Iris Heid, Gonçalo Abecasis, Sudha Iyengar and colleagues report the results of a large genome-wide association meta-analysis of macular degeneration based on over 43,000 subjects. They identify 16 new risk loci, including some very rare coding variants. Advanced age-related macular degeneration (AMD) is the leading cause of blindness in the elderly, with limited therapeutic options. Here we report on a study of >12 million variants, including 163,714 directly genotyped, mostly rare, protein-altering variants. Analyzing 16,144 patients and 17,832 controls, we identify 52 independently associated common and rare variants (P < 5 × 10−8) distributed across 34 loci. Although wet and dry AMD subtypes exhibit predominantly shared genetics, we identify the first genetic association signal specific to wet AMD, near MMP9 (difference P value = 4.1 × 10−10). Very rare coding variants (frequency <0.1%) in CFH, CFI and TIMP3 suggest causal roles for these genes, as does a splice variant in SLC16A8. Our results support the hypothesis that rare coding variants can pinpoint causal genes within known genetic loci and illustrate that applying the approach systematically to detect new loci requires extremely large sample sizes.

Gene expression profiling is being widely applied in cancer research to identify biomarkers for clinical endpoint prediction. Since RNA-seq provides a powerful tool for transcriptome-based applications beyond the limitations of microarrays, we sought to systematically evaluate the performance of RNA-seq-based and microarray-based classifiers in this MAQC-III/SEQC study for clinical endpoint prediction using neuroblastoma as a model.We generate gene expression profiles from 498 primary neuroblastomas using both RNA-seq and 44 k microarrays. Characterization of the neuroblastoma transcriptome by RNA-seq reveals that more than 48,000 genes and 200,000 transcripts are being expressed in this malignancy. We also find that RNA-seq provides much more detailed information on specific transcript expression patterns in clinico-genetic neuroblastoma subgroups than microarrays. To systematically compare the power of RNA-seq and microarray-based models in predicting clinical endpoints, we divide the cohort randomly into training and validation sets and develop 360 predictive models on six clinical endpoints of varying predictability. Evaluation of factors potentially affecting model performances reveals that prediction accuracies are most strongly influenced by the nature of the clinical endpoint, whereas technological platforms (RNA-seq vs. microarrays), RNA-seq data analysis pipelines, and feature levels (gene vs. transcript vs. exon-junction level) do not significantly affect performances of the models.We demonstrate that RNA-seq outperforms microarrays in determining the transcriptomic characteristics of cancer, while RNA-seq and microarray-based models perform similarly in clinical endpoint prediction. Our findings may be valuable to guide future studies on the development of gene expression-based predictive models and their implementation in clinical practice.

Abstract Context Vitamin D inadequacy, assessed by 25-hydroxyvitamin D [25(OH)D], affects around 50% of adults in the United States and is associated with numerous adverse health outcomes. Blood 25(OH)D concentrations are influenced by genetic factors that may determine how much vitamin D intake is required to reach optimal 25(OH)D. Despite large genome-wide association studies (GWASs), only a small portion of the genetic factors contributing to differences in 25(OH)D levels has been discovered. Objective Therefore, knowledge of a fuller set of genetic factors could be useful for risk prediction of 25(OH)D inadequacy, personalized vitamin D supplementation, and prevention of morbidity and mortality from deficient 25(OH)D. Design Using PRSice and weights from published African- and European-ancestry GWAS summary statistics, ancestry-specific polygenic scores (PGSs) were created to capture a more complete set of genetic factors. Patients or Other Participants Participants (European ancestry n=9,569, African ancestry n=2,761) came from three cohort studies. Main Outcome Measure(s) Blood concentrations of 25(OH)D. Results The PGS for African ancestry was derived using all input SNPs (a p-value cut-off of 1.0) and had an R 2 of 0.3%; for European ancestry, the optimal PGS used a p-value cut-off of 3.5×10 −4 in the target/tuning dataset and had an R 2 of 1.0% in the validation cohort. Those with highest genetic risk had 25(OH)D that was 2.8-3.0 ng/ml lower than those with lowest genetic risk (p=0.0463 to 3.2×10 −13 ), requiring an additional 467 to 500 IU of vitamin D intake to maintain equivalent 25(OH)D. Conclusions PGSs are a powerful predictive tool that could be leveraged for personalized vitamin D supplementation to prevent the negative downstream effects of 25(OH)D inadequacy.

Abstract Orphan nuclear receptor NR2E3 activates p53 and induces cancer cell apoptosis. Further studies on p53-dependent and -independent functions of wild-type and mutated NR2E3 are needed. Herein, we showed that NR2E3 enhanced p53-DNA interactions in diverse cancer cells and up-regulated p53 and IFNα pathways while down-regulating MYC pathway in cervical cancer cells. Studies of “All of Us” and TCGA databases showed NR2E3 nonsynonymous mutations’ associating with four cancers. We stratified NR2E3 SNVs for their cancer implications with the p53 reporter. A cancer-associated NR2E3 R97H mutation not only lost the wild-type’s tumor-suppressing functions but also prohibited the wild-type from enhancing p53 acetylation. These observations implicated the potential for pharmaceutically activating NR2E3 to suppress cancer. Indeed, NR2E3’s small-molecule agonist 11a repressed 2-D and 3-D cultures of primary cells and cell lines of cervical cancer, in which screening FDA-approved anti-cancer drugs identified HDAC-1/2 inhibitor Romidepsin operating synergistically with 11a. The underlying molecular mechanisms included 11a’s down-regulating the transcription of Multidrug Resistance Protein ABCB1 that Romidepsin up-regulated. Transcriptomics studies revealed three synergy modes: (1) “sum-up” mode that the p53 pathway activated individually by 11a and Romidepsin got stronger by the combo; (2) “antagonism” mode that Romidepsin counteracted the activation of the Kras pathway by 11a; and (3) “de novo” mode that the combo instead of each individual drug repressed the MYC pathway. Conclusively, our experiments provide new data supporting tumor-suppressor like functions for wild-type NR2E3 , reveal roles of mutated NR2E3 in cancer, and address values of NR2E3’s agonist 11a in cancer therapy alone and combined.

Purpose: As many as 75% of patients with Polycystic ovary syndrome (PCOS) are estimated to be unidentified in clinical practice. Utilizing polygenic risk prediction, we aim to identify the phenome-wide comorbidity patterns characteristic of PCOS to improve accurate diagnosis and preventive treatment. Methods and Findings: Leveraging the electronic health records (EHRs) of 124,852 individuals, we developed a PCOS risk prediction algorithm by combining polygenic risk scores (PRS) with PCOS component phenotypes into a polygenic and phenotypic risk score (PPRS). We evaluated its predictive capability across different ancestries and perform a PRS-based phenome-wide association study (PheWAS) to assess the phenomic expression of the heightened risk of PCOS. The integrated polygenic prediction improved the average performance (pseudo-R2) for PCOS detection by 0.228 (61.5-fold), 0.224 (58.8-fold), 0.211 (57.0-fold) over the null model across European, African, and multi-ancestry participants respectively. The subsequent PRS-powered PheWAS identified a high level of shared biology between PCOS and a range of metabolic and endocrine outcomes, especially with obesity and diabetes: 'morbid obesity', 'type 2 diabetes', 'hypercholesterolemia', 'disorders of lipid metabolism', 'hypertension' and 'sleep apnea' reaching phenome-wide significance. Conclusions: Our study has expanded the methodological utility of PRS in patient stratification and risk prediction, especially in a multifactorial condition like PCOS, across different genetic origins. By utilizing the individual genome-phenome data available from the EHR, our approach also demonstrates that polygenic prediction by PRS can provide valuable opportunities to discover the pleiotropic phenomic network associated with PCOS pathogenesis.