Alexander Gusev, Bogdan Pasaniuc and colleagues present a strategy that integrates gene expression measurements with summary statistics from large-scale genome-wide association studies to identify genes whose cis-regulated expression is associated with complex traits. They identify 69 new genes significantly associated with obesity-related traits and illustrate how this approach can provide insights into the genetic basis of complex traits. Many genetic variants influence complex traits by modulating gene expression, thus altering the abundance of one or multiple proteins. Here we introduce a powerful strategy that integrates gene expression measurements with summary association statistics from large-scale genome-wide association studies (GWAS) to identify genes whose cis-regulated expression is associated with complex traits. We leverage expression imputation from genetic data to perform a transcriptome-wide association study (TWAS) to identify significant expression-trait associations. We applied our approaches to expression data from blood and adipose tissue measured in ∼3,000 individuals overall. We imputed gene expression into GWAS data from over 900,000 phenotype measurements to identify 69 new genes significantly associated with obesity-related traits (BMI, lipids and height). Many of these genes are associated with relevant phenotypes in the Hybrid Mouse Diversity Panel. Our results showcase the power of integrating genotype, gene expression and phenotype to gain insights into the genetic basis of complex traits.

Context

 Exposure to cardiovascular risk factors during childhood and adolescence may be associated with the development of atherosclerosis later in life. 

Objective

 To study the relationship between cardiovascular risk factors measured in childhood and adolescence and common carotid artery intima-media thickness (IMT), a marker of preclinical atherosclerosis, measured in adulthood. 

Design, Setting, and Participants

 Population-based, prospective cohort study conducted at 5 centers in Finland among 2229 white adults aged 24 to 39 years who were examined in childhood and adolescence at ages 3 to 18 years in 1980 and reexamined 21 years later, between September 2001 and January 2002. 

Main Outcome Measures

 Association between cardiovascular risk variables (levels of low-density lipoprotein cholesterol [LDL-C], high-density lipoprotein cholesterol [HDL-C], and triglycerides; LDL-C/HDL-C ratio; systolic and diastolic blood pressure; body mass index; smoking) measured in childhood and adulthood and common carotid artery IMT measured in adulthood. 

Results

 In multivariable models adjusted for age and sex, IMT in adulthood was significantly associated with childhood LDL-C levels (P= .001), systolic blood pressure (P<.001), body mass index (P= .007), and smoking (P= .02), and with adult systolic blood pressure (P<.001), body mass index (P<.001), and smoking (P= .004). The number of risk factors measured in 12- to 18-year-old adolescents, including high levels (ie, extreme age- and sex-specific 80th percentile) of LDL-C, systolic blood pressure, body mass index, and cigarette smoking, were directly related to carotid IMT measured in young adults at ages 33 through 39 years (P<.001 for both men and women), and remained significant after adjustment for contemporaneous risk variables. The number of risk factors measured at ages 3 to 9 years demonstrated a weak direct relationship with carotid IMT at ages 24 to 30 years in men (P= .02) but not in women (P= .63). 

Conclusions

 Risk factor profile assessed in 12- to 18-year-old adolescents predicts adult common carotid artery IMT independently of contemporaneous risk factors. These findings suggest that exposure to cardiovascular risk factors early in life may induce changes in arteries that contribute to the development of atherosclerosis.

Abstract Population isolates such as those in Finland benefit genetic research because deleterious alleles are often concentrated on a small number of low-frequency variants (0.1% ≤ minor allele frequency < 5%). These variants survived the founding bottleneck rather than being distributed over a large number of ultrarare variants. Although this effect is well established in Mendelian genetics, its value in common disease genetics is less explored 1,2 . FinnGen aims to study the genome and national health register data of 500,000 Finnish individuals. Given the relatively high median age of participants (63 years) and the substantial fraction of hospital-based recruitment, FinnGen is enriched for disease end points. Here we analyse data from 224,737 participants from FinnGen and study 15 diseases that have previously been investigated in large genome-wide association studies (GWASs). We also include meta-analyses of biobank data from Estonia and the United Kingdom. We identified 30 new associations, primarily low-frequency variants, enriched in the Finnish population. A GWAS of 1,932 diseases also identified 2,733 genome-wide significant associations (893 phenome-wide significant (PWS), P < 2.6 × 10 –11 ) at 2,496 (771 PWS) independent loci with 807 (247 PWS) end points. Among these, fine-mapping implicated 148 (73 PWS) coding variants associated with 83 (42 PWS) end points. Moreover, 91 (47 PWS) had an allele frequency of <5% in non-Finnish European individuals, of which 62 (32 PWS) were enriched by more than twofold in Finland. These findings demonstrate the power of bottlenecked populations to find entry points into the biology of common diseases through low-frequency, high impact variants.

A genome-wide association study in 293,723 individuals identifies 74 genetic variants associated with educational attainment, which, although only explaining a small proportion of the variation in educational attainment, highlights candidate genes and pathways for further study. The level of educational attainment as measured by years of schooling completed, while strongly influenced by social and environmental factors, has also been shown to have a smaller genetic contribution. Philipp Koellinger, Peter Visscher and colleagues from the Social Science Genetic Association Consortium (SSGAC) now report a genome-wide association study in 293,723 individuals identifying 74 genetic variants associated with level of educational attainment. Although the genetic associations explain only a small proportion of the variation in educational attainment, they highlight candidate genes and pathways for further study. Educational attainment is strongly influenced by social and other environmental factors, but genetic factors are estimated to account for at least 20% of the variation across individuals1. Here we report the results of a genome-wide association study (GWAS) for educational attainment that extends our earlier discovery sample1,2 of 101,069 individuals to 293,723 individuals, and a replication study in an independent sample of 111,349 individuals from the UK Biobank. We identify 74 genome-wide significant loci associated with the number of years of schooling completed. Single-nucleotide polymorphisms associated with educational attainment are disproportionately found in genomic regions regulating gene expression in the fetal brain. Candidate genes are preferentially expressed in neural tissue, especially during the prenatal period, and enriched for biological pathways involved in neural development. Our findings demonstrate that, even for a behavioural phenotype that is mostly environmentally determined, a well-powered GWAS identifies replicable associated genetic variants that suggest biologically relevant pathways. Because educational attainment is measured in large numbers of individuals, it will continue to be useful as a proxy phenotype in efforts to characterize the genetic influences of related phenotypes, including cognition and neuropsychiatric diseases.

Trait-associated genetic variants affect complex phenotypes primarily via regulatory mechanisms on the transcriptome. To investigate the genetics of gene expression, we performed cis- and trans-expression quantitative trait locus (eQTL) analyses using blood-derived expression from 31,684 individuals through the eQTLGen Consortium. We detected cis-eQTL for 88% of genes, and these were replicable in numerous tissues. Distal trans-eQTL (detected for 37% of 10,317 trait-associated variants tested) showed lower replication rates, partially due to low replication power and confounding by cell type composition. However, replication analyses in single-cell RNA-seq data prioritized intracellular trans-eQTL. Trans-eQTL exerted their effects via several mechanisms, primarily through regulation by transcription factors. Expression of 13% of the genes correlated with polygenic scores for 1,263 phenotypes, pinpointing potential drivers for those traits. In summary, this work represents a large eQTL resource, and its results serve as a starting point for in-depth interpretation of complex phenotypes. Analyses of expression profiles from whole blood of 31,684 individuals identify cis-expression quantitative trait loci (eQTL) effects for 88% of genes and trans-eQTL effects for 37% of trait-associated variants.

In Finland, coronary heart disease (CHD) incidence was very high in the 1960s and 1970s. In line with this high incidence, the Seven Countries Study showed that the level of serum cholesterol in Finns was also the highest among the investigated countries in the 1960s. Because several studies indicated that the atherosclerotic process starts early in life, and in accord with the World Health Organization Recommendation of 1978 which stated that studies assessing atherosclerosis precursors in children should be initiated, a program was launched in Finland in the late 1970s to study cardiovascular risk in the youth. The Cardiovascular Risk in Young Finns Study was designed as a collaborative effort between five university departments of medical schools (i.e. in Helsinki, Kuopio, Oulu, Tampere and Turku) and several other institutions in Finland. The aim was to study the levels of CHD risk factors and their determinants in children and adolescents of various ages in different parts of the country. Two pilot studies were carried out in 1978 (N1⁄4 264, age 8 years) and in 1979 (N1⁄4 634, aged 3, 12 and 17 years). The first main cross-sectional (baseline) study was performed in 1980. The baseline study included 3596 children and adolescents aged 3, 6, 9, 12, 15 and 18 years. Between 1980 and 1992, these cohorts were followed up at 3-year intervals. The latest examination of the Cardiovascular Risk in Young Finns Study was performed in 2001, when the participants were young adults, aged 24–39 years. At the time of writing, the 27-year (i.e. 27 years since the start of the study when the participants are aged 30–45 years) follow-up field studies are being conducted, and will be completed in the beginning of 2008.

Genome-wide association studies have identified numerous loci linked with complex diseases, for which the molecular mechanisms remain largely unclear. Comprehensive molecular profiling of circulating metabolites captures highly heritable traits, which can help to uncover metabolic pathophysiology underlying established disease variants. We conduct an extended genome-wide association study of genetic influences on 123 circulating metabolic traits quantified by nuclear magnetic resonance metabolomics from up to 24,925 individuals and identify eight novel loci for amino acids, pyruvate and fatty acids. The LPA locus link with cardiovascular risk exemplifies how detailed metabolic profiling may inform underlying aetiology via extensive associations with very-low-density lipoprotein and triglyceride metabolism. Genetic fine mapping and Mendelian randomization uncover wide-spread causal effects of lipoprotein(a) on overall lipoprotein metabolism and we assess potential pleiotropic consequences of genetically elevated lipoprotein(a) on diverse morbidities via electronic health-care records. Our findings strengthen the argument for safe LPA-targeted intervention to reduce cardiovascular risk.

Background— High-throughput profiling of circulating metabolites may improve cardiovascular risk prediction over established risk factors. Methods and Results— We applied quantitative nuclear magnetic resonance metabolomics to identify the biomarkers for incident cardiovascular disease during long-term follow-up. Biomarker discovery was conducted in the National Finnish FINRISK study (n=7256; 800 events). Replication and incremental risk prediction was assessed in the Southall and Brent Revisited (SABRE) study (n=2622; 573 events) and British Women’s Health and Heart Study (n=3563; 368 events). In targeted analyses of 68 lipids and metabolites, 33 measures were associated with incident cardiovascular events at P <0.0007 after adjusting for age, sex, blood pressure, smoking, diabetes mellitus, and medication. When further adjusting for routine lipids, 4 metabolites were associated with future cardiovascular events in meta-analyses: higher serum phenylalanine (hazard ratio per standard deviation, 1.18; 95% confidence interval, 1.12–1.24; P =4×10 –10 ) and monounsaturated fatty acid levels (1.17; 1.11–1.24; P =1×10 –8 ) were associated with increased cardiovascular risk, while higher omega-6 fatty acids (0.89; 0.84–0.94; P =6×10 –5 ) and docosahexaenoic acid levels (0.90; 0.86–0.95; P =5×10 –5 ) were associated with lower risk. A risk score incorporating these 4 biomarkers was derived in FINRISK. Risk prediction estimates were more accurate in the 2 validation cohorts (relative integrated discrimination improvement, 8.8% and 4.3%), albeit discrimination was not enhanced. Risk classification was particularly improved for persons in the 5% to 10% risk range (net reclassification, 27.1% and 15.5%). Biomarker associations were further corroborated with mass spectrometry in FINRISK (n=671) and the Framingham Offspring Study (n=2289). Conclusions— Metabolite profiling in large prospective cohorts identified phenylalanine, monounsaturated fatty acids, and polyunsaturated fatty acids as biomarkers for cardiovascular risk. This study substantiates the value of high-throughput metabolomics for biomarker discovery and improved risk assessment.

Martin Tobin and colleagues present genome-wide association studies for pulmonary function as part of the SpiroMeta consortium. Pulmonary function measures are heritable traits that predict morbidity and mortality and define chronic obstructive pulmonary disease (COPD). We tested genome-wide association with forced expiratory volume in 1 s (FEV1) and the ratio of FEV1 to forced vital capacity (FVC) in the SpiroMeta consortium (n = 20,288 individuals of European ancestry). We conducted a meta-analysis of top signals with data from direct genotyping (n ≤ 32,184 additional individuals) and in silico summary association data from the CHARGE Consortium (n = 21,209) and the Health 2000 survey (n ≤ 883). We confirmed the reported locus at 4q31 and identified associations with FEV1 or FEV1/FVC and common variants at five additional loci: 2q35 in TNS1 (P = 1.11 × 10−12), 4q24 in GSTCD (2.18 × 10−23), 5q33 in HTR4 (P = 4.29 × 10−9), 6p21 in AGER (P = 3.07 × 10−15) and 15q23 in THSD4 (P = 7.24 × 10−15). mRNA analyses showed expression of TNS1, GSTCD, AGER, HTR4 and THSD4 in human lung tissue. These associations offer mechanistic insight into pulmonary function regulation and indicate potential targets for interventions to alleviate respiratory disease.

A high-throughput proton (1H) nuclear magnetic resonance (NMR) metabonomics approach is introduced to characterise systemic metabolic phenotypes. The methodology combines two molecular windows that contain the majority of the metabolic information available by 1H NMR from native serum, e.g. serum lipids, lipoprotein subclasses as well as various low-molecular-weight metabolites. The experimentation is robotics-controlled and fully automated with a capacity of about 150-180 samples in 24 h. To the best of our knowledge, the presented set-up is unique in the sense of experimental high-throughput, cost-effectiveness, and automated multi-metabolic data analyses. As an example, we demonstrate that the NMR data as such reveal associations between systemic metabolic phenotypes and the metabolic syndrome (n = 4407). The high-throughput of up to 50,000 serum samples per year is also paving the way for this technology in large-scale clinical and epidemiological studies. In contradiction to single 'biomarkers', the application of this holistic NMR approach and the integrated computational methods provides a data-driven systems biology approach to biomedical research.