Abstract Osteoarthritis causes pain and functional disability for a quarter of a billion people worldwide, with no disease-stratifying tools nor modifying therapy. Here, we use primary cartilage and synovium from osteoarthritis patients to construct a molecular quantitative trait locus map of gene expression and protein abundance. By integrating data across omics levels, we identify likely effector genes for osteoarthritis-associated genetic signals. We detect pronounced molecular differences between macroscopically intact and highly degenerated cartilage. We identify molecularly-defined patient subgroups that correlate with clinical characteristics, stratifying patients on the basis of their molecular profile. We construct and validate a 7-gene classifier that reproducibly distinguishes between these disease subtypes, and identify potentially actionable compounds for disease modification and drug repurposing.

Osteoarthritis is a common complex disease with huge public health burden. Here we perform a genome-wide association study for osteoarthritis using data across 16.5 million variants from the UK Biobank resource. Following replication and meta-analysis in up to 30,727 cases and 297,191 controls, we report 9 new osteoarthritis loci, in all of which the most likely causal variant is non-coding. For three loci, we detect association with biologically-relevant radiographic endophenotypes, and in five signals we identify genes that are differentially expressed in degraded compared to intact articular cartilage from osteoarthritis patients. We establish causal effects for higher body mass index, but not for triglyceride levels or type 2 diabetes liability, on osteoarthritis.

Background: Osteoarthritis (OA) is a common disease characterized by cartilage degeneration and joint remodeling. The underlying molecular changes underpinning disease progression are incompletely understood, but can be characterized using recent advances in genomics technologies, as the relevant tissue is readily accessible at joint replacement surgery. Here we investigate genes and pathways that mark OA progression, combining genome-wide DNA methylation, RNA sequencing and quantitative proteomics in isolated primary chondrocytes from matched intact and degraded articular cartilage samples across twelve patients with OA undergoing knee replacement surgery. Results: We identify 49 genes differentially regulated between intact and degraded cartilage at multiple omics levels, 16 of which have not previously been implicated in OA progression. Using independent replication datasets, we replicate statistically significant signals and show that the direction of change is consistent for over 90% of differentially expressed genes and differentially methylated CpG probes. Three genes are differentially regulated across all 3 omics levels: AQP1, COL1A1 and CLEC3B, and all three have evidence implicating them in OA through animal or cellular model studies. Integrated pathway analysis implicates the involvement of extracellular matrix degradation, collagen catabolism and angiogenesis in disease progression. All data from these experiments are freely available as a resource for the scientific community. Conclusions: This work provides a first integrated view of the molecular landscape of human primary chondrocytes and identifies key molecular players in OA progression that replicate across independent datasets, with evidence for translational potential.