Abstract We introduce the design and implementation of a new array, the Korea Biobank Array (referred to as KoreanChip), optimized for the Korean population and demonstrate findings from GWAS of blood biochemical traits. KoreanChip comprised >833,000 markers including >247,000 rare-frequency or functional variants estimated from >2,500 sequencing data in Koreans. Of the 833 K markers, 208 K functional markers were directly genotyped. Particularly, >89 K markers were presented in East Asians. KoreanChip achieved higher imputation performance owing to the excellent genomic coverage of 95.38% for common and 73.65% for low-frequency variants. From GWAS (Genome-wide association study) using 6,949 individuals, 28 associations were successfully recapitulated. Moreover, 9 missense variants were newly identified, of which we identified new associations between a common population-specific missense variant, rs671 (p.Glu457Lys) of ALDH2 , and two traits including aspartate aminotransferase (P = 5.20 × 10 −13 ) and alanine aminotransferase (P = 4.98 × 10 −8 ). Furthermore, two novel missense variants of GPT with rare frequency in East Asians but extreme rarity in other populations were associated with alanine aminotransferase (rs200088103; p.Arg133Trp, P = 2.02 × 10 −9 and rs748547625; p.Arg143Cys, P = 1.41 × 10 −6 ). These variants were successfully replicated in 6,000 individuals (P = 5.30 × 10 −8 and P = 1.24 × 10 −6 ). GWAS results suggest the promising utility of KoreanChip with a substantial number of damaging variants to identify new population-specific disease-associated rare/functional variants.

Meta-analyses of genome-wide association studies (GWAS) have identified >240 loci associated with type 2 diabetes (T2D), however most loci have been identified in analyses of European-ancestry individuals. To examine T2D risk in East Asian individuals, we meta-analyzed GWAS data in 77,418 cases and 356,122 controls. In the main analysis, we identified 298 distinct association signals at 178 loci, and across T2D association models with and without consideration of body mass index and sex, we identified 56 loci newly implicated in T2D predisposition. Common variants associated with T2D in both East Asian and European populations exhibited strongly correlated effect sizes. New associations include signals in/near GDAP1 , PTF1A , SIX3, ALDH2, a microRNA cluster, and genes that affect muscle and adipose differentiation. At another locus, eQTLs at two overlapping T2D signals act through two genes, NKX6-3 and ANK1 , in different tissues. Association studies in diverse populations identify additional loci and elucidate disease genes, biology, and pathways.Type 2 diabetes (T2D) is a common metabolic disease primarily caused by insufficient insulin production and/or secretion by the pancreatic β cells and insulin resistance in peripheral tissues[1][1]. Most genetic loci associated with T2D have been identified in populations of European (EUR) ancestry, including a recent meta-analysis of genome-wide association studies (GWAS) of nearly 900,000 individuals of European ancestry that identified >240 loci influencing the risk of T2D[2][2]. Differences in allele frequency between ancestries affect the power to detect associations within a population, particularly among variants rare or monomorphic in one population but more frequent in another[3][3],[4][4]. Although smaller than studies in European populations, a recent T2D meta-analysis in almost 200,000 Japanese individuals identified 28 additional loci[4][4]. The relative contributions of different pathways to the pathophysiology of T2D may also differ between ancestry groups. For example, in East Asian (EAS) populations, T2D prevalence is greater than in European populations among people of similar body mass index (BMI) or waist circumference[5][5]. We performed the largest meta-analysis of East Asian individuals to identify new genetic associations and provide insight into T2D pathogenesis. [1]: #ref-1 [2]: #ref-2 [3]: #ref-3 [4]: #ref-4 [5]: #ref-5

Congenital anomalies (CAs) encompass a wide spectrum of structural and functional abnormalities during fetal development, commonly presenting at birth. Identifying the cause of CA is essential for accurate diagnosis and treatment. Using a target-gene approach, genetic variants could be found in certain CA patients. However, some patients were genetically undiagnosed; therefore, it is imperative to identify the causative variants from whole genome sequence (WGS) data of these patients. An in-house pipeline utilizing DRAGEN-GATK-Hail was established for trio-based WGS data analysis (n = 18 undiagnosed CA patients and their parents) and thirty-five candidate variants, including SNV/Indel, CNV, and SV were identified. Among them, 10 variants of seven coding genes were selected as possible causal variants by variant pathogenicity, genotype–phenotype analysis, and a multidisciplinary team. Finally, functional validation of six genes including RYR3, NRXN1, FREM2, CSMD1, RARS1, and NOTCH1, revealed various phenotypes in zebrafish models that aligned with those observed in each patient. In addition to the above findings, eleven diagnostic variants initially discovered in a targeted-gene analysis from a previous study were also identified as diagnostic variants and the in-house pipeline demonstrated a significant advantage in accurately and efficiently identifying de novo variants (DNVs), compound heterozygous (CH), and homozygous variants. Taken together, the in-house pipeline established in this study provides a highly valuable diagnostic tool for the identification of potential candidate variants in patients with CA. Further research into the molecular mechanisms related to the development of CAs could shed light on the functional aspects of these genetic variations and contribute to the development of therapeutic drugs.