PY
Pranav Yajnik
Author with expertise in Genomic Studies and Association Analyses
Achievements
This user has not unlocked any achievements yet.
Key Stats
Upvotes received:
0
Publications:
2
(0% Open Access)
Cited by:
0
h-index:
6
/
i10-index:
6
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Refining The Accuracy Of Validated Target Identification Through Coding Variant Fine-Mapping In Type 2 Diabetes

Anubha Mahajan et al.May 31, 2017
+245
M
J
A
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.
0

Exome sequencing identifies high-impact trait-associated alleles enriched in Finns

Adam Locke et al.Nov 7, 2018
+41
A
S
A
As yet undiscovered rare variants are hypothesized to substantially influence an individual’s risk for common diseases and traits, but sequencing studies aiming to identify such variants have generally been underpowered. In isolated populations that have expanded rapidly after a population bottleneck, deleterious alleles that passed through the bottleneck may be maintained at much higher frequencies than in other populations. In an exome sequencing study of nearly 20,000 cohort participants from northern and eastern Finnish populations that exemplify this phenomenon, most novel trait-associated deleterious variants are seen only in Finland or display frequencies more than 20 times higher than in other European populations. These enriched alleles underlie 34 novel associations with 21 disease-related quantitative traits and demonstrate a geographical clustering equivalent to that of Mendelian disease mutations characteristic of the Finnish population. Sequencing studies in populations without this unique history would require hundreds of thousands to millions of participants for comparable power for these variants.