Abstract Common single-nucleotide polymorphisms (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 1 . Here, using data from a genome-wide association study of 5.4 million individuals of diverse ancestries, we show 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 mean size of around 90 kb, covering about 21% of the genome. The density of independent associations varies across the genome and the regions of increased density are enriched for biologically relevant genes. In out-of-sample estimation and prediction, the 12,111 SNPs (or all SNPs in the HapMap 3 panel 2 ) account for 40% (45%) of phenotypic variance in populations of European ancestry but only around 10–20% (14–24%) in populations of other ancestries. Effect sizes, associated regions and gene prioritization are similar across ancestries, indicating that reduced prediction accuracy is likely to be explained by linkage disequilibrium and differences in allele frequency within associated regions. Finally, we show that the relevant biological pathways are detectable with smaller sample sizes than are needed to implicate causal genes and variants. Overall, this study provides a comprehensive map of specific genomic regions that contain the vast majority of common height-associated variants. Although this map is saturated for populations of European ancestry, further research is needed to achieve equivalent saturation in other ancestries.

Statin treatment and variants in the gene encoding HMG-CoA reductase are associated with reductions in both the concentration of LDL cholesterol and the risk of coronary heart disease, but also with modest hyperglycaemia, increased bodyweight, and modestly increased risk of type 2 diabetes, which in no way offsets their substantial benefits. We sought to investigate the associations of LDL cholesterol-lowering PCSK9 variants with type 2 diabetes and related biomarkers to gauge the likely effects of PCSK9 inhibitors on diabetes risk.In this mendelian randomisation study, we used data from cohort studies, randomised controlled trials, case control studies, and genetic consortia to estimate associations of PCSK9 genetic variants with LDL cholesterol, fasting blood glucose, HbA1c, fasting insulin, bodyweight, waist-to-hip ratio, BMI, and risk of type 2 diabetes, using a standardised analysis plan, meta-analyses, and weighted gene-centric scores.Data were available for more than 550 000 individuals and 51 623 cases of type 2 diabetes. Combined analyses of four independent PCSK9 variants (rs11583680, rs11591147, rs2479409, and rs11206510) scaled to 1 mmol/L lower LDL cholesterol showed associations with increased fasting glucose (0·09 mmol/L, 95% CI 0·02 to 0·15), bodyweight (1·03 kg, 0·24 to 1·82), waist-to-hip ratio (0·006, 0·003 to 0·010), and an odds ratio for type diabetes of 1·29 (1·11 to 1·50). Based on the collected data, we did not identify associations with HbA1c (0·03%, -0·01 to 0·08), fasting insulin (0·00%, -0·06 to 0·07), and BMI (0·11 kg/m2, -0·09 to 0·30).PCSK9 variants associated with lower LDL cholesterol were also associated with circulating higher fasting glucose concentration, bodyweight, and waist-to-hip ratio, and an increased risk of type 2 diabetes. In trials of PCSK9 inhibitor drugs, investigators should carefully assess these safety outcomes and quantify the risks and benefits of PCSK9 inhibitor treatment, as was previously done for statins.British Heart Foundation, and University College London Hospitals NHS Foundation Trust (UCLH) National Institute for Health Research (NIHR) Biomedical Research Centre.

Importance

 Low-density lipoprotein cholesterol (LDL-C) is causally related to coronary artery disease (CAD), but the relevance of high-density lipoprotein cholesterol (HDL-C) and triglycerides (TGs) is uncertain. Lowering of LDL-C levels by statin therapy modestly increases the risk of type 2 diabetes, but it is unknown whether this effect is specific to statins. 

Objective

 To investigate the associations of 3 routinely measured lipid fractions with CAD and diabetes through mendelian randomization (MR) using conventional MR and making use of newer approaches, such as multivariate MR and MR-Egger, that address the pleiotropy of genetic instruments where relevant. 

Design, Setting, and Participants

 Published data from genome-wide association studies were used to construct genetic instruments and then applied to investigate associations between lipid fractions and the risk of CAD and diabetes using MR approaches that took into account pleiotropy of genetic instruments. The study was conducted from March 12 to December 31, 2015. 

Main Outcomes and Measures

 Coronary artery disease and diabetes. 

Results

 Genetic instruments composed of 130 single-nucleotide polymorphisms (SNPs) were used for LDL-C (explaining 7.9% of its variance), 140 SNPs for HDL-C (6.6% of variance), and 140 SNPs for TGs (5.9% of variance). A 1-SD genetically instrumented elevation in LDL-C levels (equivalent to 38 mg/dL) and TG levels (equivalent to 89 mg/dL) was associated with higher CAD risk; odds ratios (ORs) were 1.68 (95% CI, 1.51-1.87) for LDL-C and 1.28 (95% CI, 1.13-1.45) for TGs. The corresponding OR for HDL-C (equivalent to a 16-mg/dL increase) was 0.95 (95% CI, 0.85-1.06). All 3 lipid traits were associated with a lower risk of type 2 diabetes. The ORs were 0.79 (95% CI, 0.71-0.88) for LDL-C and 0.83 (95% CI, 0.76-0.90) for HDL-C per 1-SD elevation. For TG, the MR estimates for diabetes were inconsistent, with MR-Egger giving an OR of 0.83 (95%CI, 0.72-0.95) per 1-SD elevation. 

Conclusions and Relevance

 Routinely measured lipid fractions exhibit contrasting associations with the risk of CAD and diabetes. Increased LDL-C, HDL-C, and possibly TG levels are associated with a lower risk of diabetes. This information will be relevant to the design of clinical trials of lipid-modifying agents, which should carefully monitor participants for dysglycemia and the incidence of diabetes.

Previous studies of primarily Western populations have reported contrasting associations of dairy consumption with certain cancers, including a positive association with prostate cancer and inverse associations with colorectal and premenopausal breast cancers. However, there are limited data from China where cancer rates and levels of dairy consumption differ importantly from those in Western populations.The prospective China Kadoorie Biobank study recruited ~0.5 million adults from ten diverse (five urban, five rural) areas across China during 2004-2008. Consumption frequency of major food groups, including dairy products, was collected at baseline and subsequent resurveys, using a validated interviewer-administered laptop-based food frequency questionnaire. To quantify the linear association of dairy intake and cancer risk and to account for regression dilution bias, the mean usual consumption amount for each baseline group was estimated via combining the consumption level at both baseline and the second resurvey. During a mean follow-up of 10.8 (SD 2.0) years, 29,277 incident cancer cases were recorded among the 510,146 participants who were free of cancer at baseline. Cox regression analyses for incident cancers associated with usual dairy intake were stratified by age-at-risk, sex and region and adjusted for cancer family history, education, income, alcohol intake, smoking, physical activity, soy and fresh fruit intake, and body mass index.Overall, 20.4% of participants reported consuming dairy products (mainly milk) regularly (i.e. ≥1 day/week), with the estimated mean consumption of 80.8 g/day among regular consumers and of 37.9 g/day among all participants. There were significant positive associations of dairy consumption with risks of total and certain site-specific cancers, with adjusted HRs per 50 g/day usual consumption being 1.07 (95% CI 1.04-1.10), 1.12 (1.02-1.22), 1.19 (1.01-1.41) and 1.17 (1.07-1.29) for total cancer, liver cancer (n = 3191), female breast cancer (n = 2582) and lymphoma (n=915), respectively. However, the association with lymphoma was not statistically significant after correcting for multiple testing. No significant associations were observed for colorectal cancer (n = 3350, 1.08 [1.00-1.17]) or other site-specific cancers.Among Chinese adults who had relatively lower dairy consumption than Western populations, higher dairy intake was associated with higher risks of liver cancer, female breast cancer and, possibly, lymphoma.

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.

Background: We characterised the phenotypic consequence of genetic variation at the PCSK9 locus and compared findings with recent trials of pharmacological inhibitors of PCSK9. Methods: Published and individual participant level data (300,000+ participants) were combined to construct a weighted PCSK9 gene-centric score (GS). Fourteen randomized placebo controlled PCSK9 inhibitor trials were included, providing data on 79,578 participants. Results were scaled to a one mmol/L lower LDL-C concentration. Results: The PCSK9 GS (comprising 4 SNPs) associations with plasma lipid and apolipoprotein levels were consistent in direction with treatment effects. The GS odds ratio (OR) for myocardial infarction (MI) was 0.53 (95%CI 0.42; 0.68), compared to a PCSK9 inhibitor effect of 0.90 (95%CI 0.86; 0.93). For ischemic stroke ORs were 0.84 (95%CI 0.57; 1.22) for the GS, compared to 0.85 (95%CI 0.78; 0.93) in the drug trials. ORs with type 2 diabetes mellitus (T2DM) were 1.29 (95% CI 1.11; 1.50) for the GS, as compared to 1.00 (95%CI 0.96; 1.04) for incident T2DM in PCSK9 inhibitor trials. No genetic associations were observed for cancer, heart failure, atrial fibrillation, chronic obstructive pulmonary disease, or Alzheimer's disease - outcomes for which large-scale trial data were unavailable. Conclusions: Genetic variation at the PCSK9 locus recapitulates the effects of therapeutic inhibition of PCSK9 on major blood lipid fractions and MI. Apparent discordance between genetic associations and trial outcome for T2DM might be explained lack by a of statistical precision, or differences in the nature and duration of genetic versus pharmacological perturbation of PCSK9.