Importance Atrial fibrillation (AF) has a substantial genetic component. The importance of polygenic risk is well established, while the contribution of rare variants to disease risk warrants characterization in large cohorts. Objective To identify rare predicted loss-of-function (pLOF) variants associated with AF and elucidate their role in risk of AF, cardiomyopathy (CM), and heart failure (HF) in combination with a polygenic risk score (PRS). Design, Setting, and Participants This was a genetic association and nested case-control study. The impact of rare pLOF variants was evaluated on the risk of incident AF. HF and CM were assessed in cause-specific Cox regressions. End of follow-up was July 1, 2022. Data were analyzed from January to October 2023. The UK Biobank enrolled 502 480 individuals aged 40 to 69 years at inclusion in the United Kingdom between March 13, 2006, and October 1, 2010. UK residents of European ancestry were included. Individuals with prior diagnosis of AF were excluded from analyses of incident AF. Exposures Rare pLOF variants and an AF PRS. Main Outcomes and Measures Risk of AF and incident HF or CM prior to and subsequent to AF diagnosis. Results A total of 403 990 individuals (218 489 [54.1%] female) with a median (IQR) age of 58 (51-63) years were included; 24 447 were diagnosed with incident AF over a median (IQR) follow-up period of 13.3 (12.4-14.0) years. Rare pLOF variants in 6 genes ( TTN , RPL3L , PKP2 , CTNNA3 , KDM5B , and C10orf71 ) were associated with AF. Of these, TTN , RPL3L , PKP2 , CTNNA3 , and KDM5B replicated in an external cohort. Combined with high PRS, rare pLOF variants conferred an odds ratio of 7.08 (95% CI, 6.03-8.28) for AF. Carriers with high PRS also had a substantial 10-year risk of AF (16% in female individuals and 24% in male individuals older than 60 years). Rare pLOF variants were associated with increased risk of CM both prior to AF (hazard ratio [HR], 3.13; 95% CI, 2.24-4.36) and subsequent to AF (HR, 2.98; 95% CI, 1.89-4.69). Conclusions and Relevance Rare and common genetic variation were associated with an increased risk of AF. The findings provide insights into the genetic underpinnings of AF and may aid in future genetic risk stratification.

Uncovering the interaction between genomes and the environment is a principal challenge of modern genomics and preventive medicine. While theoretical models are well defined, little is known of the GxE interactions in humans. We used a system biology approach to comprehensively assess the interactions between 1.6 million environmental exposure data, health, and expression phenotypes, together with whole genome genetic variation, for 1000 individuals from a founder-population in Quebec. We reveal a substantial impact of the urbanization gradient on the transcriptome and clinical endophenotypes, overpowering that of genetic ancestry. In detail, air pollution impacts gene expression and pathways affecting cardio-metabolic and respiratory traits when controlling for genetic ancestry. Finally, we capture 34 clinically associated expression quantitative trait loci that interact with the environment (air pollution). Our findings demonstrate how the local environment directly affects chronic disease development, and that genetic variation, including rare variants, can modulate individual9s response to environmental challenges.

Abstract A small population of self-renewing, hematopoietic stem cells continuously reconstitutes our immune system. As we age, these cells, or their pluripotent descendants, accumulate somatic mutations; some of these mutations provide selection advantages and increase in frequency in the peripheral blood cell population. This process of positive selection, deemed age-related clonal hematopoiesis (ARCH), is associated with increased risk for cardiac disease and blood malignancies, like acute myeloid leukemia (AML). However, it remains unclear why some people with ARCH do not progress to AML, even when their blood cells harbor well-known AML driver mutations. Here, we examine whether negative selection can play a role in determining AML progression by modelling the complex interplay of positive and negative selective processes. Using a novel approach combining deep learning and population genetic models, we detect pervasive negative selection in targeted sequence data from the blood of 92 pre-AML individuals and 385 healthy controls. We find that the relative proportion of passenger to driver mutations is critical in determining if the selective advantage conferred to a cell by a known driver mutation is able to overwhelm negative selection acting on passenger mutations and allow clones harbouring disease-predisposing mutations to rise to dominance. We find that a subset of non-driver genes is enriched for mildly damaging mutations in healthy individuals fitting purifying models of evolution suggesting that mutations in these genes might confer a protective role against disease-predisposing clonal expansions. Through exploring non drivercentric models of evolution, we show how different classes of evolution act to shape hematopoietic dynamics and subsequent health outcome which may better inform disease prediction and unveil novel therapeutic targets. We anticipate that our results and modelling techniques can be broadly applied to identify both driver mutations and those mildly damaging passenger mutations, as well as help understand the early evolution of cancer in other cells and tissues.