Age is the dominant risk factor for most chronic human diseases, but the mechanisms through which ageing confers this risk are largely unknown1. The age-related acquisition of somatic mutations that lead to clonal expansion in regenerating haematopoietic stem cell populations has recently been associated with both haematological cancer2–4 and coronary heart disease5—this phenomenon is termed clonal haematopoiesis of indeterminate potential (CHIP)6. Simultaneous analyses of germline and somatic whole-genome sequences provide the opportunity to identify root causes of CHIP. Here we analyse high-coverage whole-genome sequences from 97,691 participants of diverse ancestries in the National Heart, Lung, and Blood Institute Trans-omics for Precision Medicine (TOPMed) programme, and identify 4,229 individuals with CHIP. We identify associations with blood cell, lipid and inflammatory traits that are specific to different CHIP driver genes. Association of a genome-wide set of germline genetic variants enabled the identification of three genetic loci associated with CHIP status, including one locus at TET2 that was specific to individuals of African ancestry. In silico-informed in vitro evaluation of the TET2 germline locus enabled the identification of a causal variant that disrupts a TET2 distal enhancer, resulting in increased self-renewal of haematopoietic stem cells. Overall, we observe that germline genetic variation shapes haematopoietic stem cell function, leading to CHIP through mechanisms that are specific to clonal haematopoiesis as well as shared mechanisms that lead to somatic mutations across tissues. Analysis of 97,691 high-coverage human blood DNA-derived whole-genome sequences enabled simultaneous identification of germline and somatic mutations that predispose individuals to clonal expansion of haematopoietic stem cells, indicating that both inherited and acquired mutations are linked to age-related cancers and coronary heart disease.

Resveratrol has been reported to improve metabolic function in metabolically abnormal rodents and humans, but it has not been studied in nonobese people with normal glucose tolerance. We conducted a randomized, double-blind, placebo-controlled trial to evaluate the metabolic effects of 12 weeks of resveratrol supplementation (75 mg/day) in nonobese, postmenopausal women with normal glucose tolerance. Although resveratrol supplementation increased plasma resveratrol concentration, it did not change body composition, resting metabolic rate, plasma lipids, or inflammatory markers. A two-stage hyperinsulinemic-euglycemic clamp procedure, in conjunction with stable isotopically labeled tracer infusions, demonstrated that resveratrol did not increase liver, skeletal muscle, or adipose tissue insulin sensitivity. Consistent with the absence of in vivo metabolic effects, resveratrol did not affect its putative molecular targets, including AMPK, SIRT1, NAMPT, and PPARGC1A, in either skeletal muscle or adipose tissue. These findings demonstrate that resveratrol supplementation does not have beneficial metabolic effects in nonobese, postmenopausal women with normal glucose tolerance.

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.

The CHARGE Gene-Lifestyle Interactions Working Group is a unique initiative formed to improve our understanding of the role and biological significance of gene-environment interactions in human traits and diseases. The consortium published several multi-ancestry genome-wide interaction studies (GWIS) involving up to 610,475 individuals for three lipids and four blood pressure traits while accounting for interaction effects with drinking and smoking exposures. Here we used GWIS summary statistics from these studies to decipher potential differences in genetic associations and GxE interactions across phenotype-exposure-population trios, and to derive new insights on the potential mechanistic underlying GxE through in-silico functional analyses. Our comparative analysis shows first that interaction effects likely contribute to the commonly reported ancestry-specific genetic effect in complex traits, and second, that some phenotype-exposures pairs are more likely to benefit from a greater detection power when accounting for interactions. It also highlighted a negligible correlation between main and interaction effects, providing material for future methodological development and biological discussions. We also estimated contributions to phenotypic variance, including in particular the genetic heritability conditional on the exposure, and heritability partitioned across a range of functional annotations and cell-types. In these analyses, we found multiple instances of heterogeneity of functional partitions between exposed and unexposed individuals, providing new evidence for likely exposure-specific genetic pathways. Finally, along this work we identified potential biases in methods used to jointly meta-analyses genetic and interaction effects. We performed a series of simulations to characterize these limitations and to provide the community with guideline for future GxE studies.

Nitrogen-containing bisphosphonates (N-BPs), such as alendronate, are the most widely prescribed medications for diseases involving bone, with nearly 200 million prescriptions written annually. Recently, widespread use of N-BPs has been challenged due to the risk of rare but traumatic side effects such as atypical femoral fracture (AFFs) and osteonecrosis of the jaw (ONJ). N-BPs bind to and inhibit farnesyl diphosphate synthase (FDPS), resulting in defects in protein prenylation. Yet it remains poorly understood what other cellular factors might allow N-BPs to exert their pharmacological effects. Here, we performed genome-wide studies in cells and patients to identify the poorly characterized gene, ATRAID . Loss of ATRAID function results in selective resistance to N-BP-mediated loss of cell viability and the prevention of alendronate-mediated inhibition of prenylation. ATRAID is required for alendronate inhibition of osteoclast function, and ATRAID -deficient mice have impaired therapeutic responses to alendronate in both postmenopausal and senile (old age) osteoporosis models. Lastly, we performed exome sequencing on patients taking N-BPs that suffered ONJ or an AFF. ATRAID is one of three genes that contain rare non-synonymous coding variants in patients with ONJ or AFF that is also differentially expressed in poor outcome groups of patients treated with N-BPs. We functionally validated this patient variation in ATRAID as conferring cellular hypersensitivity to N-BPs. Our work adds key insight into the mechanistic action of N-BPs and the processes that might underlie differential responsiveness to N-BPs in people.One Sentence Summary ATRAID is essential for responses to the commonly prescribed osteoporosis drugs nitrogen-containing bisphosphonates.Overline BONE### Competing Interest StatementATRAID, SNTG1, EPHB1, and PLCL1, the genes identified here, are part of a Whitehead–Harvard patent on which T.R.P., T.R.B., and D.M.S. are inventors (US8748097B1).

Human induced pluripotent stem cells (hiPSCs) are frequently used to study disease-associated variations. We characterized transcriptional variability from a hiPSC-derived cardiomyocyte (hiPSC-CM) study of left ventricular hypertrophy (LVH) using donor samples from the HyperGEN study. Multiple hiPSC-CM differentiations over reprogramming events (iPSC generation) across 7 donors were used to assess variabilities from reprogramming, differentiation, and donor LVH status. Variability arising from pathological alterations was assessed using a cardiac stimulant applied to the hiPSC-CMs to trigger hypertrophic responses. We found that for most genes (73.3%~85.5%), technical variability was smaller than biological variability. Further, we identified and characterized lists of "noise" genes showing greater technical variability and "signal" genes showing greater biological variability. Together, they support a "genetic robustness" hypothesis of disease-modeling whereby cellular response to relevant stimuli in hiPSC-derived somatic cells from diseased donors tends to show more transcriptional variability. Our findings suggest that hiPSC-CMs can provide a valid model for cardiac hypertrophy and distinguish between technical and disease-relevant transcriptional changes.

Large-scale whole-genome sequencing (WGS) studies have improved our understanding of the contributions of coding and noncoding rare variants to complex human traits. Leveraging association effect sizes across multiple traits in WGS rare variant association analysis can improve statistical power over single-trait analysis, and also detect pleiotropic genes and regions. Existing multi-trait methods have limited ability to perform rare variant analysis of large-scale WGS data. We propose MultiSTAAR, a statistical framework and computationally-scalable analytical pipeline for functionally-informed multi-trait rare variant analysis in large-scale WGS studies. MultiSTAAR accounts for relatedness, population structure and correlation among phenotypes by jointly analyzing multiple traits, and further empowers rare variant association analysis by incorporating multiple functional annotations. We applied MultiSTAAR to jointly analyze three lipid traits (low-density lipoprotein cholesterol, high-density lipoprotein cholesterol and triglycerides) in 61,861 multi-ethnic samples from the Trans-Omics for Precision Medicine (TOPMed) Program. We discovered new associations with lipid traits missed by single-trait analysis, including rare variants within an enhancer of NIPSNAP3A and an intergenic region on chromosome 1.

Abstract We construct non-linear machine learning (ML) prediction models for systolic and diastolic blood pressure (SBP, DBP) using demographic and clinical variables and polygenic risk scores (PRSs). We developed a two-model ensemble, consisting of a baseline model, where prediction is based on demographic and clinical variables only, and a genetic model, where we also include PRSs. We evaluate the use of a linear versus a non-linear model at both the baseline and the genetic model levels and assess the improvement in performance when incorporating multiple PRSs. We report the ensemble model’s performance as percentage variance explained (PVE) on a held-out test dataset. A non-linear baseline model improved the PVEs from 28.1 to 30.1% (SBP) and 14.3% to 17.4% (DBP) compared with a linear baseline model. Including seven PRSs in the genetic model computed based on the largest available GWAS of SBP/DBP improved the genetic model PVE from 4.8 to 5.1% (SBP) and 4.7 to 5% (DBP) compared to using a single PRS. Adding additional 14 PRSs computed based on two independent GWASs further increased the genetic model PVE to 6.3% (SBP) and 5.7% (DBP). PVE differed across self-reported race/ethnicity groups, with primarily all non-White groups benefitting from the inclusion of additional PRSs. In summary, non-linear ML models improves BP prediction in models incorporating diverse populations.

The Trans-Omics for Precision Medicine (TOPMed) program seeks to elucidate the genetic architecture and disease biology of heart, lung, blood, and sleep disorders, with the ultimate goal of improving diagnosis, treatment, and prevention. The initial phases of the program focus on whole genome sequencing of individuals with rich phenotypic data and diverse backgrounds. Here, we describe TOPMed goals and design as well as resources and early insights from the sequence data. The resources include a variant browser, a genotype imputation panel, and sharing of genomic and phenotypic data via dbGaP. In 53,581 TOPMed samples, >400 million single-nucleotide and insertion/deletion variants were detected by alignment with the reference genome. Additional novel variants are detectable through assembly of unmapped reads and customized analysis in highly variable loci. Among the >400 million variants detected, 97% have frequency <1% and 46% are singletons. These rare variants provide insights into mutational processes and recent human evolutionary history. The nearly complete catalog of genetic variation in TOPMed studies provides unique opportunities for exploring the contributions of rare and non-coding sequence variants to phenotypic variation. Furthermore, combining TOPMed haplotypes with modern imputation methods improves the power and extends the reach of nearly all genome-wide association studies to include variants down to ~0.01% in frequency.