Abstract Using genome-wide genotypes, we characterized the genetic structure of 103,006 participants in the Kaiser Permanente Northern California multi-ethnic Genetic Epidemiology Research on Adult Health and Aging Cohort and analyzed the relationship to self-reported race/ethnicity. Participants endorsed any of 23 race/ethnicity/nationality categories, which were collapsed into seven major race/ethnicity groups. By self-report the cohort is 80.8% white and 19.2% minority; 93.8% endorsed a single race/ethnicity group, while 6.2% endorsed two or more. Principal component (PC) and admixture analyses were generally consistent with prior studies. Approximately 17% of subjects had genetic ancestry from more than one continent, and 12% were genetically admixed, considering only nonadjacent geographical origins. Self-reported whites were spread on a continuum along the first two PCs, indicating extensive mixing among European nationalities. Self-identified East Asian nationalities correlated with genetic clustering, consistent with extensive endogamy. Individuals of mixed East Asian–European genetic ancestry were easily identified; we also observed a modest amount of European genetic ancestry in individuals self-identified as Filipinos. Self-reported African Americans and Latinos showed extensive European and African genetic ancestry, and Native American genetic ancestry for the latter. Among 3741 genetically identified parent–child pairs, 93% were concordant for self-reported race/ethnicity; among 2018 genetically identified full-sib pairs, 96% were concordant; the lower rate for parent–child pairs was largely due to intermarriage. The parent–child pairs revealed a trend toward increasing exogamy over time; the presence in the cohort of individuals endorsing multiple race/ethnicity categories creates interesting challenges and future opportunities for genetic epidemiologic studies.

Thomas Hoffmann, Neil Risch and colleagues use longitudinal electronic health records from almost 100,000 individuals to conduct genome-wide association studies for blood pressure measurements. They find new significant loci that replicate in independent cohorts and can double the variance explained by using multiple blood pressure data points. Longitudinal electronic health records on 99,785 Genetic Epidemiology Research on Adult Health and Aging (GERA) cohort individuals provided 1,342,814 systolic and diastolic blood pressure measurements for a genome-wide association study on long-term average systolic, diastolic, and pulse pressure. We identified 39 new loci among 75 genome-wide significant loci (P ≤ 5 × 10−8), with most replicating in the combined International Consortium for Blood Pressure (ICBP; n = 69,396) and UK Biobank (UKB; n = 152,081) studies. Combining GERA with ICBP yielded 36 additional new loci, with most replicating in UKB. Combining all three studies (n = 321,262) yielded 241 additional genome-wide significant loci, although no replication sample was available for these. All associated loci explained 2.9%, 2.5%, and 3.1% of variation in systolic, diastolic, and pulse pressure, respectively, in GERA non-Hispanic whites. Using multiple blood pressure measurements in GERA doubled the variance explained. A normalized risk score was associated with time to onset of hypertension (hazards ratio = 1.18, P = 8.2 × 10−45). Expression quantitative trait locus analysis of blood pressure loci showed enrichment in aorta and tibial artery.

A genome-wide association study (GWAS) of 94,674 ancestrally diverse Kaiser Permanente members using 478,866 longitudinal electronic health record (EHR)-derived measurements for untreated serum lipid levels empowered multiple new findings: 121 new SNP associations (46 primary, 15 conditional, and 60 in meta-analysis with Global Lipids Genetic Consortium data); an increase of 33–42% in variance explained with multiple measurements; sex differences in genetic impact (greater impact in females for LDL, HDL, and total cholesterol and the opposite for triglycerides); differences in variance explained among non-Hispanic whites, Latinos, African Americans, and East Asians; genetic dominance and epistatic interaction, with strong evidence for both at the ABO and FUT2 genes for LDL; and tissue-specific enrichment of GWAS-associated SNPs among liver, adipose, and pancreas eQTLs. Using EHR pharmacy data, both LDL and triglyceride genetic risk scores (477 SNPs) were strongly predictive of age at initiation of lipid-lowering treatment. These findings highlight the value of longitudinal EHRs for identifying new genetic features of cholesterol and lipoprotein metabolism with implications for lipid treatment and risk of coronary heart disease. Genome-wide association analysis using electronic health record data from >94,000 individuals identifies loci associated with plasma lipid concentrations. Longitudinal measurements allow for the calculation of genetic risk scores and increase the variance explained.

Hundreds of loci have been associated with blood pressure traits from many genome-wide association studies. We identified an enrichment of these loci in aorta and tibial artery expression quantitative trait loci in our previous work in ~100,000 Genetic Epidemiology Research on Aging (GERA) study participants. In the present study, we subsequently focused on determining putative regulatory regions for these and other tissues of relevance to blood pressure, to both fine-map these loci by pinpointing genes and variants of functional interest within them, and to identify any novel genes. We constructed maps of putative cis-regulatory elements using publicly available open chromatin data for the heart, aorta and tibial arteries, and multiple kidney cell types. Sequence variants within these regions may be evaluated quantitatively for their tissue- or cell-type-specific regulatory impact using deltaSVM functional scores, as described in our previous work. In order to identify genes of interest, we aggregate these variants in these putative cis-regulatory elements within 50Kb of the start or end of genes considered as "expressed" in these tissues or cell types using publicly available gene expression data, and use the deltaSVM scores as weights in the well-known group-wise sequence kernel association test (SKAT). We test for association with both blood pressure traits as well as expression within these tissues or cell types of interest, and identify several genes, including MTHFR, C10orf32, CSK, NOV, ULK4, SDCCAG8, SCAMP5, RPP25, HDGFRP3, VPS37B, and PPCDC. Although our study centers on blood pressure traits, we additionally examined two known genes, SCN5A and NOS1AP involved in the cardiac trait QT interval, in the Atherosclerosis Risk in Communities Study (ARIC), as a positive control, and observed an expected heart-specific effect. Thus, our method may be used to identify variants and genes for further functional testing using tissue- or cell-type-specific putative regulatory information.

The potential association between rare germline genetic variants and prostate cancer (PrCa) susceptibility has been understudied due to challenges with assessing rare variation. Furthermore, although common risk variants for PrCa have shown limited individual effect sizes, their cumulative effect may be of similar magnitude as high penetrance mutations. To identify rare variants associated with PrCa susceptibility, and better characterize the mechanisms and cumulative disease risk associated with common risk variants, we analyzed large population-based cohorts, custom genotyping microarrays, and imputation reference panels in an integrative study of PrCa genetic etiology. In particular, 11,649 men (6,196 PrCa cases, 5,453 controls) of European ancestry from the Kaiser Permanente Research Program on Genes, Environment and Health, ProHealth Study, and California Men's Health Study were genotyped and meta-analyzed with 196,269 European-ancestry male subjects (7,917 PrCa cases, 188,352 controls) from the UK Biobank. Six novel loci were genome-wide significant in our meta-analysis, including two rare variants (minor allele frequency < 0.01, at 3p21.31 and 8p12). Gene-based rare variant tests implicated a previously discovered PrCa gene ( HOXB13 ) as well as a novel candidate ( ILDR1 ) highly expressed in prostate tissue. Haplotypic patterns of long-range linkage disequilibrium were observed for rare genetic variants at HOXB13 and other loci, reflecting their evolutionary history. Furthermore, a polygenic risk score (PRS) of 187 known, largely common PrCa variants was strongly associated with risk in non-Hispanic whites (90th vs. 10th decile OR = 7.66, P = 1.80*10-239). Many of the 187 variants exhibited functional signatures of gene expression regulation or transcription factor binding, including a six-fold difference in log-probability of Androgen Receptor binding at the variant rs2680708 (17q22). Our finding of two novel rare variants associated with PrCa should motivate further consideration of the role of low frequency polymorphisms in PrCa, while the considerable effect of PrCa PRS profiles should prompt discussion of their role in clinical practice.

Background: Social barriers to health care, such as food insecurity, financial distress, and housing instability, may impede effective clinical management for individuals with chronic illness. Systematic strategies are needed to more efficiently identify at-risk individuals who may benefit from proactive outreach by health care systems for screening and referral to available social resources. Objective: To create a predictive model to identify a higher likelihood of food insecurity, financial distress, and/or housing instability among adults with multiple chronic medical conditions. Research Design and Subjects: We developed and validated a predictive model in adults with 2 or more chronic conditions who were receiving care within Kaiser Permanente Northern California (KPNC) between January 2017 and February 2020. The model was developed to predict the likelihood of a “yes” response to any of 3 validated self-reported survey questions related to current concerns about food insecurity, financial distress, and/or housing instability. External model validation was conducted in a separate cohort of adult non-Medicaid KPNC members aged 35–85 who completed a survey administered to a random sample of health plan members between April and June 2021 (n = 2820). Measures: We examined the performance of multiple model iterations by comparing areas under the receiver operating characteristic curves (AUCs). We also assessed algorithmic bias related to race/ethnicity and calculated model performance at defined risk thresholds for screening implementation. Results: Patients in the primary modeling cohort (n = 11,999) had a mean age of 53.8 (±19.3) years, 64.7% were women, and 63.9% were of non-White race/ethnicity. The final, simplified model with 30 predictors (including utilization, diagnosis, behavior, insurance, neighborhood, and pharmacy-based variables) had an AUC of 0.68. The model remained robust within different race/ethnic strata. Conclusions: Our results demonstrated that a predictive model developed using information gleaned from the medical record and from public census tract data can be used to identify patients who may benefit from proactive social needs assessment. Depending on the prevalence of social needs in the target population, different risk output thresholds could be set to optimize positive predictive value for successful outreach. This predictive model-based strategy provides a pathway for prioritizing more intensive social risk outreach and screening efforts to the patients who may be in greatest need.