We expanded GWAS discovery for type 2 diabetes (T2D) by combining data from 898,130 European-descent individuals (9% cases), after imputation to high-density reference panels. With these data, we (i) extend the inventory of T2D-risk variants (243 loci, 135 newly implicated in T2D predisposition, comprising 403 distinct association signals); (ii) enrich discovery of lower-frequency risk alleles (80 index variants with minor allele frequency <5%, 14 with estimated allelic odds ratio >2); (iii) substantially improve fine-mapping of causal variants (at 51 signals, one variant accounted for >80% posterior probability of association (PPA)); (iv) extend fine-mapping through integration of tissue-specific epigenomic information (islet regulatory annotations extend the number of variants with PPA >80% to 73); (v) highlight validated therapeutic targets (18 genes with associations attributable to coding variants); and (vi) demonstrate enhanced potential for clinical translation (genome-wide chip heritability explains 18% of T2D risk; individuals in the extremes of a T2D polygenic risk score differ more than ninefold in prevalence). Combining 32 genome-wide association studies with high-density imputation provides a comprehensive view of the genetic contribution to type 2 diabetes in individuals of European ancestry with respect to locus discovery, causal-variant resolution, and mechanistic insight.

Macronutrient intake, the proportion of calories consumed from carbohydrate, fat, and protein, is an important risk factor for metabolic diseases with significant familial aggregation. Previous studies have identified two genetic loci for macronutrient intake, but incomplete coverage of genetic variation and modest sample sizes have hindered the discovery of additional loci. Here, we expanded the genetic landscape of macronutrient intake, identifying 12 suggestively significant loci (P < 1 × 10−6) associated with intake of any macronutrient in 91,114 European ancestry participants. Four loci replicated and reached genome-wide significance in a combined meta-analysis including 123,659 European descent participants, unraveling two novel loci; a common variant in RARB locus for carbohydrate intake and a rare variant in DRAM1 locus for protein intake, and corroborating earlier FGF21 and FTO findings. In additional analysis of 144,770 participants from the UK Biobank, all identified associations from the two-stage analysis were confirmed except for DRAM1. Identified loci might have implications in brain and adipose tissue biology and have clinical impact in obesity-related phenotypes. Our findings provide new insight into biological functions related to macronutrient intake.

To investigate whether the genetic burden of type 2 diabetes modifies the association between the quality of dietary fat and the incidence of type 2 diabetes.Individual participant data meta-analysis.Eligible prospective cohort studies were systematically sourced from studies published between January 1970 and February 2017 through electronic searches in major medical databases (Medline, Embase, and Scopus) and discussion with investigators.Data from cohort studies or multicohort consortia with available genome-wide genetic data and information about the quality of dietary fat and the incidence of type 2 diabetes in participants of European descent was sought. Prospective cohorts that had accrued five or more years of follow-up were included. The type 2 diabetes genetic risk profile was characterized by a 68-variant polygenic risk score weighted by published effect sizes. Diet was recorded by using validated cohort-specific dietary assessment tools. Outcome measures were summary adjusted hazard ratios of incident type 2 diabetes for polygenic risk score, isocaloric replacement of carbohydrate (refined starch and sugars) with types of fat, and the interaction of types of fat with polygenic risk score.Of 102 305 participants from 15 prospective cohort studies, 20 015 type 2 diabetes cases were documented after a median follow-up of 12 years (interquartile range 9.4-14.2). The hazard ratio of type 2 diabetes per increment of 10 risk alleles in the polygenic risk score was 1.64 (95% confidence interval 1.54 to 1.75, I2=7.1%, τ2=0.003). The increase of polyunsaturated fat and total omega 6 polyunsaturated fat intake in place of carbohydrate was associated with a lower risk of type 2 diabetes, with hazard ratios of 0.90 (0.82 to 0.98, I2=18.0%, τ2=0.006; per 5% of energy) and 0.99 (0.97 to 1.00, I2=58.8%, τ2=0.001; per increment of 1 g/d), respectively. Increasing monounsaturated fat in place of carbohydrate was associated with a higher risk of type 2 diabetes (hazard ratio 1.10, 95% confidence interval 1.01 to 1.19, I2=25.9%, τ2=0.006; per 5% of energy). Evidence of small study effects was detected for the overall association of polyunsaturated fat with the risk of type 2 diabetes, but not for the omega 6 polyunsaturated fat and monounsaturated fat associations. Significant interactions between dietary fat and polygenic risk score on the risk of type 2 diabetes (P>0.05 for interaction) were not observed.These data indicate that genetic burden and the quality of dietary fat are each associated with the incidence of type 2 diabetes. The findings do not support tailoring recommendations on the quality of dietary fat to individual type 2 diabetes genetic risk profiles for the primary prevention of type 2 diabetes, and suggest that dietary fat is associated with the risk of type 2 diabetes across the spectrum of type 2 diabetes genetic risk.

Abstract Mitochondrial DNA copy number (mtDNA-CN) measured from blood specimens is a minimally invasive marker of mitochondrial function that exhibits both inter-individual and intercellular variation. To identify genes involved in regulating mitochondrial function, we performed a genome-wide association study (GWAS) in 465,809 White individuals from the Cohorts for Heart and Aging Research in Genomic Epidemiology (CHARGE) consortium and the UK Biobank (UKB). We identified 133 SNPs with statistically significant, independent effects associated with mtDNA-CN across 100 loci. A combination of fine-mapping, variant annotation, and co-localization analyses were used to prioritize genes within each of the 133 independent sites. Putative causal genes were enriched for known mitochondrial DNA depletion syndromes ( p = 3.09 x 10 −15 ) and the gene ontology (GO) terms for mtDNA metabolism ( p = 1.43 x 10 −8 ) and mtDNA replication ( p = 1.2 x 10 −7 ). A clustering approach leveraged pleiotropy between mtDNA-CN associated SNPs and 41 mtDNA-CN associated phenotypes to identify functional domains, revealing three distinct groups, including platelet activation, megakaryocyte proliferation, and mtDNA metabolism. Finally, using mitochondrial SNPs, we establish causal relationships between mitochondrial function and a variety of blood cell related traits, kidney function, liver function and overall ( p = 0.044) and non-cancer mortality ( p = 6.56 x 10 −4 ).

Dietary intake, a major contributor to the global obesity epidemic, is a complex phenotype partially affected by innate physiological processes. However, previous genome-wide association studies (GWAS) have only implicated a few loci in variability of dietary composition. Here, we present a multi-trait genome-wide association meta-analysis of inter-individual variation in dietary intake in 283,119 European-ancestry participants from UK Biobank and CHARGE consortium, and identify 96 genome-wide significant loci. Dietary intake signals map to different brain tissues and are enriched for genes expressed in b1-tanycytes and serotonergic and GABAergic neurons. We also find enrichment of biological pathways related to neurogenesis. Integration of cell-line and brain-specific epigenomic annotations identify 15 additional loci. Clustering of genome-wide significant variants yields three main genetic clusters with distinct associations with obesity and type 2 diabetes (T2D). Overall, these results enhance biological understanding of dietary composition, highlight neural mechanisms, and support functional follow-up experiments.

The Trans-Omics for Precision Medicine (TOPMed) program seeks to elucidate the genetic architecture and disease biology of heart, lung, blood, and sleep disorders, with the ultimate goal of improving diagnosis, treatment, and prevention. The initial phases of the program focus on whole genome sequencing of individuals with rich phenotypic data and diverse backgrounds. Here, we describe TOPMed goals and design as well as resources and early insights from the sequence data. The resources include a variant browser, a genotype imputation panel, and sharing of genomic and phenotypic data via dbGaP. In 53,581 TOPMed samples, >400 million single-nucleotide and insertion/deletion variants were detected by alignment with the reference genome. Additional novel variants are detectable through assembly of unmapped reads and customized analysis in highly variable loci. Among the >400 million variants detected, 97% have frequency <1% and 46% are singletons. These rare variants provide insights into mutational processes and recent human evolutionary history. The nearly complete catalog of genetic variation in TOPMed studies provides unique opportunities for exploring the contributions of rare and non-coding sequence variants to phenotypic variation. Furthermore, combining TOPMed haplotypes with modern imputation methods improves the power and extends the reach of nearly all genome-wide association studies to include variants down to ~0.01% in frequency.

We aggregated genome-wide genotyping data from 32 European-descent GWAS (74,124 T2D cases, 824,006 controls) imputed to high-density reference panels of >30,000 sequenced haplotypes. Analysis of ~27M variants (~21M with minor allele frequency [MAF]<5%), identified 243 genome-wide significant loci (p<5x10-8; MAF 0.02%-50%; odds ratio [OR] 1.04-8.05), 135 not previously-implicated in T2D-predisposition. Conditional analyses revealed 160 additional distinct association signals (p<10-5) within the identified loci. The combined set of 403 T2D-risk signals includes 56 low-frequency (0.5%≤MAF<5%) and 24 rare (MAF<0.5%) index SNPs at 60 loci, including 14 with estimated allelic OR>2. Forty-one of the signals displayed effect-size heterogeneity between BMI-unadjusted and adjusted analyses. Increased sample size and improved imputation led to substantially more precise localisation of causal variants than previously attained: at 51 signals, the lead variant after fine-mapping accounted for >80% posterior probability of association (PPA) and at 18 of these, PPA exceeded 99%. Integration with islet regulatory annotations enriched for T2D association further reduced median credible set size (from 42 variants to 32) and extended the number of index variants with PPA>80% to 73. Although most signals mapped to regulatory sequence, we identified 18 genes as human validated therapeutic targets through coding variants that are causal for disease. Genome wide chip heritability accounted for 18% of T2D-risk, and individuals in the 2.5% extremes of a polygenic risk score generated from the GWAS data differed >9-fold in risk. Our observations highlight how increases in sample size and variant diversity deliver enhanced discovery and single-variant resolution of causal T2D-risk alleles, and the consequent impact on mechanistic insights and clinical translation.

Hemoglobin A1c (HbA1c) is widely used to diagnose diabetes and assess glycemic control in patients with diabetes. However, nonglycemic determinants, including genetic variation, may influence how accurately HbA1c reflects underlying glycemia. Analyzing the NHLBI Trans-Omics for Precision Medicine (TOPMed) sequence data in 10,338 individuals from five studies and four ancestries (6,158 Europeans, 3,123 African-Americans, 650 Hispanics and 407 East Asians), we confirmed five regions associated with HbA1c ( GCK in Europeans and African-Americans, HK1 in Europeans and Hispanics, FN3K / FN3KRP in Europeans and G6PD in African-Americans and Hispanics) and discovered a new African-ancestry specific low-frequency variant (rs1039215 in HBG2 / HBE1 , minor allele frequency (MAF)=0.03). The most associated G6PD variant (p.Val98Met, rs1050828-T, MAF=12% in African-Americans, MAF=2% in Hispanics) lowered HbA1c (-0.88% in hemizygous males, -0.34% in heterozygous females) and explained 23% of HbA1c variance in African-Americans and 4% in Hispanics. Additionally, we identified a rare distinct G6PD coding variant (rs76723693 - p.Leu353Pro, MAF=0.5%; -0.98% in hemizygous males, -0.46% in heterozygous females) and detected significant association with HbA1c when aggregating rare missense variants in G6PD . We observed similar magnitude and direction of effects for rs1039215 ( HBG2 ) and rs76723693 ( G6PD ) in the two largest TOPMed African-American cohorts and replicated the rs76723693 association in the UK Biobank African-ancestry participants. These variants in G6PD and HBG2 were monomorphic in the European and Asian samples. African or Hispanic ancestry individuals carrying G6PD variants may be underdiagnosed for diabetes when screened with HbA1c. Thus, assessment of these variants should be considered for incorporation into precision medicine approaches for diabetes diagnosis.

Late-onset Alzheimers disease (LOAD, onset age > 60 years) is the most prevalent dementia in the elderly, and risk is partially driven by genetics. Many of the loci responsible for this genetic risk were identified by genome-wide association studies (GWAS). To identify additional LOAD risk loci, we performed the largest GWAS to date (89,769 individuals), analyzing both common and rare variants. We confirm 20 previous LOAD risk loci and identify four new genome-wide loci (IQCK, ACE, ADAM10, and ADAMTS1). Pathway analysis of these data implicates the immune system and lipid metabolism, and for the first time tau binding proteins and APP metabolism. These findings show that genetic variants affecting APP and Abeta processing are not only associated with early-onset autosomal dominant AD but also with LOAD. Analysis of AD risk genes and pathways show enrichment for rare variants (P = 1.32 x 10-7) indicating that additional rare variants remain to be identified.