We sequenced genomes from a ~7,000 year old early farmer from Stuttgart in Germany, an ~8,000 year old hunter-gatherer from Luxembourg, and seven ~8,000 year old hunter-gatherers from southern Sweden. We analyzed these data together with other ancient genomes and 2,345 contemporary humans to show that the great majority of present-day Europeans derive from at least three highly differentiated populations: West European Hunter-Gatherers (WHG), who contributed ancestry to all Europeans but not to Near Easterners; Ancient North Eurasians (ANE), who were most closely related to Upper Paleolithic Siberians and contributed to both Europeans and Near Easterners; and Early European Farmers (EEF), who were mainly of Near Eastern origin but also harbored WHG-related ancestry. We model these populations' deep relationships and show that EEF had ~44% ancestry from a "Basal Eurasian" lineage that split prior to the diversification of all other non-African lineages.

Abstract Glycaemic traits are used to diagnose and monitor type 2 diabetes, and cardiometabolic health. To date, most genetic studies of glycaemic traits have focused on individuals of European ancestry. Here, we aggregated genome-wide association studies in up to 281,416 individuals without diabetes (30% non-European ancestry) with fasting glucose, 2h-glucose post-challenge, glycated haemoglobin, and fasting insulin data. Trans-ancestry and single-ancestry meta-analyses identified 242 loci (99 novel; P <5×10 -8 ), 80% with no significant evidence of between-ancestry heterogeneity. Analyses restricted to European ancestry individuals with equivalent sample size would have led to 24 fewer new loci. Compared to single-ancestry, equivalent sized trans-ancestry fine-mapping reduced the number of estimated variants in 99% credible sets by a median of 37.5%. Genomic feature, gene-expression and gene-set analyses revealed distinct biological signatures for each trait, highlighting different underlying biological pathways. Our results increase understanding of diabetes pathophysiology by use of trans-ancestry studies for improved power and resolution.

Abstract Handedness, a consistent asymmetry in skill or use of the hands, has been studied extensively because of its relationship with language and the over-representation of left-handers in some neurodevelopmental disorders. Using data from the UK Biobank, 23andMe and 32 studies from the International Handedness Consortium, we conducted the world’s largest genome-wide association study of handedness (1,534,836 right-handed, 194,198 (11.0%) left-handed and 37,637 (2.1%) ambidextrous individuals). We found 41 genetic loci associated with left-handedness and seven associated with ambidexterity at genome-wide levels of significance (P < 5×10 −8 ). Tissue enrichment analysis implicated the central nervous system and brain tissues including the hippocampus and cerebrum in the etiology of left-handedness. Pathways including regulation of microtubules, neurogenesis, axonogenesis and hippocampus morphology were also highlighted. We found suggestive positive genetic correlations between being left-handed and some neuropsychiatric traits including schizophrenia and bipolar disorder. SNP heritability analyses indicated that additive genetic effects of genotyped variants explained 5.9% (95% CI = 5.8% – 6.0%) of the underlying liability of being left-handed, while the narrow sense heritability was estimated at 12% (95% CI = 7.2% – 17.7%). Further, we show that genetic correlation between left-handedness and ambidexterity is low (r g = 0.26; 95% CI = 0.08 – 0.43) implying that these traits are largely influenced by different genetic mechanisms. In conclusion, our findings suggest that handedness, like many other complex traits is highly polygenic, and that the genetic variants that predispose to left-handedness may underlie part of the association with some psychiatric disorders that has been observed in multiple observational studies.

Immunoglobulin G (IgG) is the most abundant serum antibody and is a key determinant of humoral immune response. Its structural characteristics and effector functions are modulated through the attachment of various sugar moieties called glycans. IgG N-glycome patterns change with the age of individual and in different diseases. Variability of IgG glycosylation within a population is well studied and is affected by a combination of genetic and environmental factors. However, global inter-population differences in IgG glycosylation have never been properly addressed. Here we present population-specific N-glycosylation patterns of whole IgG, analysed in 5 different populations totalling 10,482 IgG glycomes, and of IgG fragment crystallisable region (Fc), analysed in 2,530 samples from 27 populations sampled across the world. We observed that country of residence associates with many N-glycan features and is a strong predictor of monogalactosylation variability. IgG galactosylation also strongly correlated with the development level of a country, defined by United Nations health and socioeconomic development indicators. We found that subjects from developing countries had low IgG galactosylation levels, characteristic for inflammation and ageing. Our results suggest that citizens of developing countries may be exposed to country-specific environmental factors that can cause low-grade chronic inflammation and the apparent increase in biological age.

Adult lung function is highly heritable and 279 genetic loci were recently reported as associated with spirometry-based measures of lung function. Though lung development and function differ between males and females throughout life, there has been no genome-wide study to identify genetic variants with differential effects on lung function in males and females. Here, we present the first genome-wide genotype-by-sex interaction study on four lung function traits in 303,612 participants from the UK Biobank. We detected five SNPs showing genome-wide significant (P<5 x 10-8) interactions with sex on lung function, as well as 21 suggestively significant interactions (P<1 x 10-6). The strongest sex interaction signal came from rs7697189 at 4:145436894 on forced expiratory volume in 1 second (FEV1) (P = 3.15 x 10-15), and was replicated (P = 0.016) in 75,696 individuals in the SpiroMeta consortium. Sex-stratified analyses demonstrated that the minor (C) allele of rs7697189 increased lung function to a greater extent in males than females (untransformed FEV1 β = 0.028 [SE 0.0022] litres in males vs β = 0.009 [SE 0.0014] litres in females), and this effect was not accounted for by differential effects on height, smoking or age at puberty. This SNP resides upstream of the gene encoding hedgehog-interacting protein (HHIP) and has previously been reported for association with lung function and HHIP expression in lung tissue. In our analyses, while HHIP expression in lung tissue was significantly different between the sexes with females having higher expression (most significant probeset P=6.90 x 10-6) after adjusting for age and smoking, rs7697189 did not demonstrate sex differential effects on expression. Establishing the mechanism by which HHIP SNPs have different effects on lung function in males and females will be important for our understanding of lung health and diseases, such as chronic obstructive pulmonary disease (COPD), in both sexes.

Correlation networks are commonly used to statistically extract biological interactions between omics markers. Network edge selection is typically based on the significance of the underlying correlation coefficients. A statistical cutoff, however, is not guaranteed to capture biological reality, and heavily depends on dataset properties such as sample size. We here propose an alternative, innovative approach to address the problem of network reconstruction. Specifically, we developed a cutoff selection algorithm that maximizes the agreement to a given ground truth. We first evaluate the approach on IgG glycomics data, for which the biochemical pathway is known and well-characterized. The optimal network outperforms networks obtained with statistical cutoffs and is robust with respect to sample size. Importantly, we can show that even in the case of incomplete or incorrect prior knowledge, the optimal network is close to the true optimum. We then demonstrate the generalizability of the approach on an untargeted metabolomics and a transcriptomics dataset from The Cancer Genome Atlas (TCGA). For the transcriptomics case, we demonstrate that the optimized network is superior to statistical networks in systematically retrieving interactions that were not included in the biological reference used for the optimization. Overall, this paper shows that using prior information for correlation network inference is superior to using regular statistical cutoffs, even if the prior information is incomplete or partially inaccurate.