Abstract Protein-coding genetic variants that strongly affect disease risk can provide important clues into disease pathogenesis. Here we report an exome sequence analysis of 20,791 type 2 diabetes (T2D) cases and 24,440 controls from five ancestries. We identify rare (minor allele frequency<0.5%) variant gene-level associations in (a) three genes at exome-wide significance, including a T2D-protective series of >30 SLC30A8 alleles, and (b) within 12 gene sets, including those corresponding to T2D drug targets ( p =6.1×10 −3 ) and candidate genes from knockout mice ( p =5.2×10 −3 ). Within our study, the strongest T2D rare variant gene-level signals explain at most 25% of the heritability of the strongest common single-variant signals, and the rare variant gene-level effect sizes we observe in established T2D drug targets will require 110K-180K sequenced cases to exceed exome-wide significance. To help prioritize genes using associations from current smaller sample sizes, we present a Bayesian framework to recalibrate association p -values as posterior probabilities of association, estimating that reaching p <0.05 ( p <0.005) in our study increases the odds of causal T2D association for a nonsynonymous variant by a factor of 1.8 (5.3). To help guide target or gene prioritization efforts, our data are freely available for analysis at www.type2diabetesgenetics.org .

Abstract Large-scale gene sequencing studies for complex traits have the potential to identify causal genes with therapeutic implications. We performed gene-based association testing of blood lipid levels with rare (minor allele frequency<1%) predicted damaging coding variation using sequence data from >170,000 individuals from multiple ancestries: 97,493 European, 30,025 South Asian, 16,507 African, 16,440 Hispanic/Latino, 10,420 East Asian, and 1,182 Samoan. We identified 35 genes associated with circulating lipid levels. Ten of these: ALB , SRSF2 , JAK2, CREB3L3 , TMEM136 , VARS , NR1H3 , PLA2G12A , PPARG and STAB1 have not been implicated for lipid levels using rare coding variation in population-based samples. We prioritize 32 genes identified in array-based genome-wide association study (GWAS) loci based on gene-based associations, of which three: EVI5, SH2B3 , and PLIN1 , had no prior evidence of rare coding variant associations. Most of the associated genes showed evidence of association in multiple ancestries. Also, we observed an enrichment of gene-based associations for low-density lipoprotein cholesterol drug target genes, and for genes closest to GWAS index single nucleotide polymorphisms (SNP). Our results demonstrate that gene-based associations can be beneficial for drug target development and provide evidence that the gene closest to the array-based GWAS index SNP is often the functional gene for blood lipid levels.

Abstract Rationale Genetic factors undoubtedly contribute to the development of congenital heart disease (CHD), but still remain mostly ill-defined. Objective Identification of genetic risk factors associated with CHD and functional analysis of SNP-carrying genes. Methods and Results Genetic association study of 1,440 Caucasian CHD patients from the German Heart Center Munich collected from March 2009 to June 2016, 2,594 patients of previous studies provided by the Newcastle University and 8,486 controls underwent meta-analysis to detect single nucleotide polymorphisms (SNPs) associated with CHD. Results 4,034 Caucasian CHD patients strictly classified according to the Society of Thoracic Surgeons nomenclature and 8,486 controls were included. One SNP on chromosome 5 reached genome-wide significance across all CHD phenotypes (rs185531658,OR:2.16, p =5.28×10 −9 ) and was also indicative for septal defects (OR:2.16, p =6.15×10 −8 ). One region on chromosome 20 pointing to the MACROD2 locus, identified four SNPs (rs150246290,OR:3.78, p =1.27×10 −10 ; rs149890280,OR:3.74, p =1.8×10 −10 ; rs149467721,OR:3.53; p =1.39×10 −9 , rs77094733,OR:3.53, p =1.73×10 −9 ) in patients with transposition of the great arteries (TGA). A second region was detected on chromosome 8 located at ZBTB10 (rs148563140,OR:3.42, p =3.28×10 −8 ; rs143638934,OR:3.42, p =3.51×10 −8 ) in the same subgroup. Three highly significant risk variants on chromosome 17 (rs76774446,OR:1.60, p =9.95×10 −8 ; rs11874,OR:1.60, p =6.64×10 −8 ; rs17677363,OR:1.60, p =9.81×10 −8 ) within the GOSR2 locus were identified in patients with anomalies of thoracic arteries and veins (ATAV). Genetic variants associated with ATAV are suggested to influence expression of WNT3 , and variant rs870142 related to septal defects is proposed to influence expression of MSX1 . Cardiac differentiation of human and murine induced pluripotent stem cells and single cell RNAseq analyses of developing murine and human hearts show essential functional roles for MACROD2, GOSR2, WNT3 and MSX1 at all developmental stages. Conclusions For the first time genetic risk factors in CHD patients with TGA and ATAV were identified. Several candidate genes play an essential functional role in heart development at the embryonic, newborn and adult stage.

Genome-wide association studies (GWAS) identify genetic variants associated with quantitative traits or disease. Thus, GWAS never directly link variants to regulatory mechanisms, which, in turn, are typically inferred during post-hoc analyses. In parallel, a recent deep learning-based method allows for prediction of regulatory effects per variant on currently up to 1,000 cell type-specific chromatin features. We here describe "DeepWAS", a new approach that directly integrates predictions of these regulatory effects of single variants into a multivariate GWAS setting. As a result, single variants associated with a trait or disease are, by design, coupled to their impact on a chromatin feature in a cell type. Up to 40,000 regulatory single-nucleotide polymorphisms (SNPs) were associated with multiple sclerosis (MS, 4,888 cases and 10,395 controls), major depressive disorder (MDD, 1,475 cases and 2,144 controls), and height (5,974 individuals) to each identify 43-61 regulatory SNPs, called deepSNPs, which are shown to reach at least nominal significance in large GWAS. MS- and height-specific deepSNPs resided in active chromatin and introns, whereas MDD-specific deepSNPs located mostly to intragenic regions and repressive chromatin states. We found deepSNPs to be enriched in public or cohort-matched expression and methylation quantitative trait loci and demonstrate the potential of the DeepWAS method to directly generate testable functional hypotheses based on genotype data alone. DeepWAS is an innovative GWAS approach with the power to identify individual SNPs in non-coding regions with gene regulatory capacity with a joint contribution to disease risk. DeepWAS is available at https://github.com/cellmapslab/DeepWAS.

We present the results of the largest genome wide association study (GWAS) performed so far in dilated cardiomyopathy (DCM), a leading cause of systolic heart failure and cardiovascular death, with 2,719 cases and 4,440 controls in the discovery population. We identified and replicated two new DCM-associated loci, one on chromosome 3p25.1 (lead SNP rs62232870, p = 8.7 x 10-11 and 7.7 x 10-4 in the discovery and replication step, respectively) and the second on chromosome 22q11.23 (lead SNP rs7284877, p = 3.3 x 10-8 and 1.4 x 10-3 in the discovery and replication step, respectively) while confirming two previously identified DCM loci on chromosome 10 and 1, BAG3 and HSPB7. The genetic risk score constructed from the number of lead risk-alleles at these four DCM loci revealed that individuals with 8 risk-alleles were at a 27% increased risk of DCM compared to individuals with 5 risk alleles (median of the referral population). We estimated the genome wide heritability at 31% +/- 8%. In silico annotation and functional 4C-sequencing analysis on iPSC-derived cardiomyocytes strongly suggest SLC6A6 as the most likely DCM gene at the 3p25.1 locus. This gene encodes a taurine and beta-alanine transporter whose involvement in myocardial dysfunction and DCM is supported by recent observations in humans and mice. Although less easy to discriminate the better candidate at the 22q11.23 locus, SMARCB1 appears as the strongest one. This study provides both a better understanding of the genetic architecture of DCM and new knowledge on novel biological pathways underlying heart failure, with the potential for a therapeutic perspective.

Electrocardiographic PR interval measures atrial and atrioventricular depolarization and conduction, and abnormal PR interval is a risk factor for atrial fibrillation and heart block. We performed a genome-wide association study in over 92,000 individuals of European descent and identified 44 loci associated with PR interval (34 novel). Examination of the 44 loci revealed known and novel biological processes involved in cardiac atrial electrical activity, and genes in these loci were highly over-represented in several cardiac disease processes. Nearly half of the 61 independent index variants in the 44 loci were associated with atrial or blood transcript expression levels, or were in high linkage disequilibrium with one or more missense variants. Cardiac regulatory regions of the genome as measured by cardiac DNA hypersensitivity sites were enriched for variants associated with PR interval, compared to non-cardiac regulatory regions. Joint analyses combining PR interval with heart rate, QRS interval, and atrial fibrillation identified additional new pleiotropic loci. The majority of associations discovered in European-descent populations were also present in African-American populations. Meta-analysis examining over 105,000 individuals of African and European descent identified additional novel PR loci. These additional analyses identified another 13 novel loci. Together, these findings underscore the power of GWAS to extend knowledge of the molecular underpinnings of clinical processes.

Identification of epistasis affecting complex human traits has been challenging. Focusing on known coronary artery disease (CAD) risk loci, we explore pairwise statistical interactions between 8,068 SNPs from ten CAD genome-wide association studies (n=30,180). We discovered rs1800769 and rs9458001 in the vicinity of the LPA locus to interact in modulating CAD risk (P=1.75e-13). Specific genotypes (e.g., rs1800769 CT) displayed either significantly decreased or increased risk for CAD in the context of genotypes of the respective other SNP (e.g., rs9458001 GG vs. AA). In the UK Biobank (n=450,112) significant interaction of this SNP pair was replicated for CAD (P=3.09e-22), and was also found for aortic valve stenosis (P=6.95e-7) and peripheral arterial disease (P=2.32e-4). Identical interaction patterns affected circulating lipoprotein(a) (n=5,953; P=8.7e-32) and hepatic apolipoprotein(a) (apo(a)) expression (n=522, P=2.6e-11). We further interrogated potential biological implications of the variants and propose a mechanism explaining epistasis that ultimately may translate to substantial cardiovascular risks.

Both short and long sleep are associated with an adverse lipid profile, likely through different biological pathways. To provide new insights in the biology of sleep-associated adverse lipid profile, we conducted multi-ancestry genome-wide sleep-SNP interaction analyses on three lipid traits (HDL-c, LDL-c and triglycerides). In the total study sample (discovery + replication) of 126,926 individuals from 5 different ancestry groups, when considering either long or short total sleep time interactions in joint analyses, we identified 49 novel lipid loci, and 10 additional novel lipid loci in a restricted sample of European-ancestry cohorts. In addition, we identified new gene-sleep interactions for known lipid loci such as LPL and PCSK9. The novel gene-sleep interactions had a modest explained variance in lipid levels: most notable, gene-short-sleep interactions explained 4.25% of the variance in triglyceride concentration. Collectively, these findings contribute to our understanding of the biological mechanisms involved in sleep-associated adverse lipid profiles.

The electrocardiographic PR interval reflects atrioventricular conduction, and is associated with conduction abnormalities, pacemaker implantation, atrial fibrillation (AF), and cardiovascular mortality[1][1],[2][2]. We performed multi-ancestry (N=293,051) and European only (N=271,570) genome-wide association (GWAS) meta-analyses for the PR interval, discovering 210 loci of which 149 are novel. Variants at all loci nearly doubled the percentage of heritability explained, from 33.5% to 62.6%. We observed enrichment for genes involved in cardiac muscle development/contraction and the cytoskeleton highlighting key regulation processes for atrioventricular conduction. Additionally, 19 novel loci harbour genes underlying inherited monogenic heart diseases suggesting the role of these genes in cardiovascular pathology in the general population. We showed that polygenic predisposition to PR interval duration is an endophenotype for cardiovascular disease risk, including distal conduction disease, AF, atrioventricular pre-excitation, non-ischemic cardiomyopathy, and coronary heart disease. These findings advance our understanding of the polygenic basis of cardiac conduction, and the genetic relationship between PR interval duration and cardiovascular disease. [1]: #ref-1 [2]: #ref-2

Expression quantitative trait locus (eQTL) mapping on tissue, organ or whole organism data can detect associations that are generic across cell types. We describe a new method to focus upon specific cell types without first needing to sort cells. We applied the method to whole blood data from 5,683 samples and demonstrate that SNPs associated with Crohn’s disease preferentially affect gene expression within neutrophils.