The Psychiatric GWAS Consortium Bipolar Disorder Working Group reports a large-scale genome-wide association study of 7,481 individuals with bipolar disorder with replication in 4,493 cases. The Consortium identifies a new susceptibility locus near ODZ4 and replicates a known association near CACNA1C for bipolar disorder. We conducted a combined genome-wide association study (GWAS) of 7,481 individuals with bipolar disorder (cases) and 9,250 controls as part of the Psychiatric GWAS Consortium. Our replication study tested 34 SNPs in 4,496 independent cases with bipolar disorder and 42,422 independent controls and found that 18 of 34 SNPs had P < 0.05, with 31 of 34 SNPs having signals with the same direction of effect (P = 3.8 × 10−7). An analysis of all 11,974 bipolar disorder cases and 51,792 controls confirmed genome-wide significant evidence of association for CACNA1C and identified a new intronic variant in ODZ4. We identified a pathway comprised of subunits of calcium channels enriched in bipolar disorder association intervals. Finally, a combined GWAS analysis of schizophrenia and bipolar disorder yielded strong association evidence for SNPs in CACNA1C and in the region of NEK4-ITIH1-ITIH3-ITIH4. Our replication results imply that increasing sample sizes in bipolar disorder will confirm many additional loci.

Eric Schadt and colleagues report the construction of yeast regulatory networks from multiple sources of large-scale functional genomic data, and show that a network constructed from the integration of genotypic, transcription factor binding site, and protein–protein interaction data is the most predictive. A key goal of biology is to construct networks that predict complex system behavior. We combine multiple types of molecular data, including genotypic, expression, transcription factor binding site (TFBS), and protein–protein interaction (PPI) data previously generated from a number of yeast experiments, in order to reconstruct causal gene networks. Networks based on different types of data are compared using metrics devised to assess the predictive power of a network. We show that a network reconstructed by integrating genotypic, TFBS and PPI data is the most predictive. This network is used to predict causal regulators responsible for hot spots of gene expression activity in a segregating yeast population. We also show that the network can elucidate the mechanisms by which causal regulators give rise to larger-scale changes in gene expression activity. We then prospectively validate predictions, providing direct experimental evidence that predictive networks can be constructed by integrating multiple, appropriate data types.

The effects of genetic variants on phenotypic traits often depend on environmental and physiological conditions, but such gene-environment interactions are poorly understood. Recently developed approaches that treat transcript abundances of thousands of genes as quantitative traits offer the opportunity to broadly characterize the architecture of gene-environment interactions. We examined the genetic and molecular basis of variation in gene expression between two yeast strains (BY and RM) grown in two different conditions (glucose and ethanol as carbon sources). We observed that most transcripts vary by strain and condition, with 2,996, 3,448, and 2,037 transcripts showing significant strain, condition, and strain-condition interaction effects, respectively. We expression profiled over 100 segregants derived from a cross between BY and RM in both growth conditions, and identified 1,555 linkages for 1,382 transcripts that show significant gene-environment interaction. At the locus level, local linkages, which usually correspond to polymorphisms in cis-regulatory elements, tend to be more stable across conditions, such that they are more likely to show the same effect or the same direction of effect across conditions. Distant linkages, which usually correspond to polymorphisms influencing trans-acting factors, are more condition-dependent, and often show effects in different directions in the two conditions. We characterized a locus that influences expression of many growth-related transcripts, and showed that the majority of the variation is explained by polymorphism in the gene IRA2. The RM allele of IRA2 appears to inhibit Ras/PKA signaling more strongly than the BY allele, and has undergone a change in selective pressure. Our results provide a broad overview of the genetic architecture of gene-environment interactions, as well as a detailed molecular example, and lead to key insights into how the effects of different classes of regulatory variants are modulated by the environment. These observations will guide the design of studies aimed at understanding the genetic basis of complex traits.

To identify bipolar disorder (BD) genetic susceptibility factors, we conducted two genome-wide association (GWA) studies: one involving a sample of individuals of European ancestry (EA; n=1001 cases; n=1033 controls), and one involving a sample of individuals of African ancestry (AA; n=345 cases; n=670 controls). For the EA sample, single-nucleotide polymorphisms (SNPs) with the strongest statistical evidence for association included rs5907577 in an intergenic region at Xq27.1 (P=1.6 × 10−6) and rs10193871 in NAP5 at 2q21.2 (P=9.8 × 10−6). For the AA sample, SNPs with the strongest statistical evidence for association included rs2111504 in DPY19L3 at 19q13.11 (P=1.5 × 10−6) and rs2769605 in NTRK2 at 9q21.33 (P=4.5 × 10−5). We also investigated whether we could provide support for three regions previously associated with BD, and we showed that the ANK3 region replicates in our sample, along with some support for C15Orf53; other evidence implicates BD candidate genes such as SLITRK2. We also tested the hypothesis that BD susceptibility variants exhibit genetic background-dependent effects. SNPs with the strongest statistical evidence for genetic background effects included rs11208285 in ROR1 at 1p31.3 (P=1.4 × 10−6), rs4657247 in RGS5 at 1q23.3 (P=4.1 × 10−6), and rs7078071 in BTBD16 at 10q26.13 (P=4.5 × 10−6). This study is the first to conduct GWA of BD in individuals of AA and suggests that genetic variations that contribute to BD may vary as a function of ancestry.

Telomeres are engaged in a host of cellular functions, and their length is regulated by multiple genes. Telomere shortening, in the course of somatic cell replication, ultimately leads to replicative senescence. In humans, rare mutations in genes that regulate telomere length have been identified in monogenic diseases such as dyskeratosis congenita and idiopathic pulmonary fibrosis, which are associated with shortened leukocyte telomere length (LTL) and increased risk for aplastic anemia. Shortened LTL is observed in a host of aging-related complex genetic diseases and is associated with diminished survival in the elderly. We report results of a genome-wide association study of LTL in a consortium of four observational studies ( n = 3,417 participants with LTL and genome-wide genotyping). SNPs in the regions of the oligonucleotide/oligosaccharide-binding folds containing one gene ( OBFC1 ; rs4387287; P = 3.9 × 10 −9 ) and chemokine (C-X-C motif) receptor 4 gene (CXCR4 ; rs4452212; P = 2.9 × 10 −8 ) were associated with LTL at a genome-wide significance level ( P < 5 × 10 −8 ). We attempted replication of the top SNPs at these loci through de novo genotyping of 1,893 additional individuals and in silico lookup in another observational study ( n = 2,876), and we confirmed the association findings for OBFC1 but not CXCR4 . In addition, we confirmed the telomerase RNA component (TERC) as a gene associated with LTL ( P = 1.1 × 10 −5 ). The identification of OBFC1 through genome-wide association as a locus for interindividual variation in LTL in the general population advances the understanding of telomere biology in humans and may provide insights into aging-related disorders linked to altered LTL dynamics.

We evaluate whether human induced pluripotent stem cell-derived retinal pigment epithelium (iPSC-RPE) cells can be used to prioritize and functionally characterize causal variants at age-related macular degeneration (AMD) risk loci. We generated iPSC-RPE from six subjects and show that they have morphological and molecular characteristics similar to native RPE. We generated RNA-seq, ATAC-seq, and H3K27ac ChIP-seq data and observe high similarity in gene expression and enriched transcription factor motif profiles between iPSC-RPE and human fetal-RPE. We performed fine-mapping of AMD risk loci by integrating molecular data from the iPSC-RPE, adult retina, and adult RPE, which identified rs943080 as the probable causal variant at VEGFA. We show that rs943080 is associated with altered chromatin accessibility of a distal ATAC-seq peak, decreased overall gene expression of VEGFA, and allele specific expression of a non-coding transcript. These results provide insight into the mechanism underlying the association of the VEGFA locus with AMD.

Abstract The UK Biobank Pharma Proteomics Project (UKB-PPP) is a collaboration between the UK Biobank (UKB) and thirteen biopharmaceutical companies characterising the plasma proteomic profiles of 54,306 UKB participants. Here, we describe results from the first phase of UKB-PPP, including protein quantitative trait loci (pQTL) mapping of 1,463 proteins that identifies 10,248 primary genetic associations, of which 85% are newly discovered. We also identify independent secondary associations in 92% of cis and 29% of trans loci, expanding the catalogue of genetic instruments for downstream analyses. The study provides an updated characterisation of the genetic architecture of the plasma proteome, leveraging population-scale proteomics to provide novel, extensive insights into trans pQTLs across multiple biological domains. We highlight genetic influences on ligand-receptor interactions and pathway perturbations across a diverse collection of cytokines and complement proteins, and illustrate long-range epistatic effects of ABO blood group and FUT2 secretor status on proteins with gastrointestinal tissue-enriched expression. We demonstrate the utility of these data for drug target discovery by extending the genetic proxied effect of PCSK9 levels on lipid concentrations, cardio- and cerebro-vascular diseases, and additionally disentangle specific genes and proteins perturbed at COVID-19 susceptibility loci. This public-private partnership provides the scientific community with an open-access proteomics resource of unprecedented breadth and depth to help elucidate biological mechanisms underlying genetic discoveries and accelerate the development of novel biomarkers and therapeutics.

Identifying regulatory genetic effects in pluripotent cells provides important insights into disease variants with potentially transient or developmental origins. Combining existing and newly-generated data, we characterized 1,367 iPSC lines from 948 unique donors, collectively analyzed within the “Integrated iPSC QTL” (i2QTL) Consortium. The sample size of our study allowed us to derive the most comprehensive map of quantitative trait loci (QTL) in pluripotent human cells to date. We mapped the effects of nearby common genetic variants on five expression phenotypes, identifying cis -QTL at gene-, exon-level and transcript-, splicing-, alternative polyadenylation-ratio (APA) for a total of 18,556 genes. For gene-level, we further quantified the effects of rare and singleton variants, and the effect of distal variants that act in trans ( trans -eQTL), which we replicated in independent samples. Our data are a valuable community resource, uncovering novel regulatory effects that have not previously been described in differentiated cells and tissues. Building on this regulatory map, we functionally explore GWAS signals for over 4,336 trait loci, finding evidence for colocalization with common and rare iPSC QTL for traits such as height and BMI, and diseases, such as cancer and coronary artery disease.

The MHC region is highly associated with autoimmune and infectious diseases. Here we conduct an in-depth interrogation of associations between genetic variation, gene expression and disease. We create a comprehensive map of regulatory variation in the MHC region using WGS from 419 individuals to call eight-digit HLA types and RNA-seq data from matched iPSCs. Building on this regulatory map, we explored GWAS signals for 4,083 traits, detecting colocalization for 180 disease loci with eQTLs. We show that eQTL analyses taking HLA type haplotypes into account have substantially greater power compared with only using single variants. We examined the association between the 8.1 ancestral haplotype and delayed colonization in Cystic Fibrosis, postulating that downregulation of RNF5 expression is the likely causal mechanism. Our study provides insights into the genetic architecture of the MHC region and pinpoints disease associations that are due to differential expression of HLA genes and non-HLA genes.