The study of autoinflammatory diseases has uncovered mechanisms underlying cytokine dysregulation and inflammation.

Osteoarthritis affects over 300 million people worldwide. Here, we conduct a genome-wide association study meta-analysis across 826,690 individuals (177,517 with osteoarthritis) and identify 100 independently associated risk variants across 11 osteoarthritis phenotypes, 52 of which have not been associated with the disease before. We report thumb and spine osteoarthritis risk variants and identify differences in genetic effects between weight-bearing and non-weight-bearing joints. We identify sex-specific and early age-at-onset osteoarthritis risk loci. We integrate functional genomics data from primary patient tissues (including articular cartilage, subchondral bone, and osteophytic cartilage) and identify high-confidence effector genes. We provide evidence for genetic correlation with phenotypes related to pain, the main disease symptom, and identify likely causal genes linked to neuronal processes. Our results provide insights into key molecular players in disease processes and highlight attractive drug targets to accelerate translation.

The human proteome is a crucial intermediate between complex diseases and their genetic and environmental components, and an important source of drug development targets and biomarkers. Here, we comprehensively assess the genetic architecture of 257 circulating protein biomarkers of cardiometabolic relevance through high-depth (22.5x) whole-genome sequencing (WGS) in 1,328 individuals. We discover 131 independent sequence variant associations ( P <7.45×10−11) across the allele frequency spectrum, all of which replicate in an independent cohort (n=1,605, 18.4x WGS). We identify for the first time replicating evidence for rare-variant cis -acting protein quantitative trait loci for five genes, involving both coding and non-coding variation. We construct and validate polygenic scores that explain up to 45% of protein level variation. We find causal links between protein levels and disease risk, identifying high-value biomarkers and drug development targets.

Abstract Circulating metabolite levels have been associated with type 2 diabetes (T2D), but the extent to which these are affected by T2D and the involvement of genetics in mediating these relationships remain to be elucidated. In this study, we investigate the interplay between genetics, metabolomics and T2D risk in the UK Biobank dataset. We find 79 metabolites with a causal association to T2D, mostly spanning lipid-related classes, while twice as many metabolites are causally affected by T2D liability, including branched-chain amino acids. Secondly, using an interaction quantitative trait locus (QTL) analysis, we describe four metabolites, consistently replicated in an independent dataset from the Estonian Biobank, for which genetic loci in two different genomic regions show attenuated regulation in T2D cases compared to controls. The significant variants from the interaction QTL analysis are significant QTLs for the corresponding metabolites in the general population, but are not associated with T2D risk, pointing towards consequences of T2D on the genetic regulation of metabolite levels. Finally, we find 165 metabolites associated with microvascular, macrovascular, or both types of T2D complications, with only a few discriminating between complication classes. Of the 165 metabolites, 40 are not causally linked to T2D in either direction, suggesting biological mechanisms specific to the occurrence of complications. Overall, this work provides a map of the metabolic consequences of T2D and of the genetic regulation of metabolite levels and enable to better understand the trajectory of T2D leading to complications.