Obesity is a serious international health problem that increases the risk of several common diseases. The genetic factors predisposing to obesity are poorly understood. A genome-wide search for type 2 diabetes–susceptibility genes identified a common variant in the FTO (fat mass and obesity associated) gene that predisposes to diabetes through an effect on body mass index (BMI). An additive association of the variant with BMI was replicated in 13 cohorts with 38,759 participants. The 16% of adults who are homozygous for the risk allele weighed about 3 kilograms more and had 1.67-fold increased odds of obesity when compared with those not inheriting a risk allele. This association was observed from age 7 years upward and reflects a specific increase in fat mass.

The molecular mechanisms involved in the development of type 2 diabetes are poorly understood. Starting from genome-wide genotype data for 1924 diabetic cases and 2938 population controls generated by the Wellcome Trust Case Control Consortium, we set out to detect replicated diabetes association signals through analysis of 3757 additional cases and 5346 controls and by integration of our findings with equivalent data from other international consortia. We detected diabetes susceptibility loci in and around the genes CDKAL1 , CDKN2A/CDKN2B , and IGF2BP2 and confirmed the recently described associations at HHEX/IDE and SLC30A8 . Our findings provide insight into the genetic architecture of type 2 diabetes, emphasizing the contribution of multiple variants of modest effect. The regions identified underscore the importance of pathways influencing pancreatic beta cell development and function in the etiology of type 2 diabetes.

Mark McCarthy and colleagues identify twelve new risk loci for type 2 diabetes through a large-scale genome-wide association and replication study in individuals of European ancestry. The identified loci affect both beta-cell function and insulin action and are enriched for genes involved in cell cycle regulation. By combining genome-wide association data from 8,130 individuals with type 2 diabetes (T2D) and 38,987 controls of European descent and following up previously unidentified meta-analysis signals in a further 34,412 cases and 59,925 controls, we identified 12 new T2D association signals with combined P < 5 × 10−8. These include a second independent signal at the KCNQ1 locus; the first report, to our knowledge, of an X-chromosomal association (near DUSP9); and a further instance of overlap between loci implicated in monogenic and multifactorial forms of diabetes (at HNF1A). The identified loci affect both beta-cell function and insulin action, and, overall, T2D association signals show evidence of enrichment for genes involved in cell cycle regulation. We also show that a high proportion of T2D susceptibility loci harbor independent association signals influencing apparently unrelated complex traits.

To identify common variants influencing body mass index (BMI), we analyzed genome-wide association data from 16,876 individuals of European descent. After previously reported variants in FTO, the strongest association signal (rs17782313, P = 2.9 × 10−6) mapped 188 kb downstream of MC4R (melanocortin-4 receptor), mutations of which are the leading cause of monogenic severe childhood-onset obesity. We confirmed the BMI association in 60,352 adults (per-allele effect = 0.05 Z-score units; P = 2.8 × 10−15) and 5,988 children aged 7–11 (0.13 Z-score units; P = 1.5 × 10−8). In case-control analyses (n = 10,583), the odds for severe childhood obesity reached 1.30 (P = 8.0 × 10−11). Furthermore, we observed overtransmission of the risk allele to obese offspring in 660 families (P (pedigree disequilibrium test average; PDT-avg) = 2.4 × 10−4). The SNP location and patterns of phenotypic associations are consistent with effects mediated through altered MC4R function. Our findings establish that common variants near MC4R influence fat mass, weight and obesity risk at the population level and reinforce the need for large-scale data integration to identify variants influencing continuous biomedical traits.

The genes ABCC8 and KCNJ11, which encode the subunits sulfonylurea receptor 1 (SUR1) and inwardly rectifying potassium channel (Kir6.2) of the β-cell ATP-sensitive potassium (KATP) channel, control insulin secretion. Common polymorphisms in these genes (ABCC8 exon 16–3t/c, exon 18 T/C, KCNJ11 E23K) have been variably associated with type 2 diabetes, but no large (∼2,000 subjects) case-control studies have been performed. We evaluated the role of these three variants by studying 2,486 U.K. subjects: 854 with type 2 diabetes, 1,182 population control subjects, and 150 parent-offspring type 2 diabetic trios. The E23K allele was associated with diabetes in the case-control study (odds ratio [OR] 1.18 [95% CI 1.04–1.34], P = 0.01) but did not show familial association with diabetes. Neither the exon 16 nor the exon 18 ABCC8 variants were associated with diabetes (1.04 [0.91–1.18], P = 0.57; 0.93 [0.71–1.23], P = 0.63, respectively). Meta-analysis of all case-control data showed that the E23K allele was associated with type 2 diabetes (K allele OR 1.23 [1.12–1.36], P = 0.000015; KK genotype 1.65 [1.34–2.02], P = 0.000002); but the ABCC8 variants were not associated. Our results confirm that E23K increases risk of type 2 diabetes and show that large-scale association studies are important for the identification of diabetes susceptibility alleles.

To characterize type 2 diabetes (T2D)-associated variation across the allele frequency spectrum, we conducted a meta-analysis of genome-wide association data from 26,676 T2D case and 132,532 control subjects of European ancestry after imputation using the 1000 Genomes multiethnic reference panel. Promising association signals were followed up in additional data sets (of 14,545 or 7,397 T2D case and 38,994 or 71,604 control subjects). We identified 13 novel T2D-associated loci (P < 5 × 10-8), including variants near the GLP2R, GIP, and HLA-DQA1 genes. Our analysis brought the total number of independent T2D associations to 128 distinct signals at 113 loci. Despite substantially increased sample size and more complete coverage of low-frequency variation, all novel associations were driven by common single nucleotide variants. Credible sets of potentially causal variants were generally larger than those based on imputation with earlier reference panels, consistent with resolution of causal signals to common risk haplotypes. Stratification of T2D-associated loci based on T2D-related quantitative trait associations revealed tissue-specific enrichment of regulatory annotations in pancreatic islet enhancers for loci influencing insulin secretion and in adipocytes, monocytes, and hepatocytes for insulin action-associated loci. These findings highlight the predominant role played by common variants of modest effect and the diversity of biological mechanisms influencing T2D pathophysiology.

The actin cytoskeleton is a potent regulator of tenocyte homeostasis. However, the mechanisms by which actin regulates tendon homeostasis are not entirely known. This study examined the regulation of tenocyte molecule expression by actin polymerization via the globular (G-) actin-binding transcription factor, myocardin-related transcription factor-a (MRTF). We determined that decreasing the proportion of G-actin in tenocytes by treatment with TGFβ1 increases nuclear MRTF. These alterations in actin polymerization and MRTF localization coincided with favorable alterations to tenocyte gene expression. In contrast, latrunculin A increases the proportion of G-actin in tenocytes and reduces nuclear MRTF, causing cells to acquire a tendinosis-like phenotype. To parse out the effects of F-actin depolymerization from regulation by MRTF, we treated tenocytes with cytochalasin D. Similar to latrunculin A treatment, exposure of cells to cytochalasin D increases the proportion of G-actin in tenocytes. However, unlike latrunculin A treatment, cytochalasin D increases nuclear MRTF. Compared to latrunculin A treatment, cytochalasin D led to opposing effects on the expression of a subset of genes. The differential regulation of genes by latrunculin A and cytochalasin D suggests that actin signals through MRTF to regulate a specific subset of genes. By targeting the deactivation of MRTF through the inhibitor CCG1423, we verify that MRTF regulates Type I Collagen, Tenascin C, Scleraxis, and α-smooth muscle actin in tenocytes. Actin polymerization status is a potent regulator of tenocyte homeostasis through the modulation of several downstream pathways, including MRTF. Understanding the regulation of tenocyte homeostasis by actin may lead to new therapeutic interventions against tendinopathies, such as tendinosis.

The Social Mobilization Action Consortium (SMAC) was Sierra Leone's largest coordinated community engagement initiative during the 2014 - 2016 Ebola outbreak. It worked in all 14 districts in Sierra Leone across >12,000 communities (approximately 70% of all communities), through 2,466 trained Community Mobilizers, a network of 2,000 mosques and churches, and 42 local radio stations. We describe SMAC's Theory of Change and utilization of the Community-Led Ebola Action (CLEA) approach. We present an extensive dataset of community engagement and monitoring with a focus on over 50,000 SMAC weekly reports collected by Community Mobilizers between December 2014 and September 2015. Community engagement and real-time data collection at scale is achievable in the context of a health emergency if adequately structured, managed, coordinated and resourced. We describe a correlation between systemic community engagement, community action planning and Ebola-safe behaviors at community-level. The SMAC integrated approach demonstrates the scope of data - including surveillance data - that can be generated directly by communities through structured community engagement interventions implemented at scale during an Ebola outbreak. We highlight important insights gleaned over time on how to informally integrate social mobilization into community-based surveillance of sick people and deaths.

Body fat distribution is a heritable risk factor for a range of adverse health consequences, including hyperlipidemia and type 2 diabetes. To identify protein-coding variants associated with body fat distribution, assessed by waist-to-hip ratio adjusted for body mass index, we analyzed 228,985 predicted coding and splice site variants available on exome arrays in up to 344,369 individuals from five major ancestries for discovery and 132,177 independent European-ancestry individuals for validation. We identified 15 common (minor allele frequency, MAF ≥ 5%) and 9 low frequency or rare (MAF < 5%) coding variants that have not been reported previously. Pathway/gene set enrichment analyses of all associated variants highlight lipid particle, adiponectin level, abnormal white adipose tissue physiology, and bone development and morphology as processes affecting fat distribution and body shape. Furthermore, the cross-trait associations and the analyses of variant and gene function highlight a strong connection to lipids, cardiovascular traits, and type 2 diabetes. In functional follow-up analyses, specifically in Drosophila RNAi-knockdown crosses, we observed a significant increase in the total body triglyceride levels for two genes (DNAH10 and PLXND1). By examining variants often poorly tagged or entirely missed by genome-wide association studies, we implicate novel genes in fat distribution, stressing the importance of interrogating low-frequency and protein-coding variants.

Identification of coding variant associations for complex diseases offers a direct route to biological insight, but is dependent on appropriate inference concerning the causal impact of those variants on disease risk. We aggregated coding variant data for 81,412 type 2 diabetes (T2D) cases and 370,832 controls of diverse ancestry, identifying 40 distinct coding variant association signals (at 38 loci) reaching significance (p<2.2x10-7). Of these, 16 represent novel associations mapping outside known genome-wide association study (GWAS) signals. We make two important observations. First, despite a threefold increase in sample size over previous efforts, only five of the 40 signals are driven by variants with minor allele frequency <5%, and we find no evidence for low-frequency variants with allelic odds ratio >1.29. Second, we used GWAS data from 50,160 T2D cases and 465,272 controls of European ancestry to fine-map these associated coding variants in their regional context, with and without additional weighting to account for the global enrichment of complex trait association signals in coding exons. At the 37 signals for which we attempted fine-mapping, we demonstrate convincing support (posterior probability >80% under the 'annotation-weighted' model) that coding variants are causal for the association at 16 (including novel signals involving POC5 p.His36Arg, ANKH p.Arg187Gln, WSCD2 p.Thr113Ile, PLCB3 p.Ser778Leu, and PNPLA3 p.Ile148Met). However, at 13 of the 37 loci, the associated coding variants represent 'false leads' and naïve analysis could have led to an erroneous inference regarding the effector transcript mediating the signal. Accurate identification of validated targets is dependent on correct specification of the contribution of coding and non-coding mediated mechanisms at associated loci.