Cathie Sudlow and colleagues describe the UK Biobank, a large population-based prospective study, established to allow investigation of the genetic and non-genetic determinants of the diseases of middle and old age.

C-reactive protein is an inflammatory marker believed to be of value in the prediction of coronary events. We report data from a large study of C-reactive protein and other circulating inflammatory markers, as well as updated meta-analyses, to evaluate their relevance to the prediction of coronary heart disease.Measurements were made in samples obtained at base line from up to 2459 patients who had a nonfatal myocardial infarction or died of coronary heart disease during the study and from up to 3969 controls without a coronary heart disease event in the Reykjavik prospective study of 18,569 participants. Measurements were made in paired samples obtained an average of 12 years apart from 379 of these participants in order to quantify within-person fluctuations in inflammatory marker levels.The long-term stability of C-reactive protein values (within-person correlation coefficient, 0.59; 95 percent confidence interval, 0.52 to 0.66) was similar to that of both blood pressure and total serum cholesterol. After adjustment for base-line values for established risk factors, the odds ratio for coronary heart disease was 1.45 (95 percent confidence interval, 1.25 to 1.68) in a comparison of participants in the top third of the group with respect to base-line C-reactive protein values with those in the bottom third, and similar overall findings were observed in an updated meta-analysis involving a total of 7068 patients with coronary heart disease. By comparison, the odds ratios in the Reykjavik Study for coronary heart disease were somewhat weaker for the erythrocyte sedimentation rate (1.30; 95 percent confidence interval, 1.13 to 1.51) and the von Willebrand factor concentration (1.11; 95 percent confidence interval, 0.97 to 1.27) but generally stronger for established risk factors, such as an increased total cholesterol concentration (2.35; 95 percent confidence interval, 2.03 to 2.74) and cigarette smoking (1.87; 95 percent confidence interval, 1.62 to 2.16).C-reactive protein is a relatively moderate predictor of coronary heart disease. Recommendations regarding its use in predicting the likelihood of coronary heart disease may need to be reviewed.

The extent to which diabetes mellitus or hyperglycemia is related to risk of death from cancer or other nonvascular conditions is uncertain.

Although plasma proteins have important roles in biological processes and are the direct targets of many drugs, the genetic factors that control inter-individual variation in plasma protein levels are not well understood. Here we characterize the genetic architecture of the human plasma proteome in healthy blood donors from the INTERVAL study. We identify 1,927 genetic associations with 1,478 proteins, a fourfold increase on existing knowledge, including trans associations for 1,104 proteins. To understand the consequences of perturbations in plasma protein levels, we apply an integrated approach that links genetic variation with biological pathway, disease, and drug databases. We show that protein quantitative trait loci overlap with gene expression quantitative trait loci, as well as with disease-associated loci, and find evidence that protein biomarkers have causal roles in disease using Mendelian randomization analysis. By linking genetic factors to diseases via specific proteins, our analyses highlight potential therapeutic targets, opportunities for matching existing drugs with new disease indications, and potential safety concerns for drugs under development. A genetic atlas of the human plasma proteome, comprising 1,927 genetic associations with 1,478 proteins, identifies causes of disease and potential drug targets.

Abstract Summary PhenoScanner is a curated database of publicly available results from large-scale genetic association studies in humans. This online tool facilitates ‘phenome scans’, where genetic variants are cross-referenced for association with many phenotypes of different types. Here we present a major update of PhenoScanner (‘PhenoScanner V2’), including over 150 million genetic variants and more than 65 billion associations (compared to 350 million associations in PhenoScanner V1) with diseases and traits, gene expression, metabolite and protein levels, and epigenetic markers. The query options have been extended to include searches by genes, genomic regions and phenotypes, as well as for genetic variants. All variants are positionally annotated using the Variant Effect Predictor and the phenotypes are mapped to Experimental Factor Ontology terms. Linkage disequilibrium statistics from the 1000 Genomes project can be used to search for phenotype associations with proxy variants. Availability and implementation PhenoScanner V2 is available at www.phenoscanner.medschl.cam.ac.uk.

Summary

 This Review is intended to help clinicians, patients, and the public make informed decisions about statin therapy for the prevention of heart attacks and strokes. It explains how the evidence that is available from randomised controlled trials yields reliable information about both the efficacy and safety of statin therapy. In addition, it discusses how claims that statins commonly cause adverse effects reflect a failure to recognise the limitations of other sources of evidence about the effects of treatment. Large-scale evidence from randomised trials shows that statin therapy reduces the risk of major vascular events (ie, coronary deaths or myocardial infarctions, strokes, and coronary revascularisation procedures) by about one-quarter for each mmol/L reduction in LDL cholesterol during each year (after the first) that it continues to be taken. The absolute benefits of statin therapy depend on an individual's absolute risk of occlusive vascular events and the absolute reduction in LDL cholesterol that is achieved. For example, lowering LDL cholesterol by 2 mmol/L (77 mg/dL) with an effective low-cost statin regimen (eg, atorvastatin 40 mg daily, costing about £2 per month) for 5 years in 10 000 patients would typically prevent major vascular events from occurring in about 1000 patients (ie, 10% absolute benefit) with pre-existing occlusive vascular disease (secondary prevention) and in 500 patients (ie, 5% absolute benefit) who are at increased risk but have not yet had a vascular event (primary prevention). Statin therapy has been shown to reduce vascular disease risk during each year it continues to be taken, so larger absolute benefits would accrue with more prolonged therapy, and these benefits persist long term. The only serious adverse events that have been shown to be caused by long-term statin therapy—ie, adverse effects of the statin—are myopathy (defined as muscle pain or weakness combined with large increases in blood concentrations of creatine kinase), new-onset diabetes mellitus, and, probably, haemorrhagic stroke. Typically, treatment of 10 000 patients for 5 years with an effective regimen (eg, atorvastatin 40 mg daily) would cause about 5 cases of myopathy (one of which might progress, if the statin therapy is not stopped, to the more severe condition of rhabdomyolysis), 50–100 new cases of diabetes, and 5–10 haemorrhagic strokes. However, any adverse impact of these side-effects on major vascular events has already been taken into account in the estimates of the absolute benefits. Statin therapy may cause symptomatic adverse events (eg, muscle pain or weakness) in up to about 50–100 patients (ie, 0·5–1·0% absolute harm) per 10 000 treated for 5 years. However, placebo-controlled randomised trials have shown definitively that almost all of the symptomatic adverse events that are attributed to statin therapy in routine practice are not actually caused by it (ie, they represent misattribution). The large-scale evidence available from randomised trials also indicates that it is unlikely that large absolute excesses in other serious adverse events still await discovery. Consequently, any further findings that emerge about the effects of statin therapy would not be expected to alter materially the balance of benefits and harms. It is, therefore, of concern that exaggerated claims about side-effect rates with statin therapy may be responsible for its under-use among individuals at increased risk of cardiovascular events. For, whereas the rare cases of myopathy and any muscle-related symptoms that are attributed to statin therapy generally resolve rapidly when treatment is stopped, the heart attacks or strokes that may occur if statin therapy is stopped unnecessarily can be devastating.

Abstract Summary: PhenoScanner is a curated database of publicly available results from large-scale genetic association studies. This tool aims to facilitate ‘phenome scans’, the cross-referencing of genetic variants with many phenotypes, to help aid understanding of disease pathways and biology. The database currently contains over 350 million association results and over 10 million unique genetic variants, mostly single nucleotide polymorphisms. It is accompanied by a web-based tool that queries the database for associations with user-specified variants, providing results according to the same effect and non-effect alleles for each input variant. The tool provides the option of searching for trait associations with proxies of the input variants, calculated using the European samples from 1000 Genomes and Hapmap. Availability and Implementation: PhenoScanner is available at www.phenoscanner.medschl.cam.ac.uk. Contact: jrs95@medschl.cam.ac.uk Supplementary information: Supplementary data are available at Bioinformatics online.

Many common variants have been associated with hematological traits, but identification of causal genes and pathways has proven challenging. We performed a genome-wide association analysis in the UK Biobank and INTERVAL studies, testing 29.5 million genetic variants for association with 36 red cell, white cell, and platelet properties in 173,480 European-ancestry participants. This effort yielded hundreds of low frequency (<5%) and rare (<1%) variants with a strong impact on blood cell phenotypes. Our data highlight general properties of the allelic architecture of complex traits, including the proportion of the heritable component of each blood trait explained by the polygenic signal across different genome regulatory domains. Finally, through Mendelian randomization, we provide evidence of shared genetic pathways linking blood cell indices with complex pathologies, including autoimmune diseases, schizophrenia, and coronary heart disease and evidence suggesting previously reported population associations between blood cell indices and cardiovascular disease may be non-causal.

BackgroundTo help adapt cardiovascular disease risk prediction approaches to low-income and middle-income countries, WHO has convened an effort to develop, evaluate, and illustrate revised risk models. Here, we report the derivation, validation, and illustration of the revised WHO cardiovascular disease risk prediction charts that have been adapted to the circumstances of 21 global regions.MethodsIn this model revision initiative, we derived 10-year risk prediction models for fatal and non-fatal cardiovascular disease (ie, myocardial infarction and stroke) using individual participant data from the Emerging Risk Factors Collaboration. Models included information on age, smoking status, systolic blood pressure, history of diabetes, and total cholesterol. For derivation, we included participants aged 40–80 years without a known baseline history of cardiovascular disease, who were followed up until the first myocardial infarction, fatal coronary heart disease, or stroke event. We recalibrated models using age-specific and sex-specific incidences and risk factor values available from 21 global regions. For external validation, we analysed individual participant data from studies distinct from those used in model derivation. We illustrated models by analysing data on a further 123 743 individuals from surveys in 79 countries collected with the WHO STEPwise Approach to Surveillance.FindingsOur risk model derivation involved 376 177 individuals from 85 cohorts, and 19 333 incident cardiovascular events recorded during 10 years of follow-up. The derived risk prediction models discriminated well in external validation cohorts (19 cohorts, 1 096 061 individuals, 25 950 cardiovascular disease events), with Harrell's C indices ranging from 0·685 (95% CI 0·629–0·741) to 0·833 (0·783–0·882). For a given risk factor profile, we found substantial variation across global regions in the estimated 10-year predicted risk. For example, estimated cardiovascular disease risk for a 60-year-old male smoker without diabetes and with systolic blood pressure of 140 mm Hg and total cholesterol of 5 mmol/L ranged from 11% in Andean Latin America to 30% in central Asia. When applied to data from 79 countries (mostly low-income and middle-income countries), the proportion of individuals aged 40–64 years estimated to be at greater than 20% risk ranged from less than 1% in Uganda to more than 16% in Egypt.InterpretationWe have derived, calibrated, and validated new WHO risk prediction models to estimate cardiovascular disease risk in 21 Global Burden of Disease regions. The widespread use of these models could enhance the accuracy, practicability, and sustainability of efforts to reduce the burden of cardiovascular disease worldwide.FundingWorld Health Organization, British Heart Foundation (BHF), BHF Cambridge Centre for Research Excellence, UK Medical Research Council, and National Institute for Health Research.