Key Points Question What is the role of body mass index, systolic blood pressure and smoking in mediating the effect of education on cardiovascular disease risk? Finding We find consistent evidence that body mass index, systolic blood pressure and smoking mediate the effect of education, explaining up to 18%, 27% and 33% respectively. Including all three risk factors in a model together explains around 40% of the effect of education. Meaning Intervening on body mass index, systolic blood pressure and smoking would lead to reductions in cases of CVD attributable to lower levels of education. Over half of the effect of education on risk of cardiovascular disease is not mediated through these risk factors. Importance Lower levels of education are causally related to higher cardiovascular risk, but the extent to which this is driven by modifiable risk factors also associated with education is unknown. Objective To investigate the role of body mass index, systolic blood pressure and smoking in explaining the effect of education on risk of cardiovascular disease outcomes. Design Multivariable regression analysis of observational data and Mendelian randomization (MR) analysis of genetic data. Setting UK Biobank and international genome-wide association study consortia. Participants Predominantly individuals of European ancestry. Main outcomes and measures The effects of education (per 1-standard deviation increase, equivalent to 3.6 years) on coronary heart disease, cardiovascular disease (all subtypes), myocardial infarction and stroke risk (all measured in odds ratio, OR), and the degree to which this is mediated through body mass index, systolic blood pressure and smoking. Results Each additional standard deviation of education associated with 13% lower risk of coronary heart disease (OR 0.87, 95% confidence interval [CI] 0.84 to 0.89) in observational analysis and 37% lower risk (OR 0.63, 95% CI 0.60 to 0.67) in Mendelian randomization analysis. As a proportion of the total risk reduction, body mass index mediated 15% (95% CI 13% to 17%) and 18% (95% CI 14% to 23%) in the observational and Mendelian randomization estimates, respectively. Corresponding estimates for systolic blood pressure were 11% (95% CI 9% to 13%) and 21% (95% CI 15% to 27%), and for smoking, 19% (15% to 22%) and 33% (95% CI 17% to 49%). All three risk factors combined mediated 42% (95% CI 36% to 48%) and 36% (95 % CI 16% to 63%) of the effect of education on coronary heart disease in observational and Mendelian randomization respectively. Similar results were obtained when investigating risk of stroke, myocardial infarction and all-cause cardiovascular disease. Conclusions and relevance BMI, SBP and smoking mediate a substantial proportion of the protective effect of education on risk of cardiovascular outcomes and intervening on these would lead to reductions in cases of CVD attributable to lower levels of education. However, more than half of the protective effect of education remains unexplained and requires further investigation.

Migraine is a debilitating neurological disorder affecting around 1 in 7 people worldwide, but its molecular mechanisms remain poorly understood. Some debate exists over whether migraine is a disease of vascular dysfunction, or a result of neuronal dysfunction with secondary vascular changes. Genome-wide association (GWA) studies have thus far identified 13 independent loci associated with migraine. To identify new susceptibility loci, we performed the largest genetic study of migraine to date, comprising 59,674 cases and 316,078 controls from 22 GWA studies. We identified 45 independent single nucleotide polymorphisms (SNPs) significantly associated with migraine risk (P < 5 x 10-8) that map to 38 distinct genomic loci, including 28 loci not previously reported and the first locus identified on chromosome X. Furthermore, a subset analysis for migraine without aura (MO) identified seven of the same loci as from the full sample, whereas no loci reached genome-wide significance in the migraine with aura (MA) subset. In subsequent computational analyzes, the identified loci showed enrichment for genes expressed in vascular and smooth muscle tissues, consistent with a predominant theory of migraine that highlights vascular etiologies.

The causes of the known associations between poorer cognitive function and many adverse neuropsychiatric outcomes, poorer physical health, and earlier death remain unknown. We used linkage disequilibrium regression and polygenic profile scoring to test for shared genetic aetiology between cognitive functions and neuropsychiatric disorders and physical health. Using information provided by many published genome-wide association study consortia, we created polygenic profile scores for 24 vascular-metabolic, neuropsychiatric, physiological-anthropometric, and cognitive traits in the participants of UK Biobank, a very large population-based sample (N = 112 151). Pleiotropy between cognitive and health traits was quantified by deriving genetic correlations using summary genome-wide association study statistics applied to the method of linkage disequilibrium regression. Substantial and significant genetic correlations were observed between cognitive test scores in the UK Biobank sample and many of the mental and physical health-related traits and disorders assessed here. In addition, highly significant associations were observed between the cognitive test scores in the UK Biobank sample and many polygenic profile scores, including coronary artery disease, stroke, Alzheimer's disease, schizophrenia, autism, major depressive disorder, BMI, intracranial volume, infant head circumference, and childhood cognitive ability. Where disease diagnosis was available for UK Biobank participants we were able to show that these results were not confounded by those who had the relevant disease. These findings indicate that a substantial level of pleiotropy exists between cognitive abilities and many human mental and physical health disorders and traits and that it can be used to predict phenotypic variance across samples.

Individuals with psychiatric disorders have elevated rates of autoimmune comorbidity and altered immune signaling. It is unclear whether these altered immunological states have a shared genetic basis with those psychiatric disorders. The present study sought to use existing summary-level data from previous genome-wide association studies (GWASs) to determine if commonly varying single nucleotide polymorphisms (SNPs) are shared between psychiatric and immune-related phenotypes. We estimated heritability and examined pair-wise genetic correlations using the linkage disequilibrium score regression (LDSC) and heritability estimation from summary statistics (HESS) methods. Using LDSC, we observed significant genetic correlations between immune-related disorders and several psychiatric disorders, including anorexia nervosa, attention deficit-hyperactivity disorder, bipolar disorder, major depression, obsessive compulsive disorder, schizophrenia, smoking behavior, and Tourette syndrome. Loci significantly mediating genetic correlations were identified for schizophrenia when analytically paired with Crohns disease, primary biliary cirrhosis, systemic lupus erythematosus, and ulcerative colitis. We report significantly correlated loci and highlight those containing genome-wide associations and candidate genes for respective disorders. We also used the LDSC method to characterize genetic correlations amongst the immune-related phenotypes. We discuss our findings in the context of relevant genetic and epidemiological literature, as well as the limitations and caveats of the study.

CRISPR genome editing is a promising tool for translational research but can cause undesired editing outcomes, both on-target at the edited locus and off-target at other genomic loci. We investigated the occurrence of deleterious on-target effects in human stem cells after insertion of disease-related mutations by homology-directed repair (HDR). We identified large, mono-allelic genomic deletions and loss-of-heterozygosity that escaped standard quality controls in up to 40% of edited clones. To reliably detect such events, we developed simple, low-cost and universally applicable quantitative genotyping PCR (qgPCR) as well as sequencing-based tools and suggest their usage as additional quality controls after editing. This will help to ensure the integrity of edited loci and increase the reliability of CRISPR editing.

Atrial fibrillation is a prevalent arrhythmia associated with a five-fold increased risk of ischemic stroke, and specifically the cardioembolic stroke subtype. Genome-wide association studies of these traits have yielded overlapping risk loci, but genome-wide investigation of genetic susceptibility shared between stroke and atrial fibrillation is lacking. Comparing the genetic architectures of the two diseases could inform whether cardioembolic strokes are driven by inherited atrial fibrillation susceptibility, and may help elucidate ischemic stroke mechanisms. Here, we analyze genome-wide genotyping data and estimate SNP-based heritability in atrial fibrillation and cardioembolic stroke to be nearly identical (20.0% and 19.5%, respectively). Further, we find that the traits are genetically correlated (r=0.77 for SNPs with p < 4.4 x 10-4 in a previous atrial fibrillation meta-analysis). Clinical studies are warranted to assess whether genetic susceptibility to atrial fibrillation can be leveraged to improve the diagnosis and care of ischemic stroke patients.

Background: Genome-wide association studies have identified multiple loci associated with stroke. However, the specific stroke subtypes affected, and whether loci influence both ischaemic and haemorrhagic stroke, remains unknown. For loci associated with stroke, we aimed to infer the combination of stroke subtypes likely to be affected, and in doing so assess the extent to which such loci have homogeneous effects across stroke subtypes. Methods: We performed Bayesian multinomial regression in 16,664 stroke cases and 32,792 controls of European ancestry to determine the most likely combination of stroke subtypes affected for loci with published genome-wide stroke associations, using model selection. Cases were subtyped under two commonly used stroke classification systems, Trial of Org 10172 Acute Stroke Treatment (TOAST) and Causative Classification of Stroke (CCS). All individuals had genotypes imputed to the Haplotype Reference Consortium 1.1 Panel. Results: Sixteen loci were considered for analysis. Seven loci influenced both haemorrhagic and ischaemic stroke, three of which influenced ischaemic and haemorrhagic subtypes under both TOAST and CCS. Under CCS, 4 loci influenced both small vessel stroke and intracerebral haemorrhage. An EDNRA locus demonstrated opposing effects on ischaemic and haemorrhagic stroke. No loci were predicted to influence all stroke subtypes in the same direction and only one locus (12q24) was predicted to influence all ischaemic stroke subtypes. Conclusions: Heterogeneity in the influence of stroke-associated loci on stroke subtypes is pervasive, reflecting differing causal pathways. However, overlap exists between haemorrhagic and ischaemic stroke, which may reflect shared pathobiology predisposing to small vessel arteriopathy. Stroke is a complex, heterogeneous disorder requiring tailored analytic strategies to decipher genetic mechanisms.

Stroke causes approximately 1 in every 20 deaths in the United States. Most strokes are ischemic, caused by a blockage of blood flow to the brain. While neurologists agree on the delineation of ischemic stroke (IS) into the three most common subtypes (cardioembolic stroke (CES), large artery stroke (LAS), and small vessel stroke (SVS)), several different subtyping systems exist. The two most commonly-used clinical subtyping systems are TOAST (Trial of Org 10172 in Acute Stroke Treatment) and CCS (Causative Classification System for Stroke), but agreement between these two systems is only moderate. Here, we have compared two approaches to combining the existing subtyping systems for a phenotype suited for a genome-wide association study (GWAS). We used the NINDS Stroke Genetics Network dataset (SiGN, 13,390 cases and 28,026 controls), which includes cases with both CCS and TOAST subtypes. We defined two new phenotypes: 1) the intersect, for which an individual must be assigned the same subtype by CCS and TOAST; and 2) the union, for which an individual must be assigned a subtype by either CCS or TOAST. The union yields the largest sample size while the intersect may yield a phenotype with less potential misclassification. We performed GWAS for all subtypes, using the original subtyping systems, the intersect, and the union as phenotypes. In each subtype, heritability was higher for the intersect phenotype compared to the union, CCS (alone), and TOAST (alone) phenotypes. We observed stronger effects at known IS variants with the intersect compared to the other phenotype definitions. In GWAS of the intersect, we identify rs10029218 as an associated variant with small vessel stroke. We conclude that in the absence of a golden standard for phenotyping, taking this alternate approach yields more power to detect genetic associations in ischemic stroke.

Disorders of the brain exhibit considerable epidemiological comorbidity and frequently share symptoms, provoking debate about the extent of their etiologic overlap. We quantified the genetic sharing of 25 brain disorders based on summary statistics from genome-wide association studies of 215,683 patients and 657,164 controls, and their relationship to 17 phenotypes from 1,191,588 individuals. Psychiatric disorders show substantial sharing of common variant risk, while neurological disorders appear more distinct from one another. We observe limited evidence of sharing between neurological and psychiatric disorders, but do identify robust sharing between disorders and several cognitive measures, as well as disorders and personality types. We also performed extensive simulations to explore how power, diagnostic misclassification and phenotypic heterogeneity affect genetic correlations. These results highlight the importance of common genetic variation as a source of risk for brain disorders and the value of heritability-based methods in understanding their etiology.

We conducted a genome-wide association meta-analysis of two ischemic white matter disease subtypes in the brain, periventricular and deep white matter hyperintensities (PVWMH and DWMH). In 26,654 participants, we found 10 independent genome-wide significant loci only associated with PVWMH, four of which have not been described previously for total WMH burden (16q24.2, 17q21.31, 10q23.1, 7q36.1). Additionally, in both PVWMH and DWMH we observed the previous association of the 17q25.1 locus with total WMH. We found that both phenotypes have shared but also distinct genetic architectures, consistent with both different underlying and related pathophysiology. PVWMH had more extensive genetic overlap with small vessel ischemic stroke, and unique associations with several loci implicated in ischemic stroke. DWMH were characterized by associations with loci previously implicated in vascular as well as astrocytic and neuronal function. Our study confirms the utility of these phenotypes and identifies new candidate genes associated only with PVWMH.