Results from genome-wide association studies (GWAS) can be used to infer causal relationships between phenotypes, using a strategy known as 2-sample Mendelian randomization (2SMR) and bypassing the need for individual-level data. However, 2SMR methods are evolving rapidly and GWAS results are often insufficiently curated, undermining efficient implementation of the approach. We therefore developed MR-Base ( http://www.mrbase.org ): a platform that integrates a curated database of complete GWAS results (no restrictions according to statistical significance) with an application programming interface, web app and R packages that automate 2SMR. The software includes several sensitivity analyses for assessing the impact of horizontal pleiotropy and other violations of assumptions. The database currently comprises 11 billion single nucleotide polymorphism-trait associations from 1673 GWAS and is updated on a regular basis. Integrating data with software ensures more rigorous application of hypothesis-driven analyses and allows millions of potential causal relationships to be efficiently evaluated in phenome-wide association studies.

The human proteome is a major source of therapeutic targets. Recent genetic association analyses of the plasma proteome enable systematic evaluation of the causal consequences of variation in plasma protein levels. Here we estimated the effects of 1,002 proteins on 225 phenotypes using two-sample Mendelian randomization (MR) and colocalization. Of 413 associations supported by evidence from MR, 130 (31.5%) were not supported by results of colocalization analyses, suggesting that genetic confounding due to linkage disequilibrium is widespread in naïve phenome-wide association studies of proteins. Combining MR and colocalization evidence in cis-only analyses, we identified 111 putatively causal effects between 65 proteins and 52 disease-related phenotypes ( https://www.epigraphdb.org/pqtl/ ). Evaluation of data from historic drug development programs showed that target-indication pairs with MR and colocalization support were more likely to be approved, evidencing the value of this approach in identifying and prioritizing potential therapeutic targets. Mendelian randomization (MR) and colocalization analyses are used to estimate causal effects of 1,002 plasma proteins on 225 phenotypes. Evidence from drug developmental programs shows that target-indication pairs with MR and colocalization support were more likely to be approved, highlighting the value of this approach for prioritizing therapeutic targets.

Abstract The human proteome is a major source of therapeutic targets. Recent genetic association analyses of the plasma proteome enable systematic evaluation of the causal consequences of variation in plasma protein levels. Here, we estimated the effects of 1002 proteins on 225 phenotypes using two-sample Mendelian randomization (MR) and colocalization. Of 413 associations supported by evidence from MR, 130 (31.5%) were not supported by results of colocalization analyses, suggesting that genetic confounding due to linkage disequilibrium (LD) is widespread in naive phenome-wide association studies of proteins. Combining MR and colocalization evidence in cis-only analyses, we identified 111 putatively causal effects between 65 proteins and 52 disease-related phenotypes ( www.epigraphdb.org/pqtl/ ). Evaluation of data from historic drug development programmes showed that target-indication pairs with MR and colocalization support were more likely to be approved, evidencing the value of our approach in identifying and prioritising potential therapeutic targets.

Abstract Background The inflammatory markers C-reactive protein (CRP), interleukin-1 receptor antagonist (IL1-Ra), and interleukin-6 (IL-6) have been associated with depression risk in observational studies. The causal nature of these associations is unclear as conventional observational designs are susceptible to reverse causation and residual confounding. Bidirectional Mendelian randomization (MR) analysis uses genetic variants to proxy for risk factors to help elucidate the presence, magnitude, and direction of causal relationships between traits. Methods We performed bidirectional two-sample MR to examine causal associations between circulating CRP, IL1-Ra, and IL-6 and major depressive disorder (MDD) in 135,458 cases and 344,901 controls in the Psychiatric Genetics Consortium. Genetic instruments to proxy inflammatory markers and liability to MDD were constructed by obtaining single-nucleotide polymorphisms (SNPs) associated with these phenotypes in genome-wide association study meta-analyses. Wald ratios and inverse-variance weighted random-effects models were employed to generate causal effect estimates and various sensitivity analyses were performed to examine violations of MR assumptions. Results There was evidence supporting a causal effect of circulating IL-6 on risk of MDD (per natural-log increase: OR 0.85, 95% CI: 0.75-0.96, P =0.007). Higher circulating levels of IL-6 as influenced by variants in the IL6R gene region represent lower cellular binding of IL-6 to its receptor and therefore the present results suggest that IL-6 increases the risk of MDD. We found limited evidence supporting a causal effect of CRP (1.06, 95% CI 0.93-1.22; P=0.36) or IL1-Ra (OR 0.95, 95% CI: 0.87-1.03, P=0.20) on risk of MDD. Reverse direction MR analyses suggested limited evidence for a causal effect of genetic liability to MDD on any of the inflammatory markers examined. Conclusions These findings support a causal role of IL-6-related pathways in development of major depressive disorder and suggest the possible efficacy of interleukin-6 inhibition as a therapeutic target for depression.

We investigated the effects of 35 inflammatory cytokines on respiratory outcomes, including COVID-19, asthma (atopic and non-atopic), chronic obstructive pulmonary disease (COPD), and pulmonary function indices, using Mendelian randomization and colocalization analyses. The emerging associations were further explored using observational analyses in the UK Biobank. We found an inverse association between genetically predicted macrophage colony stimulating factor (MCSF), soluble intercellular adhesion molecule-1 (sICAM), and soluble vascular cell adhesion molecule-1 with risk of COVID-19 outcomes. sICAM was positively associated with atopic asthma risk, whereas tumor necrosis factor-alfa showed an inverse association. A positive association was shown between interleukin-18 and COPD risk (replicated in observational analysis), whereas an inverse association was shown for interleukin-1 receptor antagonist (IL-1ra). IL-1ra and monocyte chemotactic protein-3 were positively associated with lung function indices, whereas inverse associations were shown for MCSF and interleukin-18 (replicated in observational analysis). Our results point to these cytokines as potential pharmacological targets for respiratory traits.

Background: Observational studies suggest that dietary and serum calcium are risk factors for prostate cancer. However, such studies suffer from residual confounding (due to unmeasured or imprecisely measured confounders), undermining causal inference. Mendelian randomization uses randomly assigned (hence unconfounded and pre-disease onset) germline genetic variation to proxy for phenotypes and strengthen causal inference in observational studies. Objective: We tested the hypothesis that serum calcium is associated with an increased risk of overall and advanced prostate cancer. Design: A genetic instrument was constructed using 5 single nucleotide polymorphisms robustly associated with serum calcium in a genome-wide association study (N ≤ 61,079). This instrument was then used to test the effect of a 0.5 mg/dL increase (1 standard deviation, SD) in serum calcium on risk of prostate cancer in 72,729 men in the PRACTICAL (Prostate Cancer Association Group to Investigate Cancer Associated Alterations in the Genome) Consortium (44,825 cases, 27,904 controls) and risk of advanced prostate cancer in 33,498 men (6,263 cases, 27,235 controls). Results: We found weak evidence for a protective effect of serum calcium on prostate cancer risk (odds ratio [OR] per 0.5 mg/dL increase in calcium: 0.83, 95% CI: 0.63-1.08; P=0.12). We did not find strong evidence for an effect of serum calcium on advanced prostate cancer (OR per 0.5 mg/dL increase in calcium: 0.98, 95% CI: 0.57-1.70; P=0.93). Conclusions: Our Mendelian randomization analysis does not support the hypothesis that serum calcium increases risk of overall or advanced prostate cancer.

Adipokines and C-reactive protein (CRP) have been proposed as molecular mediators linking adiposity to breast cancer (BCa). Mendelian randomization (MR) uses genetic variants as proxies for risk factors to strengthen causal inference in observational studies. We performed a MR analysis to evaluate the causal relevance of six circulating adipokines (adiponectin, hepatocyte growth factor, interleukin-6, leptin receptor, plasminogen activator inhibitor-1, resistin) and CRP in risk of overall and oestrogen receptor-stratified BCa in up to 122,977 cases and 105,974 controls. Genetic instruments were constructed from single-nucleotide polymorphisms robustly (P<5x10-8) associated with risk factors in genome-wide association studies. In MR analyses, there was evidence for a causal effect of hepatocyte growth factor on ER- BCa (OR per SD increase:1.17, 95% CI: 1.01-1.35; P=0.035) but little evidence for effects of other adipokines or CRP on overall or oestrogen receptor-stratified BCa. Collectively, these findings do not support an important etiological role of various adipokines or CRP in BCa risk.

In the Selenium and Vitamin E Cancer Prevention Trial (SELECT), selenium supplementation (causing a median 114 μg/L increase in circulating selenium) did not lower overall prostate cancer risk, but increased risk of high-grade prostate cancer and type 2 diabetes. Mendelian randomization analysis uses genetic variants to proxy modifiable risk factors and can strengthen causal inference in observational studies. We constructed a genetic risk score comprising eleven single-nucleotide polymorphisms robustly (P < 5x10-8) associated with circulating selenium in genome-wide association studies. In a Mendelian randomization analysis of 72,729 men in the PRACTICAL Consortium (44,825 cases, 27,904 controls), 114 μg/L higher genetically-elevated circulating selenium was not associated with prostate cancer (OR: 1.01; 95% CI: 0.89-1.13). Concordant with findings from SELECT, selenium was weakly associated with advanced (including high-grade) prostate cancer (OR: 1.21; 95% CI: 0.98-1.49) and type 2 diabetes (OR: 1.18; 95% CI: 0.97-1.43; in a type 2 diabetes GWAS meta-analysis with up to 49,266 cases, 249,906 controls). Mendelian randomization mirrored the outcome of selenium supplementation in SELECT and may offer an approach for the prioritization of interventions for follow-up in large-scale randomized controlled trials.

Published genetic associations can be used to infer causal relationships between phenotypes, bypassing the need for individual-level genotype or phenotype data. We have curated complete summary data from 1094 genome-wide association studies (GWAS) on diseases and other complex traits into a centralised database, and developed an analytical platform that uses these data to perform Mendelian randomization (MR) tests and sensitivity analyses (MR-Base, http://www.mrbase.org). Combined with curated data of published GWAS hits for phenomic measures, the MR-Base platform enables millions of potential causal relationships to be evaluated. We use the platform to predict the impact of lipid lowering on human health. While our analysis provides evidence that reducing LDL-cholesterol, lipoprotein(a) or triglyceride levels reduce coronary disease risk, it also suggests causal effects on a number of other non-vascular outcomes, indicating potential for adverse-effects or drug repositioning of lipid-lowering therapies.

Observational epidemiological studies are prone to confounding, measurement error, and reverse causation, undermining their ability to generate reliable causal estimates of the effect of risk factors to inform cancer prevention and treatment strategies. Mendelian randomization (MR) is an analytical approach that uses genetic variants to proxy potentially modifiable exposures (e.g. environmental factors, biological traits, and druggable pathways) to permit robust causal inference of the effects of these exposures on diseases and their outcomes. MR has seen widespread adoption within population health research in cardio-metabolic disease, but also holds much promise for identifying possible interventions (e.g., dietary, behavioural, or pharmacological) for cancer prevention and treatment. However, some methodological and conceptual challenges in the implementation of MR are particularly pertinent when applying this method to cancer aetiology and prognosis, including reverse causation arising from disease latency and selection bias in studies of cancer progression. These issues must be carefully considered to ensure appropriate design, analysis, and interpretation of such studies. In this review, we provide an overview of the key principles and assumptions of MR focusing on applications of this method to the study of cancer aetiology and prognosis. We summarize recent studies in the cancer literature that have adopted a MR framework to highlight strengths of this approach compared to conventional epidemiological studies. Lastly, limitations of MR and recent methodological developments to address them are discussed, along with the translational opportunities they present to inform public health and clinical interventions in cancer.