PACER revealed that a common inherited polymorphism in the TCL1A promoter was associated with slower clonal expansion. Those carrying two copies of this protective allele had up to 80% reduced odds of having driver mutations in TET2, ASXL1, SF3B1, SRSF2 , and JAK2 , but not DNMT3A. TCL1A was not expressed in normal or DNMT3A -mutated HSCs, but the introduction of mutations in TET2 or ASXL1 by CRISPR editing led to aberrant expression of TCL1A and expansion of HSCs in vitro. These effects were abrogated in HSCs from donors carrying the protective TCL1A allele. Our results indicate that the fitness advantage of multiple common driver genes in clonal hematopoiesis is mediated through TCL1A activation. PACER is an approach that can be widely applied to uncover genetic and environmental determinants of pre-malignant clonal expansion in blood and other tissues.

Analyzing 5770 all-cause cirrhosis cases and 572,850 controls from seven cohorts, we identify a missense variant in the Mitochondrial Amidoxime Reducing Component 1 gene ( MARC1 p.A165T) that associates with protection from all-cause cirrhosis (OR 0.88, p=2.1*10 −8 ). This same variant also associates with lower levels of hepatic fat on computed tomographic imaging and lower odds of physician-diagnosed fatty liver as well as lower blood levels of alanine transaminase (−0.012 SD, 1.4*10 −8 ), alkaline phosphatase (−0.019 SD, 6.6*10 −9 ), total cholesterol (−0.037 SD, p=1*10 −18 ) and LDL cholesterol (−0.035 SD, p=7.3*10 −16 ). Carriers of rare protein-truncating variants in MARC1 had lower liver enzyme levels, cholesterol levels, and reduced odds of liver disease (OR 0.19, p= 0.04) suggesting that deficiency of the MARC1 enzyme protects against cirrhosis.

Abstract Clonal hematopoiesis (CH) is an age-associated phenomenon that increases risk for hematologic malignancy and cardiovascular disease. CH is thought to enhance disease risk through inflammation in the peripheral blood 1 . Here, we profile peripheral blood gene expression in 66,968 single cells from a cohort of 17 CH patients and 7 controls. Using a novel mitochondrial DNA barcoding approach, we were able to identify and separately compare mutant TET2 and DNMT3A cells to non-mutant counterparts. We discovered the vast majority of mutated cells were in the myeloid compartment. Additionally, patients harboring DNMT3A and TET2 CH mutations possessed a pro-inflammatory profile in CD14+ monocytes through previously unrecognized pathways such as galectin and macrophage Inhibitory Factor (MIF). We also found that T cells from CH patients, though mostly un-mutated, had decreased expression of GTPase of the immunity associated protein (GIMAP) genes, which are critical to T cell development, suggesting that CH may impair T cell function. Key points - CD14+ monocytes from clonal hematopoiesis patients stimulate inflammation through increased cytokine expression. - T cells from clonal hematopoiesis are deficient in GIMAP expression, suggesting CH may impair T cell differentiation.

ABSTRACT Mosaic mutations in blood are common with increasing age and are prognostic markers for cancer, cardiovascular dysfunction and other diseases. This group of acquired mutations include megabase-scale mosaic chromosomal alterations (mCAs). These large mutations have mainly been surveyed using SNP array data from individuals of European (EA) or Japanese genetic ancestry. To gain a better understanding of mCA rates and associated risk factors in genetically diverse populations, we surveyed whole genome sequencing data from 67,390 individuals, including 20,132 individuals of African ancestry (AA), and 7,608 of Hispanic ancestry (HA) with deep (30X) whole genome sequencing data from the NHLBI Trans Omics for Precision Medicine (TOPMed) program. We adapted an existing mCA calling algorithm for application to WGS data, and observed higher sensitivity with WGS data, compared with array-based data, in uncovering mCAs at low mutant cell fractions. As in previous reports, we observed a strong association with age and a non-uniform distribution of mCAs across the genome. The presence of autosomal (but not chromosome X) mCAs was associated with an increased risk of both lymphoid and myeloid malignancies. After adjusting for age, we found that individuals of European ancestry have the highest rates of autosomal mCAs, mirroring the higher rate of leukemia in this group. Our analysis also uncovered higher rates of chromosome X mCAs in AA and HA compared to EA, again after adjusting for age. Germline variants in ATM and MPL showed strong associations with mCAs in cis , including ancestry specific variants. And rare variant gene-burden analysis confirmed the association of putatively protein altering variants in ATM and MPL with mCAs in cis . Individual rare variants in DCPS, ADM17, PPP1R16B , and TET2 were all associated with autosomal mCAs and rare variants in OR4C16 were associated with chromosome X mCAs in females. There was significant enrichment of co-occurrence of CHIP mutations and mCAs both altering cancer associated genes TET2, DNMT3A, JAK2, CUX1 , and TP53 . Overall, our study demonstrates that rates of mCAs differ across populations and that rare inherited germline variants are strongly associated with mCAs across genetically diverse populations. These results strongly motivate further studies of mCAs in under-represented populations to better understand the causes and consequences of this class of somatic variation.

Abstract Heat is a cardinal feature of inflammation. Despite temperature variability and dependence of enzymes and complexes, how heat and fever affect immune cells remains uncertain. We found that heat broadly increased inflammatory activity of CD4 + T cell subsets and decreased Treg suppressive function. Th1 cells, however, also selectively developed mitochondrial dysfunction with high levels of ROS production and DNA damage. This led Th1 cells to undergo Tp53 -dependent death, which was required to minimize the accumulation of mutations in heat and inflammation. Th1 cells with similar DNA damage signatures were also detected in Crohn’s disease and rheumatoid arthritis. Fever and inflammation-associated heat thus selectively induce mitochondrial stress and DNA damage in activated Th1 cells that requires p53 to maintain genomic integrity of the T cell repertoire. One Sentence Summary Fever temperatures augment CD4 + T cell-mediated inflammation but induce differential metabolic stress and DNA damage in T cell subsets, with Th1 cells selectively sensitive and dependent on p53 to induce apoptosis and maintain genomic integrity.

Dilated cardiomyopathy (DCM) is an important cause of heart failure and the leading indication for heart transplantation. Many rare genetic variants have been associated with DCM, but common variant studies of the disease have yielded few associated loci. As structural changes in the heart are a defining feature of DCM, we conducted a genome-wide association study (GWAS) of cardiac magnetic resonance imaging (MRI)-derived left ventricular measurements in 29,041 UK Biobank participants. 26 novel loci were associated with cardiac structure and function. These loci were found near 17 genes previously shown to cause Mendelian cardiomyopathies. A polygenic score of left ventricular end systolic volume was associated with incident DCM in previously disease-free individuals (hazard ratio = 1.54 per one standard deviation increase in the polygenic score, P = 2.1 × 10-16). Even among carriers of truncating mutations in TTN, the polygenic score influenced the size and function of the heart. These results further implicate common genetic polymorphisms in DCM pathogenesis.

Abstract Purpose As polygenic risk scores (PRS) enter clinical practice, healthcare providers’ and the publics’ comprehension of PRS results are of great importance, yet poorly understood. We present the Vanderbilt Polygenic Risk Scores Knowledge Score (Vanderbilt PRS-KS), a tool to quantify PRS knowledge. Methods The Vanderbilt PRS-KS was developed by a team of genetic counselors and physicians to cover key conceptual facts pertaining to PRSs. We recruited (n=500) individuals with demographics representative of a U.S. sample and graduate-level healthcare students (n=74) at a large academic medical center to participate in this validation study. We evaluated the Vanderbilt PRS-KS’s psychometric properties using confirmatory factor analysis (CFA) and item response theory (IRT). Results The 7-item Vanderbilt PRS-KS correlated to a single latent construct on CFA (Λ=0.31-0.61). The scale showed promising reliability (Cronbach’s α=0.66) with IRT summed scores of ≥2 to ≤5, demonstrating reliability > 0.70. The Vanderbilt PRS-KS significantly correlated with genetic knowledge and applied PRS knowledge (r=0.55, r=0.29), and graduate-level healthcare students had significantly higher scores compared to the representative sample (p<0.01). Conclusions The Vanderbilt PRS-KS is a rigorously validated measure to quantify PRS knowledge.

Abstract The rapid growth of genomic data has led to a new research paradigm where data are stored centrally in Trusted Research Environments (TREs) such as the All of Us Researcher Workbench (AoU RW) and the UK Biobank Research Analysis Platform (RAP). To characterize the advantages and drawbacks of different TRE attributes in facilitating cross-cohort analysis, we conducted a Genome-Wide Association Study (GWAS) of standard lipid measures on the UKB RAP and AoU RW using two approaches: meta-analysis and pooled analysis. We curated lipid measurements for 37,754 All of Us participants with whole genome sequence (WGS) data and 190,982 UK Biobank participants with whole exome sequence (WES) data. For the meta-analysis, we performed a GWAS of each cohort in their respective platform and meta-analyzed the results. We separately performed a pooled GWAS on both datasets combined. We identified 490 and 464 significant variants in meta-analysis and pooled analysis, respectively. Comparison of full summary data from both meta-analysis and pooled analysis with an external study showed strong correlation of known loci with lipid levels (R 2 ∼83-97%). Importantly, 90 variants met the significance threshold only in the meta-analysis and 64 variants were significant only in pooled analysis. These method-specific differences may be explained by differences in cohort size, ancestry, and phenotype distributions in All of Us and UK Biobank. We noted approximately 20% of variants significant in only the pooled analysis or significant in only the meta-analysis were most prevalent in non-European, non-Asian ancestry individuals. Pooled analyses included more variants than meta-analyses. Pooled analysis required about half as many computational steps as meta-analysis. These findings have important implications for both platform implementations and researchers undertaking large-scale cross-cohort analyses, as technical and policy choices lead to cross-cohort analyses generating similar, but not identical results, particularly for non-European ancestral populations.