Abstract Tobacco and alcohol use are heritable behaviours associated with 15% and 5.3% of worldwide deaths, respectively, due largely to broad increased risk for disease and injury 1–4 . These substances are used across the globe, yet genome-wide association studies have focused largely on individuals of European ancestries 5 . Here we leveraged global genetic diversity across 3.4 million individuals from four major clines of global ancestry (approximately 21% non-European) to power the discovery and fine-mapping of genomic loci associated with tobacco and alcohol use, to inform function of these loci via ancestry-aware transcriptome-wide association studies, and to evaluate the genetic architecture and predictive power of polygenic risk within and across populations. We found that increases in sample size and genetic diversity improved locus identification and fine-mapping resolution, and that a large majority of the 3,823 associated variants (from 2,143 loci) showed consistent effect sizes across ancestry dimensions. However, polygenic risk scores developed in one ancestry performed poorly in others, highlighting the continued need to increase sample sizes of diverse ancestries to realize any potential benefit of polygenic prediction.

Genome-wide association analyses using high-throughput metabolomics platforms have led to novel insights into the biology of human metabolism1-7. This detailed knowledge of the genetic determinants of systemic metabolism has been pivotal for uncovering how genetic pathways influence biological mechanisms and complex diseases8-11. Here we present a genome-wide association study for 233 circulating metabolic traits quantified by nuclear magnetic resonance spectroscopy in up to 136,016 participants from 33 cohorts. We identify more than 400 independent loci and assign probable causal genes at two-thirds of these using manual curation of plausible biological candidates. We highlight the importance of sample and participant characteristics that can have significant effects on genetic associations. We use detailed metabolic profiling of lipoprotein- and lipid-associated variants to better characterize how known lipid loci and novel loci affect lipoprotein metabolism at a granular level. We demonstrate the translational utility of comprehensively phenotyped molecular data, characterizing the metabolic associations of intrahepatic cholestasis of pregnancy. Finally, we observe substantial genetic pleiotropy for multiple metabolic pathways and illustrate the importance of careful instrument selection in Mendelian randomization analysis, revealing a putative causal relationship between acetone and hypertension. Our publicly available results provide a foundational resource for the community to examine the role of metabolism across diverse diseases.

Abstract Complete characterization of the genetic effects on gene expression is needed to elucidate tissue biology and the etiology of complex traits. Here, we analyzed 2,344 subcutaneous adipose tissue samples and identified 34K conditionally distinct expression quantitative trait locus (eQTL) signals in 18K genes. Over half of eQTL genes exhibited at least two eQTL signals. Compared to primary signals, non-primary signals had lower effect sizes, lower minor allele frequencies, and less promoter enrichment; they corresponded to genes with higher heritability and higher tolerance for loss of function. Colocalization of eQTL with conditionally distinct genome-wide association study signals for 28 cardiometabolic traits identified 3,605 eQTL signals for 1,861 genes. Inclusion of non-primary eQTL signals increased colocalized signals by 46%. Among 30 genes with ≥2 pairs of colocalized signals, 21 showed a mediating gene dosage effect on the trait. Thus, expanded eQTL identification reveals more mechanisms underlying complex traits and improves understanding of the complexity of gene expression regulation.

Identification of the individuals having impaired kidney function is essential in preventing the complications of this disease. We measured 1009 metabolites at the baseline study in 10,159 Finnish men of the METSIM cohort and associated the metabolites with an estimated glomerular filtration rate (eGFR). A total of 7090 men participated in the 12-year follow-up study. Non-targeted metabolomics profiling was performed at Metabolon, Inc. (Morrisville, NC, USA) on EDTA plasma samples obtained after overnight fasting. We applied liquid chromatography mass spectrometry (LC-MS/MS) to identify the metabolites (the Metabolon DiscoveryHD4 platform). We performed association analyses between the eGFR and metabolites using linear regression adjusted for confounding factors. We found 108 metabolites significantly associated with a decrease in eGFR, and 28 of them were novel, including 12 amino acids, 8 xenobiotics, 5 lipids, 1 nucleotide, 1 peptide, and 1 partially characterized molecule. The most significant associations were with five amino acids, N-acetylmethionine, N-acetylvaline, gamma-carboxyglutamate, 3-methylglutaryl-carnitine, and pro-line. We identified 28 novel metabolites associated with decreased eGFR in the 12-year follow-up study of the METSIM cohort. These findings provide novel insights into the role of metabolites and metabolic pathways involved in the decline of kidney function.