Anorexia nervosa (AN) is a complex and heritable eating disorder characterized by dangerously low body weight. Neither candidate gene studies nor an initial genome-wide association study (GWAS) have yielded significant and replicated results. We performed a GWAS in 2907 cases with AN from 14 countries (15 sites) and 14 860 ancestrally matched controls as part of the Genetic Consortium for AN (GCAN) and the Wellcome Trust Case Control Consortium 3 (WTCCC3). Individual association analyses were conducted in each stratum and meta-analyzed across all 15 discovery data sets. Seventy-six (72 independent) single nucleotide polymorphisms were taken forward for in silico (two data sets) or de novo (13 data sets) replication genotyping in 2677 independent AN cases and 8629 European ancestry controls along with 458 AN cases and 421 controls from Japan. The final global meta-analysis across discovery and replication data sets comprised 5551 AN cases and 21 080 controls. AN subtype analyses (1606 AN restricting; 1445 AN binge–purge) were performed. No findings reached genome-wide significance. Two intronic variants were suggestively associated: rs9839776 (P=3.01 × 10−7) in SOX2OT and rs17030795 (P=5.84 × 10−6) in PPP3CA. Two additional signals were specific to Europeans: rs1523921 (P=5.76 × 10−6) between CUL3 and FAM124B and rs1886797 (P=8.05 × 10−6) near SPATA13. Comparing discovery with replication results, 76% of the effects were in the same direction, an observation highly unlikely to be due to chance (P=4 × 10−6), strongly suggesting that true findings exist but our sample, the largest yet reported, was underpowered for their detection. The accrual of large genotyped AN case-control samples should be an immediate priority for the field.

Identification of coding variant associations for complex diseases offers a direct route to biological insight, but is dependent on appropriate inference concerning the causal impact of those variants on disease risk. We aggregated coding variant data for 81,412 type 2 diabetes (T2D) cases and 370,832 controls of diverse ancestry, identifying 40 distinct coding variant association signals (at 38 loci) reaching significance (p<2.2x10-7). Of these, 16 represent novel associations mapping outside known genome-wide association study (GWAS) signals. We make two important observations. First, despite a threefold increase in sample size over previous efforts, only five of the 40 signals are driven by variants with minor allele frequency <5%, and we find no evidence for low-frequency variants with allelic odds ratio >1.29. Second, we used GWAS data from 50,160 T2D cases and 465,272 controls of European ancestry to fine-map these associated coding variants in their regional context, with and without additional weighting to account for the global enrichment of complex trait association signals in coding exons. At the 37 signals for which we attempted fine-mapping, we demonstrate convincing support (posterior probability >80% under the 'annotation-weighted' model) that coding variants are causal for the association at 16 (including novel signals involving POC5 p.His36Arg, ANKH p.Arg187Gln, WSCD2 p.Thr113Ile, PLCB3 p.Ser778Leu, and PNPLA3 p.Ile148Met). However, at 13 of the 37 loci, the associated coding variants represent 'false leads' and naïve analysis could have led to an erroneous inference regarding the effector transcript mediating the signal. Accurate identification of validated targets is dependent on correct specification of the contribution of coding and non-coding mediated mechanisms at associated loci.

Anorexia nervosa (AN) is a complex and serious eating disorder, occurring in ~1% of individuals. Despite having the highest mortality rate of any psychiatric disorder, little is known about the aetiology of AN, and few effective treatments exist. Global efforts to collect large sample sizes of individuals with AN have been highly successful, and a recent study consequently identified the first genome-wide significant locus involved in AN. This result, coupled with other recent studies and epidemiological evidence, suggest that previous characterizations of AN as a purely psychiatric disorder are over-simplified. Rather, both neurological and metabolic pathways may also be involved. In order to elucidate more of the system-specific aetiology of AN, we applied transcriptomic imputation methods to 3,495 cases and 10,982 controls, collected by the Eating Disorders Working Group of the Psychiatric Genomics Consortium (PGC-ED). Transcriptomic Imputation (TI) methods approaches use machine-learning methods to impute tissue-specific gene expression from large genotype data using curated eQTL reference panels. These offer an exciting opportunity to compare gene associations across neurological and metabolic tissues. Here, we applied CommonMind Consortium (CMC) and GTEx-derived gene expression prediction models for 13 brain tissues and 12 tissues with potential metabolic involvement (adipose, adrenal gland, 2 colon, 3 esophagus, liver, pancreas, small intestine, spleen, stomach). We identified 35 significant gene-tissue associations within the large chromosome 12 region described in the recent PGC-ED GWAS. We applied forward stepwise conditional analyses and FINEMAP to associations within this locus to identify putatively causal signals. We identified four independently associated genes; RPS26, C12orf49, SUOX, and RDH16. We also identified two further genome-wide significant gene-tissue associations, both in brain tissues; REEP5, in the dorso-lateral pre-frontal cortex (DLPFC; p=8.52x10-07), and CUL3, in the caudate basal ganglia (p=1.8x10-06). These genes are significantly enriched for associations with anthropometric phenotypes in the UK BioBank, as well as multiple psychiatric, addiction, and appetite/satiety pathways. Our results support a model of AN risk influenced by both metabolic and psychiatric factors.