Many existing cohorts contain a range of relatedness between genotyped individuals, either by design or by chance. Haplotype estimation in such cohorts is a central step in many downstream analyses. Using genotypes from six cohorts from isolated populations and two cohorts from non-isolated populations, we have investigated the performance of different phasing methods designed for nominally ‘unrelated’ individuals. We find that SHAPEIT2 produces much lower switch error rates in all cohorts compared to other methods, including those designed specifically for isolated populations. In particular, when large amounts of IBD sharing is present, SHAPEIT2 infers close to perfect haplotypes. Based on these results we have developed a general strategy for phasing cohorts with any level of implicit or explicit relatedness between individuals. First SHAPEIT2 is run ignoring all explicit family information. We then apply a novel HMM method (duoHMM) to combine the SHAPEIT2 haplotypes with any family information to infer the inheritance pattern of each meiosis at all sites across each chromosome. This allows the correction of switch errors, detection of recombination events and genotyping errors. We show that the method detects numbers of recombination events that align very well with expectations based on genetic maps, and that it infers far fewer spurious recombination events than Merlin. The method can also detect genotyping errors and infer recombination events in otherwise uninformative families, such as trios and duos. The detected recombination events can be used in association scans for recombination phenotypes. The method provides a simple and unified approach to haplotype estimation, that will be of interest to researchers in the fields of human, animal and plant genetics.

Here 106 genomic loci associated with age at menarche, a marker of puberty timing in females, are identified; these loci show enrichment for genes involved in nuclear hormone receptor function, body mass index, and rare disorders of puberty, and for genes located in imprinted regions, with parent-of-origin specific effects at several loci. The age at which females first experience menstruation, called menarche, is a heritable trait associated with risks for obesity, type 2 diabetes, cardiovascular disease, breast cancer and general mortality. This large-scale genome-wide association study identifies 123 signals at 106 genomic loci associated with age at menarche. New findings include parent-of-origin-specific allelic associations (both maternally and paternally driven) at three imprinted loci and the implication of retinoic acid and GABAB receptor II signalling and lysine-specific histone demethylation. These data bring new insights into the genetic architecture of puberty timing and suggest a model involving thousands of genetic variants. Age at menarche is a marker of timing of puberty in females. It varies widely between individuals, is a heritable trait and is associated with risks for obesity, type 2 diabetes, cardiovascular disease, breast cancer and all-cause mortality1. Studies of rare human disorders of puberty and animal models point to a complex hypothalamic-pituitary-hormonal regulation2,3, but the mechanisms that determine pubertal timing and underlie its links to disease risk remain unclear. Here, using genome-wide and custom-genotyping arrays in up to 182,416 women of European descent from 57 studies, we found robust evidence (P < 5 × 10−8) for 123 signals at 106 genomic loci associated with age at menarche. Many loci were associated with other pubertal traits in both sexes, and there was substantial overlap with genes implicated in body mass index and various diseases, including rare disorders of puberty. Menarche signals were enriched in imprinted regions, with three loci (DLK1-WDR25, MKRN3-MAGEL2 and KCNK9) demonstrating parent-of-origin-specific associations concordant with known parental expression patterns. Pathway analyses implicated nuclear hormone receptors, particularly retinoic acid and γ-aminobutyric acid-B2 receptor signalling, among novel mechanisms that regulate pubertal timing in humans. Our findings suggest a genetic architecture involving at least hundreds of common variants in the coordinated timing of the pubertal transition.

Abstract The timing of puberty is a highly polygenic childhood trait that is epidemiologically associated with various adult diseases. Here, we analyse 1000-Genome reference panel imputed genotype data on up to ~370,000 women and identify 389 independent signals (all P<5×10 −8 ) for age at menarche, a notable milestone in female pubertal development. In Icelandic data from deCODE, these signals explain ~7.4% of the population variance in age at menarche, corresponding to one quarter of the estimated heritability. We implicate over 250 genes via coding variation or associated gene expression, and demonstrate enrichment across genes active in neural tissues. We identify multiple rare variants near the imprinted genes MKRN3 and DLK1 that exhibit large effects on menarche only when paternally inherited. Disproportionate effects of variants on early or late puberty timing are observed: single variant and heritability estimates are larger for early than late puberty timing in females. The opposite pattern is seen in males, with larger estimates for late than early puberty timing. Mendelian randomization analyses indicate causal inverse associations, independent of BMI, between puberty timing and risks for breast and endometrial cancers in women, and prostate cancer in men. In aggregate, our findings reveal new complexity in the genetic regulation of puberty timing and support new causal links with adult cancer risks.

Electrocardiographic PR interval measures atrial and atrioventricular depolarization and conduction, and abnormal PR interval is a risk factor for atrial fibrillation and heart block. We performed a genome-wide association study in over 92,000 individuals of European descent and identified 44 loci associated with PR interval (34 novel). Examination of the 44 loci revealed known and novel biological processes involved in cardiac atrial electrical activity, and genes in these loci were highly over-represented in several cardiac disease processes. Nearly half of the 61 independent index variants in the 44 loci were associated with atrial or blood transcript expression levels, or were in high linkage disequilibrium with one or more missense variants. Cardiac regulatory regions of the genome as measured by cardiac DNA hypersensitivity sites were enriched for variants associated with PR interval, compared to non-cardiac regulatory regions. Joint analyses combining PR interval with heart rate, QRS interval, and atrial fibrillation identified additional new pleiotropic loci. The majority of associations discovered in European-descent populations were also present in African-American populations. Meta-analysis examining over 105,000 individuals of African and European descent identified additional novel PR loci. These additional analyses identified another 13 novel loci. Together, these findings underscore the power of GWAS to extend knowledge of the molecular underpinnings of clinical processes.

Purging through inbreeding occurs when consanguineous marriages increases the rate at which deleterious alleles are present in a homozygous state. In this study we carried out low-read depth (4-10x) whole-genome sequencing in 568 individuals from three Italian founder populations, and compared it to data from other Italian and European populations from the 1000 Genomes Project. We show extended consanguinity and depletion of homozygous genotypes at potentially detrimental sites in the founder populations compared to outbred populations. However these patterns are not compatible with the hypothesis of consanguinity driving the purging of highly deleterious mutations according to simulations. Therefore we conclude that genetic drift and the founder effect should be responsible for the observed purging of deleterious variants.

The electrocardiographic PR interval reflects atrioventricular conduction, and is associated with conduction abnormalities, pacemaker implantation, atrial fibrillation (AF), and cardiovascular mortality[1][1],[2][2]. We performed multi-ancestry (N=293,051) and European only (N=271,570) genome-wide association (GWAS) meta-analyses for the PR interval, discovering 210 loci of which 149 are novel. Variants at all loci nearly doubled the percentage of heritability explained, from 33.5% to 62.6%. We observed enrichment for genes involved in cardiac muscle development/contraction and the cytoskeleton highlighting key regulation processes for atrioventricular conduction. Additionally, 19 novel loci harbour genes underlying inherited monogenic heart diseases suggesting the role of these genes in cardiovascular pathology in the general population. We showed that polygenic predisposition to PR interval duration is an endophenotype for cardiovascular disease risk, including distal conduction disease, AF, atrioventricular pre-excitation, non-ischemic cardiomyopathy, and coronary heart disease. These findings advance our understanding of the polygenic basis of cardiac conduction, and the genetic relationship between PR interval duration and cardiovascular disease. [1]: #ref-1 [2]: #ref-2

Genome-wide association studies have had great success in identifying human genetic variants associated with disease, disease risk factors, and other biomedical phenotypes. Many variants are associated with multiple traits, even after correction for trait-trait correlation. Discovering subsets of variants associated with a shared subset of phenotypes could help reveal disease mechanisms, suggest new therapeutic options, and increase the power to detect additional variants with similar pattern of associations. Here we introduce two methods based on a Bayesian framework, SNP And Pleiotropic PHenotype Organization (SAPPHO), one modeling independent phenotypes (SAPPHO-I) and the other incorporating a full phenotype covariance structure (SAPPHO-C). These two methods learn patterns of pleiotropy from genotype and phenotype data, using identified associations to discover additional associations with shared patterns. The SAPPHO methods, along with other recent approaches for pleiotropic association tests, were assessed using data from the Atherosclerotic Risk in Communities (ARIC) study of 8,000 individuals, whose gold-standard associations were provided by meta-analysis of 40,000 to 100,000 individuals from the CHARGE consortium. Using power to detect gold-standard associations at genome-wide significance (0.05 family-wise error rate) as a metric, SAPPHO performed best. The SAPPHO methods were also uniquely able to select the most significant variants in a parsimonious model, excluding other less likely variants within a linkage disequilibrium block. For meta-analysis, the SAPPHO methods implement summary modes that use sufficient statistics rather than full phenotype and genotype data. Meta-analysis applied to CHARGE detected 16 additional associations to the gold-standard loci, as well as 124 novel loci, at 0.05 false discovery rate. Reasons for the superior performance were explored by performing simulations over a range of scenarios describing different genetic architectures. With SAPPHO we were able to learn genetic structures that were hidden using the traditional univariate tests.