Race and Genetic Ancestry in Medicine U.S. health inequities won’t be eliminated by abandoning the use of race and ethnicity in research and clinical practice, since these variables capture key epi...

The population structure of Native Mexicans The genetics of indigenous Mexicans exhibit substantial geographical structure, some as divergent from each other as are existing populations of Europeans and Asians. By performing genome-wide analyses on Native Mexicans from differing populations, Moreno-Estrada et al. successfully recapitulated the pre-Columbian substructure of Mexico. This ancestral structure is evident among cosmopolitan Mexicans and is correlated with subcontinental origins and medically relevant aspects of lung function. These findings exemplify the importance of understanding the genetic contributions of admixed individuals. Science , this issue p. 1280

Latinos are the largest minority population in the United States. Although usually classified as a single ethnic group by researchers, Latinos are heterogeneous from cultural, socioeconomic, and genetic perspectives. From a cultural and social perspective, Latinos represent a wide variety of national origins and ethnic and cultural groups, with a full spectrum of social class. From a genetic perspective, Latinos are descended from indigenous American, European, and African populations. We review the historical events that led to the formation of contemporary Latino populations and use results from recent genetic and clinical studies to illustrate the unique opportunity Latino groups offer for studying the interaction between racial, genetic, and environmental contributions to disease occurrence and drug response.

Most individuals throughout the Americas are admixed descendants of Native American, European, and African ancestors. Complex historical factors have resulted in varying proportions of ancestral contributions between individuals within and among ethnic groups. We developed a panel of 446 ancestry informative markers (AIMs) optimized to estimate ancestral proportions in individuals and populations throughout Latin America. We used genome-wide data from 953 individuals from diverse African, European, and Native American populations to select AIMs optimized for each of the three main continental populations that form the basis of modern Latin American populations. We selected markers on the basis of locus-specific branch length to be informative, well distributed throughout the genome, capable of being genotyped on widely available commercial platforms, and applicable throughout the Americas by minimizing within-continent heterogeneity. We then validated the panel in samples from four admixed populations by comparing ancestry estimates based on the AIMs panel to estimates based on genome-wide association study (GWAS) data. The panel provided balanced discriminatory power among the three ancestral populations and accurate estimates of individual ancestry proportions (R² > 0.9 for ancestral components with significant between-subject variance). Finally, we genotyped samples from 18 populations from Latin America using the AIMs panel and estimated variability in ancestry within and between these populations. This panel and its reference genotype information will be useful resources to explore population history of admixture in Latin America and to correct for the potential effects of population stratification in admixed samples in the region.

Self-identified race or ethnic group is used to determine normal reference standards in the prediction of pulmonary function. We conducted a study to determine whether the genetically determined percentage of African ancestry is associated with lung function and whether its use could improve predictions of lung function among persons who identified themselves as African American.We assessed the ancestry of 777 participants self-identified as African American in the Coronary Artery Risk Development in Young Adults (CARDIA) study and evaluated the relation between pulmonary function and ancestry by means of linear regression. We performed similar analyses of data for two independent cohorts of subjects identifying themselves as African American: 813 participants in the Health, Aging, and Body Composition (HABC) study and 579 participants in the Cardiovascular Health Study (CHS). We compared the fit of two types of models to lung-function measurements: models based on the covariates used in standard prediction equations and models incorporating ancestry. We also evaluated the effect of the ancestry-based models on the classification of disease severity in two asthma-study populations.African ancestry was inversely related to forced expiratory volume in 1 second (FEV(1)) and forced vital capacity in the CARDIA cohort. These relations were also seen in the HABC and CHS cohorts. In predicting lung function, the ancestry-based model fit the data better than standard models. Ancestry-based models resulted in the reclassification of asthma severity (based on the percentage of the predicted FEV(1)) in 4 to 5% of participants.Current predictive equations, which rely on self-identified race alone, may misestimate lung function among subjects who identify themselves as African American. Incorporating ancestry into normative equations may improve lung-function estimates and more accurately categorize disease severity. (Funded by the National Institutes of Health and others.)

Air pollution is a known asthma trigger and has been associated with short-term asthma symptoms, airway inflammation, decreased lung function, and reduced response to asthma rescue medications.To assess a causal relationship between air pollution and childhood asthma using data that address temporality by estimating air pollution exposures before the development of asthma and to establish the generalizability of the association by studying diverse racial/ethnic populations in different geographic regions.This study included Latino (n = 3,343) and African American (n = 977) participants with and without asthma from five urban regions in the mainland United States and Puerto Rico. Residential history and data from local ambient air monitoring stations were used to estimate average annual exposure to five air pollutants: ozone, nitrogen dioxide (NO₂), sulfur dioxide, particulate matter not greater than 10 μm in diameter, and particulate matter not greater than 2.5 μm in diameter. Within each region, we performed logistic regression to determine the relationship between early-life exposure to air pollutants and subsequent asthma diagnosis. A random-effects model was used to combine the region-specific effects and generate summary odds ratios for each pollutant.After adjustment for confounders, a 5-ppb increase in average NO₂ during the first year of life was associated with an odds ratio of 1.17 for physician-diagnosed asthma (95% confidence interval, 1.04-1.31).Early-life NO₂ exposure is associated with childhood asthma in Latinos and African Americans. These results add to a growing body of evidence that traffic-related pollutants may be causally related to childhood asthma.

Abstract Motivation: It is becoming increasingly evident that the analysis of genotype data from recently admixed populations is providing important insights into medical genetics and population history. Such analyses have been used to identify novel disease loci, to understand recombination rate variation and to detect recent selection events. The utility of such studies crucially depends on accurate and unbiased estimation of the ancestry at every genomic locus in recently admixed populations. Although various methods have been proposed and shown to be extremely accurate in two-way admixtures (e.g. African Americans), only a few approaches have been proposed and thoroughly benchmarked on multi-way admixtures (e.g. Latino populations of the Americas). Results: To address these challenges we introduce here methods for local ancestry inference which leverage the structure of linkage disequilibrium in the ancestral population (LAMP-LD), and incorporate the constraint of Mendelian segregation when inferring local ancestry in nuclear family trios (LAMP-HAP). Our algorithms uniquely combine hidden Markov models (HMMs) of haplotype diversity within a novel window-based framework to achieve superior accuracy as compared with published methods. Further, unlike previous methods, the structure of our HMM does not depend on the number of reference haplotypes but on a fixed constant, and it is thereby capable of utilizing large datasets while remaining highly efficient and robust to over-fitting. Through simulations and analysis of real data from 489 nuclear trio families from the mainland US, Puerto Rico and Mexico, we demonstrate that our methods achieve superior accuracy compared with published methods for local ancestry inference in Latinos. Availability: http://lamp.icsi.berkeley.edu/lamp/lampld/ Contact: bpasaniu@hsph.harvard.edu Supplementary information: Supplementary data are available at Bioinformatics online.

Genomic imprinting is an important regulatory mechanism that silences one of the parental copies of a gene. To systematically characterize this phenomenon, we analyze tissue specificity of imprinting from allelic expression data in 1582 primary tissue samples from 178 individuals from the Genotype-Tissue Expression (GTEx) project. We characterize imprinting in 42 genes, including both novel and previously identified genes. Tissue specificity of imprinting is widespread, and gender-specific effects are revealed in a small number of genes in muscle with stronger imprinting in males. IGF2 shows maternal expression in the brain instead of the canonical paternal expression elsewhere. Imprinting appears to have only a subtle impact on tissue-specific expression levels, with genes lacking a systematic expression difference between tissues with imprinted and biallelic expression. In summary, our systematic characterization of imprinting in adult tissues highlights variation in imprinting between genes, individuals, and tissues.