Abstract Though discovered over 100 years ago, the molecular foundation of sporadic Alzheimer’s disease (AD) remains elusive. To elucidate its complex nature, we constructed multiscale causal network models on a large human AD multi-omics dataset, integrating clinical features of AD, DNA variation, and gene and protein expression into probabilistic causal models that enabled detection and prioritization of high-confidence key drivers of AD, including the top predicted key driver VGF. Overexpression of neuropeptide precursor VGF in 5xFAD mice partially rescued beta-amyloid-mediated memory impairment and neuropathology. Molecular validation of network predictions downstream of VGF was achieved, with significant enrichment for homologous genes identified as differentially expressed in 5xFAD brains overexpressing VGF versus controls. Our findings support a causal and/or protective role for VGF in AD pathogenesis and progression. One sentence summary VGF protects against Alzheimer’s disease

Abstract A major outstanding question in human prehistory is the fate of hunting and gathering populations following the rise of agriculture and pastoralism. Genomic analysis of ancient and contemporary Europeans suggests that autochthonous groups were either absorbed into or replaced by expanding farmer populations. Many of the hunter-gatherer populations persisting today live in Africa, perhaps because agropastoral transitions occurred later on the continent. Here, we present the first genomic data from the Chabu, a relatively isolated and marginalized hunting-and-gathering group from the Southwestern Ethiopian highlands. The Chabu are a distinct genetic population that carry the highest levels of Southwestern Ethiopian ancestry of any extant population studied thus far. This ancestry has been in situ for at least 4,500 years. We show that the Chabu are undergoing a severe population bottleneck which began around 40 generations ago. We also study other Eastern African populations and demonstrate divergent patterns of historical population size change over the past 60 generations between even closely related groups. We argue that these patterns demonstrate that, unlike in Europe, Africans hunter-gatherers responded to agropastoralism with diverse strategies.

Abstract Background Groups of distantly related individuals who share a short segment of their genome identical-by-descent (IBD) can provide insights about rare traits and diseases in massive biobanks via a process called IBD mapping. Clustering algorithms play an important role in finding these groups. We set out to analyze the fitness of commonly used, fast and scalable clustering algorithms for IBD mapping applications. We designed a realistic benchmark for local IBD graphs and utilized it to compare clustering algorithms in terms of statistical power. We also investigated the effectiveness of common clustering metrics as replacements for statistical power. Results We simulated 3.4 million clusters across 850 experiments with varying cluster counts, false-positive, and false-negative rates. Infomap and Markov Clustering (MCL) community detection methods have high statistical power in most of the graphs, compared to greedy methods such as Louvain and Leiden. We demonstrate that standard clustering metrics, such as modularity, cannot predict statistical power of algorithms in IBD mapping applications, though they can help with simulating realistic benchmarks. We extend our findings to real datasets by analyzing 3 populations in the Population Architecture using Genomics and Epidemiology (PAGE) Study with 51,000 members and 2 million shared segments on Chromosome 1, resulting in the extraction of 39 million local IBD clusters across three different populations in PAGE. We used cluster properties derived in PAGE to increase the accuracy of our simulations and comparison. Conclusions Markov Clustering produces a 30% increase in statistical power compared to the current state-of-art approach, while reducing runtime by 3 orders of magnitude; making it computationally tractable in modern large-scale genetic datasets. We provide an efficient implementation to enable clustering at scale for IBD mapping and poplation-based linkage for various populations and scenarios.

Peruvians are among the shortest people in the world. To understand the genetic basis of short stature in Peru, we examined an ethnically diverse group of Peruvians and identified a novel, population-specific, missense variant in FBN1 (E1297G) that is significantly associated with lower height in the Peruvian population. Each copy of the minor allele (frequency = 4.7%) reduces height by 2.2 cm (4.4 cm in homozygous individuals). This is the largest effect size known for a common height-associated variant. This variant shows strong evidence of positive selection within the Peruvian population and is significantly more frequent in Native American populations from coastal regions of Peru compared to populations from the Andes or the Amazon, suggesting that short stature in Peruvians is the result of adaptation to the coastal environment.

Heritability is essential for understanding the biological causes of disease, but requires laborious patient recruitment and phenotype ascertainment. Electronic health records (EHR) passively capture a wide range of clinically relevant data and provide a novel resource for studying the heritability of traits that are not typically accessible. EHRs contain next-of-kin information collected via patient emergency contact forms, but until now, these data have gone unused in research. We mined emergency contact data at three academic medical centers and identified millions of familial relationships while maintaining patient privacy. Identified relationships were consistent with genetically-derived relatedness. We used EHR data to compute heritability estimates for 500 disease phenotypes. Overall, estimates were consistent with literature and between sites. Inconsistencies were indicative of limitations and opportunities unique to EHR research. These analyses provide a novel validation of the use of EHRs for genetics and disease research.

Abstract Reference-based genotype imputation is a standard technique that has become increasingly popular in large-scale studies involving genomic data. The two key elements involved in the process of genotype imputation are (1) the haplotype reference panel to which a target individual is being imputed, and (2) the imputation algorithm used to infer missing genotypes in the target individual. The imputation literature has historically focused mainly on (2), with a typical comparative study investigating the relative performance of various imputation algorithms while holding the reference panel constant. However, the role of the reference panel itself (1) on overall imputation performance is equally, if not more, important than the choice among many high-performing algorithms. Even though it is intuitive that the quality of a reference panel should play a role in the accuracy of imputation, it is nonetheless unclear to what extent common errors during panel creation (e.g., genotyping and phase error) lead to suboptimal imputation performance. In this study, we investigate the effects of applying three distinct modes of perturbations to a widely used haplotype reference panel in human genetics on the resulting imputation accuracy. Specifically, we perturb the reference panel by (1) randomly introducing phase errors, (2) randomly introducing genotype errors, and (3) randomly pruning variants from the panel (all at varying magnitudes). We then impute a set of diverse individuals at various sequencing coverages (0.5x, 1.0x, and 2.0x) to these various perturbed panels and evaluate imputation accuracy using the r 2 metric for the entire cohort as well as ancestry-stratified subsets. We observe that both phase- and genotype-perturbations can dramatically affect imputation accuracy, particularly at very low allele frequencies, while pruning variants has a far smaller effect. We then empirically verified that our simulations reliably predict the impact of potential filtering techniques in a real-world dataset. In the context of haplotype reference panels, these results suggest that phasing and genotyping accuracy are far more important than the density of a reference panel used for imputation.

Background: The emergence of genomic data in biobanks and health systems offers new ways to derive medically important phenotypes, including acute phenotypes that occur during in-patient clinical care. We hypothesized that there is a genetic underpinning to the magnitude of the response to phenylephrine, an alpha1-adrenergic receptor agonist commonly used to treat hypotension during anesthesia and surgery. Methods: We quantified the response to phenylephrine by determining the delta between the minimum blood pressure (BP) within five minutes before and the maximum BP within five minutes after bolus administration. We then performed a genome-wide association study (GWAS) adjusted for genetic ancestry, demographics, and relevant clinical covariates to investigate genetic factors underlying individual differences systolic BP response to phenylephrine (Delta SBP), as well as mean arterial pressure (Delta MAP) and diastolic BP (Delta DBP), for both the entire study cohort as well as for each of 3 ancestry sub-cohorts; European American (EA), African American (AA), and Hispanic American (HA). Results: 4,317 patients met inclusion criteria, of which 3,699 were genotyped. Average ΔBP values over the entire cohort were Delta SBP= 17 (+- 25) mmHg, Delta MAP = 14 (+- 18) mmHg, Delta DBP = 11(+- 14) mmHg. The largest difference between populations was observed for Delta SBP (Delta SBP EA = 20(+- 24) mmHg; Delta SBP HA = 16 (+- 25) mmHg; Delta SBP AA = 15 (+- 25) mmHg). The differences remained after adjusting for clinical covariates and ancestry (EA vs. HA: Delta SBP, p<0.032; Delta MAP, p<0.021; Delta DBP, p<0.008); (EA vs. AA: Delta SBP, p<5.13x10-5; Delta MAP, p<2.1x10-4; Delta DBP, p<3.3x10-4). GWAS revealed significant associations between loci and BP response in 5 different genome regions (p<5x10-8) in the entire cohort, and suggestive associations in 2 different regions in EAs (p<6x10-8,p<7x10-8). We observed non-random enrichment in association with SBP drug response in 165 loci previously reported to be associated with systolic blood pressure. Finally, we discovered rare variants, rs188427942 and rs147664194 present at ~1% in EAs and rs146535276 present at ~1% in AAs respectively, where patients carrying one copy of these variants show no response to phenylephrine. Conclusions: It is possible to derive a quantitative phenotype suited for comparative statistics and genome-wide association studies from routinely collected perioperative data. There are population differences in rapid response to phenylephrine, large effect alleles and novel genes affecting pharmaceutical response, and phenylephrine non-responders, with implications for personalized treatment during surgery.

Genome-wide association studies (GWAS) have laid the foundation for many downstream investigations, including the biology of complex traits, drug development, and clinical guidelines. However, the dominance of European-ancestry populations in GWAS creates a biased view of human variation and hinders the translation of genetic associations into clinical and public health applications. To demonstrate the benefit of studying underrepresented populations, the Population Architecture using Genomics and Epidemiology (PAGE) study conducted a GWAS of 26 clinical and behavioral phenotypes in 49,839 non-European individuals. Using novel strategies for multi-ethnic analysis of admixed populations, we confirm 574 GWAS catalog variants across these traits, and find 28 novel loci and 42 residual signals in known loci. Our data show strong evidence of effect-size heterogeneity across ancestries for published GWAS associations, which substantially restricts genetically-guided precision medicine. We advocate for new, large genome-wide efforts in diverse populations to reduce health disparities.

Pathogenic variants in BRCA1 and BRCA2 ( BRCA1/2 ) lead to increased risk of breast, ovarian, and other cancers, but most variant positive individuals in the general population are unaware of their risk, and little is known about the prevalence of pathogenic BRCA1/2 variants in non-European populations. We investigated BRCA1/2 prevalence and impact using exome sequencing and electronic health record (EHR) data from 30,223 adult participants of the BioMe Biobank in New York City. There were 218 (0.7%) individuals harboring expected pathogenic variants, resulting in an overall prevalence of 1 in 139. In sub-populations defined by genetic ancestry, the highest prevalence was in individuals of Ashkenazi Jewish (AJ; 1 in 49), Filipino and Southeast Asian (1 in 81), and Non-AJ European (1 in 103) descent. Among 218 variant positive individuals, 112 (51.4%) harbored known founder variants: 80 had AJ founder variants ( BRCA1 c.5266dupC and c.68_69delAG, and BRCA2 c.5946delT), 7 had a Puerto Rican founder variant ( BRCA2 c.3922G>T), and 25 had one of 19 other founder variants. Non-European populations were more likely to harbor BRCA1/2 variants that were not classified in ClinVar, or that had uncertain or conflicting evidence for pathogenicity. Within mixed ancestry populations, such as Hispanic/Latinos with genetic ancestry from Africa, Europe, and the Americas, there was a strong correlation between the proportion African genetic ancestry and the likelihood of harboring a BRCA1/2 variant with uncertain or conflicting evidence for pathogenicity. Based on EHR and participant questionnaire data, ~28% of variant positive individuals had a personal history, and ~45% a personal or family history of BRCA1/2 -associated cancers. Approximately 27% of variant positive individuals had evidence of prior clinical genetic testing for BRCA1/2 . However, individuals with AJ founder variants were twice as likely to have had a clinical test (38%) than those with other pathogenic variants (19%). These findings deepen our knowledge about BRCA1/2 variants and associated cancer risk in diverse populations, indicate a gap in knowledge about potential cancer-related variants in non-European populations, and suggest that genomic screening in diverse patient populations may be an effective tool to identify at-risk individuals.

The ability to identify segments of genomes identical-by-descent (IBD) is a part of standard workflows in both statistical and population genetics. However, traditional methods for finding local IBD across all pairs of individuals scale poorly leading to a lack of adoption in very large-scale datasets. Here, we present iLASH, IBD by LocAlity-Sensitive Hashing, an algorithm based on similarity detection techniques that shows equal or improved accuracy in simulations compared to the current leading method and speeds up analysis by several orders of magnitude on genomic datasets, making IBD estimation tractable for hundreds of thousands to millions of individuals. We applied iLASH to the Population Architecture using Genomics and Epidemiology (PAGE) dataset of ~52,000 multi-ethnic participants, including several founder populations with elevated IBD sharing, which identified IBD segments on a single machine in an hour (~3 minutes per chromosome compared to over 6 days per chromosome for a state-of-the-art algorithm). iLASH is able to efficiently estimate IBD tracts in very large-scale datasets, as demonstrated via IBD estimation across the entire UK Biobank (~500,000 individuals), detecting nearly 13 billion pairwise IBD tracts shared between ~11% of participants. In summary, iLASH enables fast and accurate detection of IBD, an upstream step in applications of IBD for population genetics and trait mapping.