ABSTRACT With sparse treatment options, cardiac disease remains a significant cause of death among humans. As a person ages, mitochondria break down and the heart becomes less efficient. Heart failure is linked to many mitochondria-associated processes, including endoplasmic reticulum stress, mitochondrial bioenergetics, insulin signaling, autophagy, and oxidative stress. The roles of key mitochondrial complexes that dictate the ultrastructure, such as the mitochondrial contact site and cristae organizing system (MICOS), in aging cardiac muscle are poorly understood. To better understand the cause of age-related alteration in mitochondrial structure in cardiac muscle, we used transmission electron microscopy (TEM) and serial block facing-scanning electron microscopy (SBF-SEM) to quantitatively analyze the 3D networks in cardiac muscle samples of male mice at aging intervals of 3 months, 1 year, and 2 years. Here, we present the loss of cristae morphology, the inner folds of the mitochondria, across age. In conjunction with this, the 3D volume of mitochondria decreased. These findings mimicked observed phenotypes in murine cardiac fibroblasts with CRISPR/Cas9 knockout of Mitofilin, Chchd3, Chchd6 (some members of the MICOS complex), and Opa1 , which showed poorer oxidative consumption rate and mitochondria with decreased mitochondrial length and volume. In combination, these data show the need to explore if loss of the MICOS complex in the heart may be involved in age-associated mitochondrial and cristae structural changes.

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.

Purpose: As many as 75% of patients with Polycystic ovary syndrome (PCOS) are estimated to be unidentified in clinical practice. Utilizing polygenic risk prediction, we aim to identify the phenome-wide comorbidity patterns characteristic of PCOS to improve accurate diagnosis and preventive treatment. Methods and Findings: Leveraging the electronic health records (EHRs) of 124,852 individuals, we developed a PCOS risk prediction algorithm by combining polygenic risk scores (PRS) with PCOS component phenotypes into a polygenic and phenotypic risk score (PPRS). We evaluated its predictive capability across different ancestries and perform a PRS-based phenome-wide association study (PheWAS) to assess the phenomic expression of the heightened risk of PCOS. The integrated polygenic prediction improved the average performance (pseudo-R2) for PCOS detection by 0.228 (61.5-fold), 0.224 (58.8-fold), 0.211 (57.0-fold) over the null model across European, African, and multi-ancestry participants respectively. The subsequent PRS-powered PheWAS identified a high level of shared biology between PCOS and a range of metabolic and endocrine outcomes, especially with obesity and diabetes: 'morbid obesity', 'type 2 diabetes', 'hypercholesterolemia', 'disorders of lipid metabolism', 'hypertension' and 'sleep apnea' reaching phenome-wide significance. Conclusions: Our study has expanded the methodological utility of PRS in patient stratification and risk prediction, especially in a multifactorial condition like PCOS, across different genetic origins. By utilizing the individual genome-phenome data available from the EHR, our approach also demonstrates that polygenic prediction by PRS can provide valuable opportunities to discover the pleiotropic phenomic network associated with PCOS pathogenesis.