Abstract Evidence of how human evolution shaped the polygenicity of human traits and diseases has been extensively studied in populations of European descent. However, limited information is currently available about its impact on other ancestry groups. Here, we investigated how different evolutionary processes affected the common variant heritability of traits and diseases in East Asians. Leveraging genome-wide association statistics from the Biobank Japan (up to 158,284 participants), we assessed natural selection (negative and positive), archaic introgression from Neanderthal and Denisova, and several genomic functional categories with respect to the heritability of physiological and pathological conditions. Similar to reports in European descent populations, the heritability estimates for East Asian traits were ubiquitously enriched for negative selection annotations (false discovery rate, FDR q<0.05). Enrichment of Denisovan introgression was identified in coronary artery disease (1.69-fold enrichment, p=0.003). We followed up these enrichments by conducting a phenome-wide association study (PheWAS) of Denisovan and Neanderthal alleles in participants of six ancestral backgrounds from the UK Biobank. In East Asians, Denisovan-inherited alleles were associated with 22 phenotypes, including metabolic, immunological, cardiovascular, endocrine, and dermatological traits. The strongest association was observed for the Denisovan-inherited locus rs59185462 with rheumatoid arthritis (beta=0.82, p=1.91×10 −105 ). In summary, our study provides the first evidence regarding the impact of evolutionary processes on the genetics of complex traits in worldwide populations, highlighting the specific contribution of Denisovan introgression in East Asian populations.

Abstract The Million Veteran Program (MVP) participants represent 100 years of US history, including significant social and demographic change over time. Our study assessed two aspects of the MVP: (i) longitudinal changes in population diversity and (ii) how these changes can be accounted for in genome-wide association studies (GWAS). The MVP was divided into five birth cohorts (N-range=123,888 [born from 1943-1947] to 136,699 [born from 1948-1953]). Groups of participants were defined by (i) HARE (harmonized ancestry and race/ethnicity) and (ii) a random-forest clustering approach using the 1000 Genomes Project and the Human Genome Diversity Project (1kGP+HGDP) reference panels (77 world populations representing six continental groups). In these groups, we performed GWASs of height, a trait potentially affected by population stratification. Birth cohorts demonstrate important trends in ancestry diversity over time. More recent HARE-assigned Europeans, Africans, and Hispanics had lower European ancestry proportions than older birth cohorts (0.010<Cohen’s d<0.259, p<7.80×10 −4 ). Conversely, HARE-assigned East Asians showed an increase in European ancestry proportion over time. In GWAS of height using HARE assignments, genomic inflation due to population stratification was prevalent across all birth cohorts (linkage disequilibrium score regression intercept=1.08±0.042). The 1kGP+HGDP-based ancestry assignment significantly reduced the population stratification (mean intercept reduction=0.045±0.007, p<0.05) confounding in the GWAS statistics. This study provides a comprehensive characterization of ancestry diversity of the MVP cohort over time and highlights that more refined modeling of genetic diversity (e.g., the 1kGP+HGDP-based ancestry assignment) can more accurately capture the polygenic architecture of traits and diseases that could be affected by population stratification.

Abstract Most genome-wide association studies (GWAS) of major depression (MD) have been conducted in samples of European ancestry. Here we report a multi-ancestry GWAS of MD, adding data from 21 studies with 88,316 MD cases and 902,757 controls to previously reported data from individuals of European ancestry. This includes samples of African (36% of effective sample size), East Asian (26%) and South Asian (6%) ancestry and Hispanic/Latinx participants (32%). The multi-ancestry GWAS identified 190 significantly associated loci, 53 of them novel. For previously reported loci from GWAS in European ancestry the power-adjusted transferability ratio was 0.6 in the Hispanic/Latinx group and 0.3 in each of the other groups. Fine-mapping benefited from additional sample diversity: the number of credible sets with ≤5 variants increased from 3 to 12. A transcriptome-wide association study identified 354 significantly associated genes, 205 of them novel. Mendelian Randomisation showed a bidirectional relationship with BMI exclusively in samples of European ancestry. This first multi-ancestry GWAS of MD demonstrates the importance of large diverse samples for the identification of target genes and putative mechanisms.

ABSTRACT We hypothesized that overall autozygosity is decreasing over generational time. In this report, we present data that partially support this hypothesis from three large cohorts of diverse ancestries, two from the US (All of Us and the Million Veteran Program, N=82,474 and 622,497, respectively) and one from the UK (UK Biobank, N=380,899). Our results from a mixed-effect meta-analysis demonstrate an overall trend of decreasing autozygosity over generational time (meta-analyzed slope=-0.029, se=0.009, p=6.03e-4). Using a chi-square difference test, we determined that a model including an ancestry-by-country interaction term fit the data best, indicating that ancestry differences in this trend differ by country. We found further evidence to suggest a difference between the US and UK cohorts by meta-analyzing within country, observing a significant negative estimate in the US cohorts (meta-analyzed slope=-0.058, se=0.015, p=1.50e-4) but a non-significant estimate in the UK (meta-analyzed slope=-0.001, se=0.008, p=0.945). We also found that the association between autozygosity and year of birth in the overall meta-analysis was substantially attenuated when accounting for educational attainment and income (meta-analyzed slope=-0.011, se=0.008, p=0.167), suggesting that increases in education and income may partially account for decreasing levels of autozygosity over time. To our knowledge, this is the largest demonstration of decreasing autozygosity over time in a modern sample (birth years 1904-2003), and we speculate that this trend can be attributed to increases in population size, urbanization and panmixia, with differences in demographic and sociocultural processes leading to country-specific differences in the rate of decline.

Natural selection has shaped the phenotypic characteristics of human populations. Genome-wide association studies (GWAS) have elucidated contributions of thousands of common variants with small effects on an individual's predisposition to complex traits (polygenicity), as well as wide-spread sharing of risk alleles across traits in the human phenome (pleiotropy). It remains unclear how the pervasive effects of natural selection influence polygenicity in brain-related traits. We investigate these effects by annotating the genome with measures of background (BGS) and positive selection, indications of Neanderthal introgression, measures of functional significance including loss-of-function (LoF) intolerant and genic regions, and genotype networks in 75 brain-related traits. Evidence of natural selection was determined using binary annotations of top 2%, 1%, and 0.5% of selection scores genome-wide. We detected enrichment ( q <0.05) of SNP-heritability at loci with elevated BGS (7 phenotypes) and in genic (34 phenotypes) and LoF-intolerant regions (67 phenotypes). BGS (top 2%) significantly predicted effect size variance for trait-associated loci (σ2 parameter) in 75 brain-related traits (β=4.39x10-5, p =1.43x10-5, model r2 =0.548). By including the number of DSM-5 diagnostic combinations per psychiatric disorder, we substantially improved model fit (σ2 ~ BTop2% × Genic × diagnostic combinations; model r2 =0.661). We show that GWAS with larger variance in risk locus effect sizes are collectively predicted by the effects of loci under strong BGS and in regulatory regions of the genome. We further show that diagnostic complexity exacerbates this relationship and perhaps dampens the ability to detect psychiatric risk loci.