Current genome-wide association studies do not yet capture sufficient diversity in populations and scope of phenotypes. To expand an atlas of genetic associations in non-European populations, we conducted 220 deep-phenotype genome-wide association studies (diseases, biomarkers and medication usage) in BioBank Japan (n = 179,000), by incorporating past medical history and text-mining of electronic medical records. Meta-analyses with the UK Biobank and FinnGen (ntotal = 628,000) identified ~5,000 new loci, which improved the resolution of the genomic map of human traits. This atlas elucidated the landscape of pleiotropy as represented by the major histocompatibility complex locus, where we conducted HLA fine-mapping. Finally, we performed statistical decomposition of matrices of phenome-wide summary statistics, and identified latent genetic components, which pinpointed responsible variants and biological mechanisms underlying current disease classifications across populations. The decomposed components enabled genetically informed subtyping of similar diseases (for example, allergic diseases). Our study suggests a potential avenue for hypothesis-free re-investigation of human diseases through genetics. Genome-wide analyses in BioBank Japan, UK Biobank and FinnGen identify ~5,000 new loci associated with 220 human traits. Statistical decomposition of matrices of phenome-wide summary statistics further highlights variants underpinning diseases across populations.

Abstract No study, to our knowledge, has constructed a polygenic risk score based on clinical blood pressure and investigated the association of genetic and lifestyle risks with home hypertension. We examined the associations of combined genetic and lifestyle risks with hypertension and home hypertension. In a cross-sectional study of 7027 Japanese individuals aged ≥20 years, we developed a lifestyle score based on body mass index, alcohol consumption, physical activity, and sodium-to-potassium ratio, categorized into ideal, intermediate, and poor lifestyles. A polygenic risk score was constructed with the target data ( n = 1405) using publicly available genome-wide association study summary statistics from BioBank Japan. Using the test data ( n = 5622), we evaluated polygenic risk score performance and examined the associations of combined genetic and lifestyle risks with hypertension and home hypertension. Hypertension and home hypertension were defined as blood pressure measured at a community-support center ≥140/90 mmHg or at home ≥135/85 mmHg, respectively, or self-reported treatment for hypertension. In the test data, 2294 and 2322 participants had hypertension and home hypertension, respectively. Both polygenic risk and lifestyle scores were independently associated with hypertension and home hypertension. Compared with those of participants with low genetic risk and an ideal lifestyle, the odds ratios for hypertension and home hypertension in the low genetic risk and poor lifestyle group were 1.94 (95% confidence interval, 1.34–2.80) and 2.15 (1.60–2.90), respectively. In summary, lifestyle is important to prevent hypertension; nevertheless, participants with high genetic risk should carefully monitor their blood pressure despite a healthy lifestyle.

Abstract A major challenge of genome-wide association studies (GWAS) is to translate phenotypic associations into biological insights. Here, we integrate a large GWAS on blood lipids involving 1.6 million individuals from five ancestries with a wide array of functional genomic datasets to discover regulatory mechanisms underlying lipid associations. We first prioritize lipid-associated genes with expression quantitative trait locus (eQTL) colocalizations, and then add chromatin interaction data to narrow the search for functional genes. Polygenic enrichment analysis across 697 annotations from a host of tissues and cell types confirms the central role of the liver in lipid levels, and highlights the selective enrichment of adipose-specific chromatin marks in high-density lipoprotein cholesterol and triglycerides. Overlapping transcription factor (TF) binding sites with lipid-associated loci identifies TFs relevant in lipid biology. In addition, we present an integrative framework to prioritize causal variants at GWAS loci, producing a comprehensive list of candidate causal genes and variants with multiple layers of functional evidence. Two prioritized genes, CREBRF and RRBP1 , show convergent evidence across functional datasets supporting their roles in lipid biology.

Abstract The etiology of autism spectrum disorders (ASD) remains unclear. Stratifying patients with ASD may help to identify genetically homogeneous subgroups. Using a deep embedded clustering algorithm, we conducted cluster analyses of Simons Foundation Powering Autism Research for Knowledge (SPARK) datasets and performed genome-wide association studies (GWAS) of the clusters. We observed no significant associations in the conventional GWAS comparing all patients to all controls. However, in the GWAS, comparing patients divided into clusters with similar phenotypes to controls (cluster-based GWAS), we identified 90 chromosomal loci that satisfied the P < 5.0 × 10 −8 , several of which were located within or near previously reported candidate genes for ASD. Our findings suggest that clustering may successfully identify subgroups with relatively homogeneous disease etiologies.

Genetic maps are fundamental resources for linkage and association studies. A fine-scale genetic map can be constructed by inferring historical recombination events from the genome-wide structure of linkage disequilibrium—a non-random association of alleles among loci—by using population-scale sequencing data. We constructed a fine-scale genetic map and identified recombination hotspots from 10,092,573 bi-allelic high-quality autosomal markers segregating among 150 unrelated Japanese individuals. These individuals’ genotypes were determined by high-coverage (30×) whole-genome sequencing, and the genotype quality was carefully controlled by using their parents’ and offspring’s genotypes. The pedigree information was also utilized for haplotype phasing. The resulting genome-wide recombination rate profiles were concordant with those of the HapMap worldwide population on a broad scale, and the resolution was much improved. We identified 9487 recombination hotspots and confirmed the enrichment of previously known motifs in the hotspots. Moreover, we demonstrated that the Japanese genetic map improved the haplotype phasing and genotype imputation accuracy for the Japanese population. The construction of a population-specific genetic map will help make genetics research more accurate.

Purpose: The purpose of this study was to investigate biologically meaningful endotypes of open-angle glaucoma (OAG) by applying unsupervised machine learning to plasma metabolites. Methods: This retrospective longitudinal cohort study enrolled consecutive patients aged ≥20 years with OAG at Tohoku University Hospital from January 2017 to January 2020. OAG was confirmed based on comprehensive ophthalmic examinations. Among the 523 patients with OAG with available clinical metabolomic data, 173 patients were longitudinally followed up for ≥2 years, with available data from ≥5 reliable visual field (VF) tests without glaucoma surgery. We collected fasting blood samples and clinical data at enrollment and nuclear magnetic resonance spectroscopy to profile 45 plasma metabolites in a targeted approach. After computing a distance matrix of preprocessed metabolites with Pearson distance, gap statistics determined the optimal number of OAG endotypes. Its risk factors, clinical presentations, metabolomic profiles, and progression rate of sector-based VF loss were compared across endotypes. Results: Five distinct OAG endotypes were identified. The highest-risk endotype (endotype B) showed a significant faster progression of central VF loss (P = 0.007). Compared with patients with other endotypes, those with endotype B were more likely to have a high prevalence of dyslipidemia, cold extremities, oxidative stress, and low OAG genetic risk scores. Pathway analysis of metabolomic profiles implicated altered fatty acid and ketone body metabolism in this endotype, with 34 differentially enriched pathways (false discovery rate [FDR] < 0.05). Conclusions: Integrated metabolomic profiles identified five distinct etiologic endotypes of OAG, suggesting pathological mechanisms related with a high-risk group of central vision loss progression in the Japanese population.

Background Autism spectrum disorder (ASD) has phenotypically and genetically heterogeneous characteristics. A simulation study demonstrated that attempts to categorize patients with a complex disease into more homogeneous subgroups could have more power to elucidate hidden heritability.Methods We conducted cluster analyses using the k-means algorithm with a cluster number of 15 based on phenotypic variables from the Simons Simplex Collection (SSC). As a preliminary study, we conducted a conventional genome-wide association study (GWAS) with a dataset of 597 ASD cases and 370 controls. In the second step, we divided cases based on the clustering results and conducted GWAS in each of the subgroups vs controls (cluster-based GWAS). We also conducted cluster-based GWAS on another SSC dataset of 712 probands and 354 controls in the replication stage.Results In the preliminary study, we observed no significant associations. In the second step of cluster-based GWASs, we identified 65 chromosomal loci, which included 30 intragenic loci located in 21 genes and 35 intergenic loci that satisfied the threshold of P <5.0×10−8. Some of these loci were located within or near previously reported candidate genes for ASD: CDH5, CNTN5, CNTNAP5, DNAH17, DPP10, DSCAM, FOXK1, GABBR2, GRIN2A 5, ITPR1, NTM, SDK1, SNCA and SRRM4. Of these 65 significant chromosomal loci, rs11064685 located within the SRRM4 gene had a significantly different distribution in the cases vs. controls in the replication cohort.Conclusions These findings suggest that clustering may successfully identify subgroups with relatively homogeneous disease etiologies. Further cluster validation and replication studies are warranted in larger cohorts.

Abstract Background Increasing the power of genome-wide association studies in diverse populations is important for understanding the genetic determinants of disease risks, and large-scale genotype data are collected by genome cohort and biobank projects all over the world. In particular, ethnic-specific SNP arrays are becoming more important because the use of universal SNP arrays has some limitations in terms of cost-effectiveness and throughput. As part of the Tohoku Medical Megabank Project, which integrates prospective genome cohorts into a biobank, we have been developing a series of Japonica Arrays for genotyping participants based on reference panels constructed from whole-genome sequence data of the Japanese population. Results We designed a novel version of the SNP Array for the Japanese population, called Japonica Array NEO, comprising a total of 666,883 SNPs, including tag SNPs of autosomes and X chromosome with pseudoautosomal regions, SNPs of Y chromosome and mitochondria, and known disease risk SNPs. Among them, 654,246 tag SNPs were selected from an expanded reference panel of 3,552 Japanese using pairwise r 2 of linkage disequilibrium measures. Moreover, 28,298 SNPs were included for the evaluation of previously identified disease risk SNPs from the literature and databases, and those present in the Japanese population were extracted using the reference panel. The imputation performance of Japonica Array NEO was assessed by genotyping 286 Japanese samples. We found that the imputation quality r 2 and INFO score in the minor allele frequency bin >2.5%–5% were >0.9 and >0.8, respectively, and >12 million markers were imputed with an INFO score >0.8. After verification, Japonica Arrays were used to efficiently genotype cohort participants from the sample selection to perform a quality assessment of the raw data; approximately 130,000 genotyping data of >150,000 participants has already been obtained. Conclusions Japonica Array NEO is a promising tool for genotyping the Japanese population with genome-wide coverage, contributing to the development of genetic risk scores for this population and further identifying disease risk alleles among individuals of East Asian ancestry.