Abstract Summary: A website for performing power calculations for the design of linkage and association genetic mapping studies of complex traits. Availability: The package is made available athttp://statgen.iop.kcl.ac.uk/gpc/ Contact: s.purcell@iop.kcl.ac.uk * To whom correspondence should be addressed.

Current genome-wide association studies (GWAS) use commercial genotyping microarrays that can assay over a million single nucleotide polymorphisms (SNPs). The number of SNPs is further boosted by advanced statistical genotype-imputation algorithms and large SNP databases for reference human populations. The testing of a huge number of SNPs needs to be taken into account in the interpretation of statistical significance in such genome-wide studies, but this is complicated by the non-independence of SNPs because of linkage disequilibrium (LD). Several previous groups have proposed the use of the effective number of independent markers (M e) for the adjustment of multiple testing, but current methods of calculation for M e are limited in accuracy or computational speed. Here, we report a more robust and fast method to calculate M e. Applying this efficient method [implemented in a free software tool named Genetic type 1 error calculator (GEC)], we systematically examined the M e, and the corresponding p-value thresholds required to control the genome-wide type 1 error rate at 0.05, for 13 Illumina or Affymetrix genotyping arrays, as well as for HapMap Project and 1000 Genomes Project datasets which are widely used in genotype imputation as reference panels. Our results suggested the use of a p-value threshold of ~10−7 as the criterion for genome-wide significance for early commercial genotyping arrays, but slightly more stringent p-value thresholds ~5 × 10−8 for current or merged commercial genotyping arrays, ~10−8 for all common SNPs in the 1000 Genomes Project dataset and ~5 × 10−8 for the common SNPs only within genes.

SummaryAn extension to current maximum-likelihood variance-components procedures for mapping quantitative-trait loci in sib pairs that allows a simultaneous test of allelic association is proposed. The method involves modeling of the allelic means for a test of association, with simultaneous modeling of the sib-pair covariance structure for a test of linkage. By partitioning of the mean effect of a locus into between- and within-sibship components, the method controls for spurious associations due to population stratification and admixture. The power and efficacy of the method are illustrated through simulation of various models of both real and spurious association. An extension to current maximum-likelihood variance-components procedures for mapping quantitative-trait loci in sib pairs that allows a simultaneous test of allelic association is proposed. The method involves modeling of the allelic means for a test of association, with simultaneous modeling of the sib-pair covariance structure for a test of linkage. By partitioning of the mean effect of a locus into between- and within-sibship components, the method controls for spurious associations due to population stratification and admixture. The power and efficacy of the method are illustrated through simulation of various models of both real and spurious association.

Abstract Summary: A graphical tool for verifying assumed relationships between individuals in genetic studies is described. GRR can detect many common errors using genotypes from many markers. Availability: GRR is available at http://bioinformatics.well.ox.ac.uk/GRR. Contact: goncalo@well.ox.ac.uk; lon@well.ox.ac.uk

Abstract The epilepsies affect around 65 million people worldwide and have a substantial missing heritability component. We report a genome-wide mega-analysis involving 15,212 individuals with epilepsy and 29,677 controls, which reveals 16 genome-wide significant loci, of which 11 are novel. Using various prioritization criteria, we pinpoint the 21 most likely epilepsy genes at these loci, with the majority in genetic generalized epilepsies. These genes have diverse biological functions, including coding for ion-channel subunits, transcription factors and a vitamin-B6 metabolism enzyme. Converging evidence shows that the common variants associated with epilepsy play a role in epigenetic regulation of gene expression in the brain. The results show an enrichment for monogenic epilepsy genes as well as known targets of antiepileptic drugs. Using SNP-based heritability analyses we disentangle both the unique and overlapping genetic basis to seven different epilepsy subtypes. Together, these findings provide leads for epilepsy therapies based on underlying pathophysiology.

Changes in the prevalence, treatment, and management of diabetes in the United States from 1999 to 2006 were studied using data from the National Health and Nutrition Examination Survey.Data on 17,306 participants aged 20 years or more were analyzed. Glycemic, blood pressure, and cholesterol targets were glycosylated hemoglobin less than 7.0%, blood pressure less than 130/80 mm Hg, and low-density lipoprotein (LDL) cholesterol less than 100 mg/dL, respectively.The prevalence of diagnosed diabetes was 6.5% from 1999 to 2002 and 7.8% from 2003 to 2006 (P < .05) and increased significantly in women, non-Hispanic whites, and obese people. Although there were no significant changes in the pattern of antidiabetic treatment, the age-adjusted percentage of people with diagnosed diabetes achieving glycemic and LDL targets increased from 43.1% to 57.1% (P < .05) and from 36.1% to 46.5% (P < .05), respectively. Glycosylated hemoglobin decreased from 7.62% to 7.15% during this period (P < .05). The age-adjusted percentage achieving all 3 targets increased insignificantly from 7.0% to 12.2%.The prevalence of diagnosed diabetes increased significantly from 1999 to 2006. The proportion of people with diagnosed diabetes achieving glycemic and LDL targets also increased. However, there is a need to achieve glycemic, blood pressure, and LDL targets simultaneously.

Abstract The identification of rare variants that contribute to complex diseases is challenging due to low statistical power. Here we propose a novel and powerful rare variants association test based on the deviation of the observed mutational burden in a genomic region from a baseline mutation burden predicted by weighted recursive truncated negative-binomial regression (RUNNER) on genomic features available from public data. Simulation studies show that RUNNER is substantially more powerful than state-of-the-art rare variant association methods (including SKAT, CMC and KBAC), while maintaining correct type 1 error rates under population stratification and in small samples. Applied to real data, RUNNER “rediscovered” known genes of Hirschsprung disease missed by current methods, and detected promising new candidate genes, including NXPE4 for Hirschsprung disease and CXCL16 for Alzheimer’s disease. The proposed approach provides a powerful and robust method to identify rare risk variants for complex diseases.

The relationship between rheumatoid arthritis (RA) and early onset atherosclerosis is well depicted, each with an important inflammatory component. Glycoprotein acetyls (GlycA), a novel biomarker of inflammation, may play a role in the manifestation of these two inflammatory conditions. The present study examined a potential mediating role of GlycA within the RA–atherosclerosis relationship to determine whether it accounts for the excess risk of cardiovascular disease over that posed by lipid risk factors. The UK Biobank dataset was acquired to establish associations among RA, atherosclerosis, GlycA, and major lipid factors: total cholesterol (TC), high- and low-density lipoprotein (HDL, LDL) cholesterol, and triglycerides (TGs). Genome-wide association study summary statistics were collected from various resources to perform genetic analyses. Causality among variables was tested using Mendelian Randomization (MR) analysis. Genes of interest were identified using colocalization analysis and gene enrichment analysis. MR results appeared to indicate that the genetic relationship between GlycA and RA and also between RA and atherosclerosis was explained by horizontal pleiotropy (p-value = 0.001 and <0.001, respectively), while GlycA may causally predict atherosclerosis (p-value = 0.017). Colocalization analysis revealed several functionally relevant genes shared between GlycA and all the variables assessed. Two loci were apparent in all relationships tested and included the HLA region as well as SLC22A1. GlycA appears to mediate the RA–atherosclerosis relationship through several possible pathways. GlycA, although pleiotropically related to RA, appears to causally predict atherosclerosis. Thus, GlycA is suggested as a significant factor in the etiology of atherosclerosis development in RA.

Background Caudal regression syndrome (CRS) or sacral agenesis is a rare congenital disorder characterized by a constellation of congenital caudal anomalies affecting the caudal spine and spinal cord, the hindgut, the urogenital system, and the lower limbs. CRS is a complex condition, attributed to an abnormal development of the caudal mesoderm, likely caused by the effect of interacting genetic and environmental factors. A well-known risk factor is maternal type 1 diabetes. Results In this pilot study, exome sequencing and copy number variation (CNV) analyses of 4 CRS trios implicate a number of candidate genes, including MORN1, ZNF330, CLTCL1 and PDZD2. De novo mutations were found in SPTBN5, MORN1 and ZNF330 and inherited predicted damaging mutations in PDZD2 (homozygous) and CLTCL1 (compound heterozygous) as well as in CRS-related genes PTEN (heterozygous) and VANGL1 (heterozygous). In addition, a compound heterozygous mutation in GLTSCR2, a direct regulator of PTEN was identified. Two CNV deletions, one de novo (chr3q13.13) and one homozygous (chr8p23.2), were detected in one of our CRS patients. These deletions overlapped with CNVs previously reported in patients with similar phenotype. Conclusion Despite the genetic diversity and the complexity of the phenotype, this pilot study identified genetic features common across CRS patients.