One of the justifiable criticisms of human genetic studies is the underrepresentation of participants from diverse populations. Lack of inclusion must be addressed at-scale to identify causal disease factors and understand the genetic causes of health disparities. We present genome-wide associations for 2068 traits from 635,969 participants in the Department of Veterans Affairs Million Veteran Program, a longitudinal study of diverse United States Veterans. Systematic analysis revealed 13,672 genomic risk loci; 1608 were only significant after including non-European populations. Fine-mapping identified causal variants at 6318 signals across 613 traits. One-third ( n = 2069) were identified in participants from non-European populations. This reveals a broadly similar genetic architecture across populations, highlights genetic insights gained from underrepresented groups, and presents an extensive atlas of genetic associations.

Abstract We conduct a large-scale meta-analysis of heart failure genome-wide association studies (GWAS) consisting of over 90,000 heart failure cases and more than 1 million control individuals of European ancestry to uncover novel genetic determinants for heart failure. Using the GWAS results and blood protein quantitative loci, we perform Mendelian randomization and colocalization analyses on human proteins to provide putative causal evidence for the role of druggable proteins in the genesis of heart failure. We identify 39 genome-wide significant heart failure risk variants, of which 18 are previously unreported. Using a combination of Mendelian randomization proteomics and genetic cis-only colocalization analyses, we identify 10 additional putatively causal genes for heart failure. Findings from GWAS and Mendelian randomization-proteomics identify seven ( CAMK2D , PRKD1 , PRKD3 , MAPK3 , TNFSF12 , APOC3 and NAE1 ) proteins as potential targets for interventions to be used in primary prevention of heart failure.

Abstract We conduct a large-scale meta-analysis of heart failure genome-wide association studies (GWAS) consisting of over 90,000 heart failure cases and more than 1 million control individuals of European ancestry to uncover novel genetic determinants for heart failure. Using the GWAS results and blood protein quantitative loci, we perform Mendelian randomization and colocalization analyses on human proteins to provide putative causal evidence for the role of druggable proteins in the genesis of heart failure. We identify 39 genome-wide significant heart failure risk variants, of which 18 are previously unreported. Using a combination of Mendelian randomization proteomics and genetic cis-only colocalization analyses, we identify 10 additional putatively causal genes for heart failure. Findings from GWAS and Mendelian randomization-proteomics identify seven ( CAMK2D , PRKD1 , PRKD3 , MAPK3 , TNFSF12 , APOC3 and NAE1 ) proteins as potential targets for interventions to be used in primary prevention of heart failure.

Individuals vary in their liability to develop Posttraumatic Stress Disorder (PTSD), the symptoms of which are highly heterogeneous, following exposure to life-threatening trauma. Understanding genetic factors that contribute to the biology of PTSD is critical for refining diagnosis and developing new treatments. Using genetic data from more than 250,000 participants in the Million Veteran Program, genomewide association analyses were conducted using a validated electronic health record-based algorithmically-defined PTSD diagnosis phenotype (48,221 cases and 217,223 controls), and PTSD quantitative symptom phenotypes (212,007 individuals). We identified several genome-wide significant loci in the case-control analyses, and numerous such loci in the quantitative trait analyses, including some (e.g., MAD1L1; TCF4; CRHR1) that were associated with multiple symptom sub-domains and total symptom score, and others that were more specific to certain symptom sub-domains (e.g., CAMKV to re-experiencing; SOX6 to hyperarousal). Genetic correlations between all pairs of symptom sub-domains and their total were very high (rg 0.93 to 0.98) supporting validity of the PTSD diagnostic construct. We also demonstrate strong shared heritability with a range of traits, show that heritability persists when conditioned on other major psychiatric disorders, present independent replication results, provide support for one of the implicated genes in postmortem brain of individuals with PTSD, and use this information to identify potential drug repositioning candidates. These results point to the utility of genetics to inform and validate the biological coherence of the PTSD syndrome despite considerable heterogeneity at the symptom level, and to provide new directions for treatment development.

Polygenic scores (PGS) are a promising tool for estimating individual-level genetic risk of disease based on the results of genome-wide association studies (GWAS). However, their promise has yet to be fully realized because most currently available PGS were built with genetic data from predominantly European-ancestry populations, and PGS performance declines when scores are applied to target populations different from the populations from which they were derived. Thus, there is a great need to improve PGS performance in currently under-studied populations. In this work we leverage data from two large and diverse cohorts the Million Veterans Program (MVP) and All of Us (AoU), providing us the unique opportunity to compare methods for building polygenic scores for multi-ancestry populations across multiple traits. We build polygenic scores for five continuous traits and five binary traits using both single-ancestry and multi-ancestry approaches with popular Bayesian PGS methods and population-specific GWAS results from the respective African, European, and Hispanic MVP populations. We evaluate these scores in three AoU populations genetically similar to the respective African, Admixed American, and European 1000 Genomes Project superpopulations. Using correlation-based tests, we make formal comparisons of the PGS performance across the multiple AoU populations. We conclude that approaches that combine GWAS data from multiple populations produce PGS that perform better than approaches which utilize smaller single-population GWAS results matched to the target population, and specifically that multi-ancestry scores built with PRS-CSx outperform the other approaches in the three AoU populations.