Abstract Genetically predicted levels of multi-omic traits can uncover the molecular underpinnings of common phenotypes in a highly efficient manner. Here, we utilised a large cohort (INTERVAL; N=50,000 participants) with extensive multi-omic data for plasma proteomics (SomaScan, N=3,175; Olink, N=4,822), plasma metabolomics (Metabolon HD4, N=8,153), serum metabolomics (Nightingale, N=37,359), and whole blood Illumina RNA sequencing (N=4,136). We used machine learning to train genetic scores for 17,227 molecular traits, including 10,521 which reached Bonferroni-adjusted significance. We evaluated genetic score performances in external validation across European, Asian and African American ancestries, and assessed their longitudinal stability within diverse individuals. We demonstrated the utility of these multi-omic genetic scores by quantifying the genetic control of biological pathways and by generating a synthetic multi-omic dataset of UK Biobank to identify disease associations using a phenome-wide scan. Finally, we developed a portal ( OmicsPred.org ) to facilitate public access to all genetic scores and validation results as well as to serve as a platform for future extensions and enhancements of multi-omic genetic scores.

Abstract Variable preferences for different foods are among the main determinants of their intake and are influenced by many factors, including genetics. Despite considerable twins’ heritability, studies aimed at uncovering food-liking genetics have focused mostly on taste receptors. Here, we present the first results of a large-scale genome-wide association study of food liking conducted on 161,625 participants from UK Biobank. Liking was assessed over 139 specific foods using a 9-point hedonic scale. After performing GWAS, we used genetic correlations coupled with structural equation modelling to create a multi-level hierarchical map of food liking. We identified three main dimensions: high caloric foods defined as “Highly palatable”, strong-tasting foods ranging from alcohol to pungent vegetables, defined as “Learned” and finally “Low caloric” foods such as fruit and vegetables. The “Highly palatable” dimension was genetically uncorrelated from the other two, suggesting that two independent processes underlie liking high reward foods and the Learned/Low caloric ones. Genetic correlation analysis with the corresponding food consumption traits revealed a high correlation, while liking showed twice the heritability compared to consumption. For example, fresh fruit liking and consumption showed a genetic correlation of 0.7 with heritabilities of 0.1 and 0.05, respectively. GWAS analysis identified 1401 significant food-liking associations located in 173 genomic loci, with only 11 near taste or olfactory receptors. Genetic correlation with morphological and functional brain data (33,224 UKB participants) uncovers associations of the three food-liking dimensions with non-overlapping, distinct brain areas and networks, suggestive of separate neural mechanisms underlying the liking dimensions. In conclusion, we created a comprehensive and data-driven map of the genetic determinants and associated neurophysiological factors of food liking beyond taste receptor genes.

Adult lung function is highly heritable and 279 genetic loci were recently reported as associated with spirometry-based measures of lung function. Though lung development and function differ between males and females throughout life, there has been no genome-wide study to identify genetic variants with differential effects on lung function in males and females. Here, we present the first genome-wide genotype-by-sex interaction study on four lung function traits in 303,612 participants from the UK Biobank. We detected five SNPs showing genome-wide significant (P<5 x 10-8) interactions with sex on lung function, as well as 21 suggestively significant interactions (P<1 x 10-6). The strongest sex interaction signal came from rs7697189 at 4:145436894 on forced expiratory volume in 1 second (FEV1) (P = 3.15 x 10-15), and was replicated (P = 0.016) in 75,696 individuals in the SpiroMeta consortium. Sex-stratified analyses demonstrated that the minor (C) allele of rs7697189 increased lung function to a greater extent in males than females (untransformed FEV1 β = 0.028 [SE 0.0022] litres in males vs β = 0.009 [SE 0.0014] litres in females), and this effect was not accounted for by differential effects on height, smoking or age at puberty. This SNP resides upstream of the gene encoding hedgehog-interacting protein (HHIP) and has previously been reported for association with lung function and HHIP expression in lung tissue. In our analyses, while HHIP expression in lung tissue was significantly different between the sexes with females having higher expression (most significant probeset P=6.90 x 10-6) after adjusting for age and smoking, rs7697189 did not demonstrate sex differential effects on expression. Establishing the mechanism by which HHIP SNPs have different effects on lung function in males and females will be important for our understanding of lung health and diseases, such as chronic obstructive pulmonary disease (COPD), in both sexes.