Background: The genetic basis of left ventricular (LV) image-derived phenotypes, which play a vital role in the diagnosis, management, and risk stratification of cardiovascular diseases, is unclear at present. Methods: The LV parameters were measured from the cardiovascular magnetic resonance studies of the UK Biobank. Genotyping was done using Affymetrix arrays, augmented by imputation. We performed genome-wide association studies of 6 LV traits—LV end-diastolic volume, LV end-systolic volume, LV stroke volume, LV ejection fraction, LV mass, and LV mass to end-diastolic volume ratio. The replication analysis was performed in the MESA study (Multi-Ethnic Study of Atherosclerosis). We identified the candidate genes at genome-wide significant loci based on the evidence from extensive bioinformatic analyses. Polygenic risk scores were constructed from the summary statistics of LV genome-wide association studies to predict the heart failure events. Results: The study comprised 16 923 European UK Biobank participants (mean age 62.5 years; 45.8% men) without prevalent myocardial infarction or heart failure. We discovered 14 genome-wide significant loci (3 loci each for LV end-diastolic volume, LV end-systolic volume, and LV mass to end-diastolic volume ratio; 4 loci for LV ejection fraction, and 1 locus for LV mass) at a stringent P <1×10 −8 . Three loci were replicated at Bonferroni significance and 7 loci at nominal significance ( P <0.05 with concordant direction of effect) in the MESA study (n=4383). Follow-up bioinformatic analyses identified 28 candidate genes that were enriched in the cardiac developmental pathways and regulation of the LV contractile mechanism. Eight genes ( TTN, BAG3, GRK5, HSPB7, MTSS1, ALPK3, NMB , and MMP11 ) supported by at least 2 independent lines of in silico evidence were implicated in the cardiac morphogenesis and heart failure development. The polygenic risk scores of LV phenotypes were predictive of heart failure in a holdout UK Biobank sample of 3106 cases and 224 134 controls (odds ratio 1.41, 95% CI 1.26 – 1.58, for the top quintile versus the bottom quintile of the LV end-systolic volume risk score). Conclusions: We report 14 genetic loci and indicate several candidate genes that not only enhance our understanding of the genetic architecture of prognostically important LV phenotypes but also shed light on potential novel therapeutic targets for LV remodeling.

ABSTRACT We introduce Giraffe, a pangenome short read mapper that can efficiently map to a collection of haplotypes threaded through a sequence graph. Giraffe, part of the variation graph toolkit (vg) 1 , maps reads to thousands of human genomes at around the same speed BWA-MEM 2 maps reads to a single reference genome, while maintaining comparable accuracy to VG-MAP, vg’s original mapper. We have developed efficient genotyping pipelines using Giraffe. We demonstrate improvements in genotyping for single-nucleotide variants (SNVs), small insertions and deletions (indels) and structural variations (SVs) genome-wide. We use Giraffe to genotype about 167 thousand structural variants ascertained from long read studies in 5,202 human genomes sequenced with short reads, including the complete 1000 Genomes Project dataset, at an average cost of $1.50 per sample. We determine the frequency of these variations in diverse human populations, characterize their complex allelic variations and identify thousands of expression quantitative trait loci (eQTLs) driven by these variations.

ABSTRACT Age is the dominant risk factor for most chronic human diseases; yet the mechanisms by which aging confers this risk are largely unknown. 1 Recently, the age-related acquisition of somatic mutations in regenerating hematopoietic stem cell populations was associated with both hematologic cancer incidence 2–4 and coronary heart disease prevalence. 5 Somatic mutations with leukemogenic potential may confer selective cellular advantages leading to clonal expansion, a phenomenon termed ‘Clonal Hematopoiesis of Indeterminate Potential’ (CHIP). 6 Simultaneous germline and somatic whole genome sequence analysis now provides the opportunity to identify root causes of CHIP. Here, we analyze high-coverage whole genome sequences from 97,691 participants of diverse ancestries in the NHLBI TOPMed program and identify 4,229 individuals with CHIP. We identify associations with blood cell, lipid, and inflammatory traits specific to different CHIP genes. Association of a genome-wide set of germline genetic variants identified three genetic loci associated with CHIP status, including one locus at TET2 that was African ancestry specific. In silico -informed in vitro evaluation of the TET2 germline locus identified a causal variant that disrupts a TET2 distal enhancer. Aggregates of rare germline loss-of-function variants in CHEK2 , a DNA damage repair gene, predisposed to CHIP acquisition. Overall, we observe that germline genetic variation altering hematopoietic stem cell function and the fidelity of DNA-damage repair increase the likelihood of somatic mutations leading to CHIP.

Right ventricular (RV) structure and function influence the morbidity and mortality from coronary artery disease (CAD), dilated cardiomyopathy (DCM), pulmonary hypertension and heart failure. Little is known about the genetic basis of RV measurements. Here we perform genome-wide association analyses of four clinically relevant RV phenotypes (RV end-diastolic volume, RV end-systolic volume, RV stroke volume, RV ejection fraction) from cardiovascular magnetic resonance images, using a state-of-the-art deep learning algorithm in 29,506 UK Biobank participants. We identify 25 unique loci associated with at least one RV phenotype at P < 2.27 ×10-8, 17 of which are validated in a combined meta-analysis (n = 41,830). Several candidate genes overlap with Mendelian cardiomyopathy genes and are involved in cardiac muscle contraction and cellular adhesion. The RV polygenic risk scores (PRSs) are associated with DCM and CAD. The findings substantially advance our understanding of the genetic underpinning of RV measurements.

ABSTRACT Common SNPs are predicted to collectively explain 40-50% of phenotypic variation in human height, but identifying the specific variants and associated regions requires huge sample sizes. Here we show, using GWAS data from 5.4 million individuals of diverse ancestries, that 12,111 independent SNPs that are significantly associated with height account for nearly all of the common SNP-based heritability. These SNPs are clustered within 7,209 non-overlapping genomic segments with a median size of ~90 kb, covering ~21% of the genome. The density of independent associations varies across the genome and the regions of elevated density are enriched for biologically relevant genes. In out-of-sample estimation and prediction, the 12,111 SNPs account for 40% of phenotypic variance in European ancestry populations but only ~10%-20% in other ancestries. Effect sizes, associated regions, and gene prioritization are similar across ancestries, indicating that reduced prediction accuracy is likely explained by linkage disequilibrium and allele frequency differences within associated regions. Finally, we show that the relevant biological pathways are detectable with smaller sample sizes than needed to implicate causal genes and variants. Overall, this study, the largest GWAS to date, provides an unprecedented saturated map of specific genomic regions containing the vast majority of common height-associated variants.

Abstract A diverse set of driver genes, such as regulators of DNA methylation, RNA splicing, and chromatin remodeling, have been associated with pre-malignant clonal expansion of hematopoietic stem cells (HSCs). The factors mediating expansion of these mutant clones remain largely unknown, partially due to a paucity of large cohorts with longitudinal blood sampling. To circumvent this limitation, we developed and validated a method to infer clonal expansion rate from single timepoint data called PACER (passenger-approximated clonal expansion rate). Applying PACER to 5,071 persons with clonal hematopoiesis accurately recapitulated the known fitness effects due to different driver mutations. A genome-wide association study of PACER revealed that a common inherited polymorphism in the TCL1A promoter was associated with slower clonal expansion. Those carrying two copies of this protective allele had up to 80% reduced odds of having driver mutations in TET2, ASXL1, SF3B1, SRSF2 , and JAK2 , but not DNMT3A. TCL1A was not expressed in normal or DNMT3A -mutated HSCs, but the introduction of mutations in TET2 or ASXL1 by CRISPR editing led to aberrant expression of TCL1A and expansion of HSCs in vitro. These effects were abrogated in HSCs from donors carrying the protective TCL1A allele. Our results indicate that the fitness advantage of multiple common driver genes in clonal hematopoiesis is mediated through TCL1A activation. PACER is an approach that can be widely applied to uncover genetic and environmental determinants of pre-malignant clonal expansion in blood and other tissues.

Background: ChREBP (carbohydrate responsive element binding protein) is a transcription factor that responds to sugar consumption. Sugar-sweetened beverage (SSB) consumption and genetic variants in the CHREBP locus have separately been linked to HDL-C (high-density lipoprotein cholesterol) and triglyceride concentrations. We hypothesized that SSB consumption would modify the association between genetic variants in the CHREBP locus and dyslipidemia. Methods: Data from 11 cohorts from the Cohorts for Heart and Aging Research in Genomic Epidemiology consortium (N=63 599) and the UK Biobank (N=59 220) were used to quantify associations of SSB consumption, genetic variants, and their interaction on HDL-C and triglyceride concentrations using linear regression models. A total of 1606 single nucleotide polymorphisms within or near CHREBP were considered. SSB consumption was estimated from validated questionnaires, and participants were grouped by their estimated intake. Results: In a meta-analysis, rs71556729 was significantly associated with higher HDL-C concentrations only among the highest SSB consumers (β, 2.12 [95% CI, 1.16–3.07] mg/dL per allele; P <0.0001), but not significantly among the lowest SSB consumers ( P =0.81; P Diff <0.0001). Similar results were observed for 2 additional variants (rs35709627 and rs71556736). For triglyceride, rs55673514 was positively associated with triglyceride concentrations only among the highest SSB consumers (β, 0.06 [95% CI, 0.02–0.09] ln-mg/dL per allele, P =0.001) but not the lowest SSB consumers ( P =0.84; P Diff =0.0005). Conclusions: Our results identified genetic variants in the CHREBP locus that may protect against SSB-associated reductions in HDL-C and other variants that may exacerbate SSB-associated increases in triglyceride concentrations. Registration: URL: https://www.clinicaltrials.gov ; Unique identifier: NCT00005133, NCT00005121, NCT00005487, and NCT00000479.

Abstract Multi-omics datasets are becoming more common, necessitating better integration methods to realize their revolutionary potential. Here, we introduce Multi-set Correlation and Factor Analysis, an unsupervised integration method that enables fast inference of shared and private factors in multi-modal data. Applied to 614 ancestry-diverse participant samples across five ‘omics types, MCFA infers a shared space that captures clinically relevant molecular processes.

Abstract Large-scale gene sequencing studies for complex traits have the potential to identify causal genes with therapeutic implications. We performed gene-based association testing of blood lipid levels with rare (minor allele frequency<1%) predicted damaging coding variation using sequence data from >170,000 individuals from multiple ancestries: 97,493 European, 30,025 South Asian, 16,507 African, 16,440 Hispanic/Latino, 10,420 East Asian, and 1,182 Samoan. We identified 35 genes associated with circulating lipid levels. Ten of these: ALB , SRSF2 , JAK2, CREB3L3 , TMEM136 , VARS , NR1H3 , PLA2G12A , PPARG and STAB1 have not been implicated for lipid levels using rare coding variation in population-based samples. We prioritize 32 genes identified in array-based genome-wide association study (GWAS) loci based on gene-based associations, of which three: EVI5, SH2B3 , and PLIN1 , had no prior evidence of rare coding variant associations. Most of the associated genes showed evidence of association in multiple ancestries. Also, we observed an enrichment of gene-based associations for low-density lipoprotein cholesterol drug target genes, and for genes closest to GWAS index single nucleotide polymorphisms (SNP). Our results demonstrate that gene-based associations can be beneficial for drug target development and provide evidence that the gene closest to the array-based GWAS index SNP is often the functional gene for blood lipid levels.

Abstract Glycaemic traits are used to diagnose and monitor type 2 diabetes, and cardiometabolic health. To date, most genetic studies of glycaemic traits have focused on individuals of European ancestry. Here, we aggregated genome-wide association studies in up to 281,416 individuals without diabetes (30% non-European ancestry) with fasting glucose, 2h-glucose post-challenge, glycated haemoglobin, and fasting insulin data. Trans-ancestry and single-ancestry meta-analyses identified 242 loci (99 novel; P <5×10 -8 ), 80% with no significant evidence of between-ancestry heterogeneity. Analyses restricted to European ancestry individuals with equivalent sample size would have led to 24 fewer new loci. Compared to single-ancestry, equivalent sized trans-ancestry fine-mapping reduced the number of estimated variants in 99% credible sets by a median of 37.5%. Genomic feature, gene-expression and gene-set analyses revealed distinct biological signatures for each trait, highlighting different underlying biological pathways. Our results increase understanding of diabetes pathophysiology by use of trans-ancestry studies for improved power and resolution.