Myocardial infarction (MI), a leading cause of death around the world, displays a complex pattern of inheritance. When MI occurs early in life, genetic inheritance is a major component to risk. Previously, rare mutations in low-density lipoprotein (LDL) genes have been shown to contribute to MI risk in individual families, whereas common variants at more than 45 loci have been associated with MI risk in the population. Here we evaluate how rare mutations contribute to early-onset MI risk in the population. We sequenced the protein-coding regions of 9,793 genomes from patients with MI at an early age (≤50 years in males and ≤60 years in females) along with MI-free controls. We identified two genes in which rare coding-sequence mutations were more frequent in MI cases versus controls at exome-wide significance. At low-density lipoprotein receptor (LDLR), carriers of rare non-synonymous mutations were at 4.2-fold increased risk for MI; carriers of null alleles at LDLR were at even higher risk (13-fold difference). Approximately 2% of early MI cases harbour a rare, damaging mutation in LDLR; this estimate is similar to one made more than 40 years ago using an analysis of total cholesterol. Among controls, about 1 in 217 carried an LDLR coding-sequence mutation and had plasma LDL cholesterol > 190 mg dl(-1). At apolipoprotein A-V (APOA5), carriers of rare non-synonymous mutations were at 2.2-fold increased risk for MI. When compared with non-carriers, LDLR mutation carriers had higher plasma LDL cholesterol, whereas APOA5 mutation carriers had higher plasma triglycerides. Recent evidence has connected MI risk with coding-sequence mutations at two genes functionally related to APOA5, namely lipoprotein lipase and apolipoprotein C-III (refs 18, 19). Combined, these observations suggest that, as well as LDL cholesterol, disordered metabolism of triglyceride-rich lipoproteins contributes to MI risk.

Raptors provide critical ecosystem services, yet there is currently no systematic, global synthesis of their conservation status or threats. We review the International Union for the Conservation of Nature's Red List to examine the conservation status, distributions, threats, and conservation recommendations for all 557 raptor species. We further assess the significance of Important Bird and Biodiversity Areas (IBAs) for raptor conservation. We also determine which countries contain the most species listed under the Memorandum of Understanding on the Conservation of Migratory Birds of Prey in Africa and Eurasia (Raptors MoU). Raptors, especially Old World vultures, are more threatened than birds in general. Eighteen percent of raptors are threatened with extinction and 52% of raptors have declining global populations. South and Southeast Asia have the highest richness and the largest number of threatened raptor species. By country, Indonesia has the highest richness of raptor species (119) and most declining species (63). China and Russia contain the most Raptors MoU species, although they are not yet signatories to the agreement. Raptor species that require forest are more likely to be threatened and declining than those that do not. Agriculture and logging are the most frequently identified threats, although poisoning is especially detrimental to Old World vultures. Of the 10 most important IBAs for raptors, six are in Nepal. Highest priority conservation actions to protect raptors include preventing mortality and conserving key sites and priority habitats. Improved long-term monitoring would allow for conservation to be appropriately targeted and effectiveness of interventions to be assessed.

We analyze whole-genome sequencing data from 141,431 Chinese women generated for non-invasive prenatal testing (NIPT). We use these data to characterize the population genetic structure and to investigate genetic associations with maternal and infectious traits. We show that the present day distribution of alleles is a function of both ancient migration and very recent population movements. We reveal novel phenotype-genotype associations, including several replicated associations with height and BMI, an association between maternal age and EMB, and between twin pregnancy and NRG1. Finally, we identify a unique pattern of circulating viral DNA in plasma with high prevalence of hepatitis B and other clinically relevant maternal infections. A GWAS for viral infections identifies an exceptionally strong association between integrated herpesvirus 6 and MOV10L1, which affects piwi-interacting RNA (piRNA) processing and PIWI protein function. These findings demonstrate the great value and potential of accumulating NIPT data for worldwide medical and genetic analyses.

Mario Falchi, Philippe Froguel and colleagues report association of a multi-allelic copy number variant encompassing the salivary amylase gene AMY1 with body mass index and risk of obesity. Common multi-allelic copy number variants (CNVs) appear enriched for phenotypic associations compared to their biallelic counterparts1,2,3,4. Here we investigated the influence of gene dosage effects on adiposity through a CNV association study of gene expression levels in adipose tissue. We identified significant association of a multi-allelic CNV encompassing the salivary amylase gene (AMY1) with body mass index (BMI) and obesity, and we replicated this finding in 6,200 subjects. Increased AMY1 copy number was positively associated with both amylase gene expression (P = 2.31 × 10−14) and serum enzyme levels (P < 2.20 × 10−16), whereas reduced AMY1 copy number was associated with increased BMI (change in BMI per estimated copy = −0.15 (0.02) kg/m2; P = 6.93 × 10−10) and obesity risk (odds ratio (OR) per estimated copy = 1.19, 95% confidence interval (CI) = 1.13–1.26; P = 1.46 × 10−10). The OR value of 1.19 per copy of AMY1 translates into about an eightfold difference in risk of obesity between subjects in the top (copy number > 9) and bottom (copy number < 4) 10% of the copy number distribution. Our study provides a first genetic link between carbohydrate metabolism and BMI and demonstrates the power of integrated genomic approaches beyond genome-wide association studies.

Abstract Genetic variation segregates as linked sets of variants, or haplotypes. Haplotypes and linkage are central to genetics and underpin virtually all genetic and selection analysis. And yet, genomic data often lack haplotype information, due to constraints in sequencing technologies. Here we present “haplotagging”, a simple, low-cost linked-read sequencing technique that allows sequencing of hundreds of individuals while retaining linkage information. We apply haplotagging to construct megabase-size haplotypes for over 600 individual butterflies ( Heliconius erato and H. melpomene ), which form overlapping hybrid zones across an elevational gradient in Ecuador. Haplotagging identifies loci controlling distinctive high- and lowland wing color patterns. Divergent haplotypes are found at the same major loci in both species, while chromosome rearrangements show no parallelism. Remarkably, in both species the geographic clines for the major wing pattern loci are displaced by 18 km, leading to the rise of a novel hybrid morph in the centre of the hybrid zone. We propose that shared warning signalling (Müllerian mimicry) may couple the cline shifts seen in both species, and facilitate the parallel co-emergence of a novel hybrid morph in both co-mimetic species. Our results show the power of efficient haplotyping methods when combined with large-scale sequencing data from natural populations. One-sentence summary Haplotagging, a novel linked-read sequencing technique that enables whole genome haplotyping in large populations, reveals the formation of a novel hybrid race in parallel hybrid zones of two co-mimicking Heliconius butterfly species through strikingly parallel divergences in their genomes.

Abstract Ancient genomes anchor genealogies in directly observed historical genetic variation, and contextualise ancestral lineages with archaeological insights into their geography and lifestyles. We introduce an extension of the Relate algorithm to incorporate ancient genomes and reconstruct the joint genealogies of 14 previously published high-coverage ancients and 278 present-day individuals of the Simons Genome Diversity Project. As the majority of ancient genomes are of lower coverage and cannot be directly built into genealogies, we additionally present a fast and scalable method, Colate, for inferring coalescence rates between low-coverage genomes without requiring phasing or imputation. Our method leverages sharing patterns of mutations dated using a genealogy to construct a likelihood, which is maximised using an expectation-maximisation algorithm. We apply Colate to 430 ancient human shotgun genomes of >0.5x mean coverage. Using Relate and Colate, we characterise dynamic population structure, such as repeated partial population replacements in Ireland, and gene-flow between early farmer and European hunter-gatherer groups. We further show that the previously reported increase in the TCC/TTC mutation rate, which is strongest in West Eurasians among present-day people, was already widespread across West Eurasia in the Late Glacial Period ~10k - 15k years ago, is strongest in Neolithic and Anatolian farmers, and is remarkably well predicted by the coalescence rates between other genomes and a 10,000-year-old Anatolian individual. This suggests that the driver of this signal originated in ancestors of ancient Anatolia >14k years ago, but was already absent by the Mesolithic and may indicate a genetic link between the Near East and European hunter-gatherer groups in the Late Paleolithic.

Abstract Next-generation sequencing has led to a dramatic improvement in molecular diagnoses of serious pediatric disorders caused by apparently de novo mutations (DNMs); by contrast, clinicians’ ability to counsel the parents about the risk of recurrence in a future child has lagged behind. Owing to the possibility that one of the parents could be mosaic in their germline, a recurrence risk of 1-2% is frequently quoted, but for any specific couple, this figure is usually incorrect. We present a systematic approach to providing individualized recurrence risk stratification, by combining deep-sequencing of multiple tissues in the mother-father-child trio with haplotyping to determine the parental origin of the DNM. In the first 58 couples analysed (total of 59 DNMs in 49 different genes), the risk for 35 (59%) DNMs was decreased below 0.1% but for 6 (10%) couples it was increased owing to parental mosaicism - that could be quantified in semen (recurrence risks of 5.6-12.1%) for the paternal cases. Deep-sequencing of the DNM efficiently identifies couples at greatest risk for recurrence and may qualify them for additional reproductive technologies. Haplotyping can further reassure many other couples that their recurrence risk is very low, but its implementation is more technically challenging and will require better understanding of how couples respond to information that reduces their risks.

ABSTRACT Combining samples for genetic association is standard practice in human genetic analysis of complex traits, but is rarely undertaken in rodent genetics. Here, using 23 phenotypes and genotypes from two independent laboratories, we obtained a sample size of 3,076 commercially available outbred mice and identified 70 loci, more than double the number of loci identified in the component studies. Fine-mapping in the combined sample reduced the number of likely causal variants, with a median reduction in set size of 51%, and indicated novel gene associations, including Pnpo, Ttll6 and GM11545 with bone mineral density, and Psmb9 with weight. However replication at a nominal threshold of 0.05 between the two component studies was surprisingly low, with less than a third of loci identified in one study replicated in the second. In addition to overestimates in the effect size in the discovery sample (Winner’s Curse), we also found that heterogeneity between studies explained the poor replication, but the contribution of these two factors varied among traits. Available methods to control Winner’s Curse were contingent on the power of the discovery sample, and depending on the method used, both overestimated and underestimated the true effect. Leveraging these observations we integrated information about replication rates, confounding, and Winner’s Curse corrected estimates of power to assign variants to one of four confidence levels. Our approach addresses concerns about reproducibility, and demonstrates how to obtain robust results from mapping complex traits in any genome-wide association study.

Sharing human genotype and phenotype data presents a challenge because of privacy concerns, but is essential in order to discover otherwise inaccessible genetic associations. Here we present a method of homomorphic encryption that obscures individuals' genotypes and phenotypes and is suited to quantitative genetic association analysis. Encrypted ciphertext and unencrypted plaintext are interchangeable from an analytical perspective. This allows one to store ciphertext on public web services and share data across multiple studies, while maintaining privacy. The encryption method uses as its key a high-dimensional random linear orthogonal transformation that leaves the likelihood of quantitative trait data unchanged under a linear model with normally distributed errors. It also preserves linkage disequilibrium between genetic variants and associations between variants and phenotypes. It scrambles relationships between individuals: encrypted genotype dosages closely resemble Gaussian deviates, and in fact can be replaced by quantiles from a Gaussian with only negligible effects on accuracy. Standard likelihood-based inferences are unaffected by orthogonal encryption. These include the use of mixed linear models to control for unequal relatedness between individuals, the estimation of heritability, and the inclusion of covariates when testing for association. Orthogonal transformations can also be applied in a modular fashion that permits multi-party federated mega-analyses. Under this scheme any number of parties first agree to share a common set of genotype sites and covariates prior to encryption. Each party then privately encrypts and shares their own ciphertext, and analyses the other parties' ciphertexts. In the absence of private variants, or knowledge of the key, we show that it is infeasible to decrypt ciphertext using existing brute-force or noise reduction attacks. Therefore, we present the method as a challenge to the community to determine its security.

Non-invasive prenatal testing (NIPT) employs ultra-low-pass sequencing of maternal plasma cell-free DNA to detect fetal trisomy. With exceptional sensitivity, specificity, and safety, NIPT has gained global adoption, exceeding ten million tests, establishing it as one of the largest human genetic resources. This resource holds immense potential for exploring population genetic variations and their correlations with phenotypes. Here, we present comprehensive methods tailored for analyzing large, low-depth NIPT genetic datasets, involving customized algorithms and software for genetic variation detection, genotype imputation, and genome-wide association analysis. Through evaluations, we demonstrate that, when integrated with appropriate probabilistic models and population-specific haplotype reference panels, accurate allele frequency estimation and high genotype imputation accuracy (0.8 to 0.9) are achievable for genetic variants with alternative allele frequencies between 0.01 and 0.05, at sequencing depths of 0.1x to 0.25x. Additionally, we attained an R-square exceeding 0.9 for estimating genetic effect sizes across various sequencing platforms. These findings establish a robust theoretical and practical foundation for leveraging NIPT data in advancing medical genetic studies, not only in realms of maternal and child health, but also for long-term health outcomes.