Age-stratified and blood

The BAG3 (BLC2-associated athanogene 3) gene codes for an antiapoptotic protein located on the sarcomere Z-disc. Mutations in BAG3 are associated with dilated cardiomyopathy (DCM), but only a small number of cases have been reported to date, and the natural history of BAG3 cardiomyopathy is poorly understood. This study sought to describe the phenotype and prognosis of BAG3 mutations in a large multicenter DCM cohort. The study cohort comprised 129 individuals with a BAG3 mutation (62% males, 35.1 ± 15.0 years of age) followed at 18 European centers. Localization of BAG3 in cardiac tissue was analyzed in patients with truncating BAG3 mutations using immunohistochemistry. At first evaluation, 57.4% of patients had DCM. After a median follow-up of 38 months (interquartile range: 7 to 95 months), 68.4% of patients had DCM and 26.1% who were initially phenotype-negative developed DCM. Disease penetrance in individuals >40 years of age was 80% at last evaluation, and there was a trend towards an earlier onset of DCM in men (age 34.6 ± 13.2 years vs. 40.7 ± 12.2 years; p = 0.053). The incidence of adverse cardiac events (death, left ventricular assist device, heart transplantation, and sustained ventricular arrhythmia) was 5.1% per year among individuals with DCM. Male sex, decreased left ventricular ejection fraction. and increased left ventricular end-diastolic diameter were associated with adverse cardiac events. Myocardial tissue from patients with a BAG3 mutation showed myofibril disarray and a relocation of BAG3 protein in the sarcomeric Z-disc. DCM caused by mutations in BAG3 is characterized by high penetrance in carriers >40 years of age and a high risk of progressive heart failure. Male sex, decreased left ventricular ejection fraction, and enlarged left ventricular end-diastolic diameter are associated with adverse outcomes in patients with BAG3 mutations.

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.

Abstract Mendelian randomisation analysis has emerged as an important tool to elucidate the causal relevance of a range of environmental and biological risk factors for human disease. However, inference on cause is undermined if the genetic variants used to instrument a risk factor of interest also associate with other traits that open alternative pathways to the disease (horizontal pleiotropy). We show how the ‘no horizontal pleiotropy assumption’ in MR analysis is strengthened when proteins are the risk factors of interest. Proteins are the proximal effectors of biological processes encoded in the genome, and are becoming assayable on an-omics scale. Moreover, proteins are the targets of most medicines, so Mendelian randomization (MR) studies of drug targets are becoming a fundamental tool in drug development. To enable such studies we introduce a formal mathematical framework that contrasts MR analysis of proteins with that of risk factors located more distally in the causal chain from gene to disease. Finally, we illustrate key model decisions and introduce an analytical framework for maximizing power and elucidating the robustness of drug target MR analyses.

Genome-wide association analyses using high-throughput metabolomics platforms have led to novel insights into the biology of human metabolism1-7. This detailed knowledge of the genetic determinants of systemic metabolism has been pivotal for uncovering how genetic pathways influence biological mechanisms and complex diseases8-11. Here we present a genome-wide association study for 233 circulating metabolic traits quantified by nuclear magnetic resonance spectroscopy in up to 136,016 participants from 33 cohorts. We identify more than 400 independent loci and assign probable causal genes at two-thirds of these using manual curation of plausible biological candidates. We highlight the importance of sample and participant characteristics that can have significant effects on genetic associations. We use detailed metabolic profiling of lipoprotein- and lipid-associated variants to better characterize how known lipid loci and novel loci affect lipoprotein metabolism at a granular level. We demonstrate the translational utility of comprehensively phenotyped molecular data, characterizing the metabolic associations of intrahepatic cholestasis of pregnancy. Finally, we observe substantial genetic pleiotropy for multiple metabolic pathways and illustrate the importance of careful instrument selection in Mendelian randomization analysis, revealing a putative causal relationship between acetone and hypertension. Our publicly available results provide a foundational resource for the community to examine the role of metabolism across diverse diseases.

Abstract Consumer-grade wearable technology has the potential to support clinical research and patient management. Here, we report results from the RATE-AF trial wearables study, which was designed to compare heart rate in older, multimorbid patients with permanent atrial fibrillation and heart failure who were randomized to treatment with either digoxin or beta-blockers. Heart rate ( n = 143,379,796) and physical activity ( n = 23,704,307) intervals were obtained from 53 participants (mean age 75.6 years (s.d. 8.4), 40% women) using a wrist-worn wearable linked to a smartphone for 20 weeks. Heart rates in participants treated with digoxin versus beta-blockers were not significantly different (regression coefficient 1.22 (95% confidence interval (CI) −2.82 to 5.27; P = 0.55); adjusted 0.66 (95% CI −3.45 to 4.77; P = 0.75)). No difference in heart rate was observed between the two groups of patients after accounting for physical activity ( P = 0.74) or patients with high activity levels (≥30,000 steps per week; P = 0.97). Using a convolutional neural network designed to account for missing data, we found that wearable device data could predict New York Heart Association functional class 5 months after baseline assessment similarly to standard clinical measures of electrocardiographic heart rate and 6-minute walk test (F1 score 0.56 (95% CI 0.41 to 0.70) versus 0.55 (95% CI 0.41 to 0.68); P = 0.88 for comparison). The results of this study indicate that digoxin and beta-blockers have equivalent effects on heart rate in atrial fibrillation at rest and on exertion, and suggest that dynamic monitoring of individuals with arrhythmia using wearable technology could be an alternative to in-person assessment. ClinicalTrials.gov identifier: NCT02391337 .

Abstract Aims Heart failure (HF), a global pandemic affecting millions of individuals, calls for adequate predictive guidance for improved therapy. Congestion, a key factor in HF‐related hospitalizations, further underscores the need for timely interventions. Proactive monitoring of intracardiac pressures, guided by pulmonary artery (PA) pressure, offers opportunities for efficient early‐stage intervention, since haemodynamic congestion precedes clinical symptoms. Methods The BioMEMS study, a substudy of the MONITOR‐HF trial, proposes a multifaceted approach integrating blood biobank data with traditional and novel HF parameters. Two additional blood samples from 340 active participants in the MONITOR‐HF trial were collected at baseline, 3‐, 6‐, and 12‐month visits and stored for the BioMEMS biobank. The main aims are to identify the relationship between temporal biomarker patterns and PA pressures derived from the CardioMEMS‐HF system, and to identify the biomarker profile(s) associated with the risk of HF events and cardiovascular death. Conclusion Since the prognostic value of single baseline measurements of biomarkers like N‐terminal pro‐B‐type natriuretic peptide is limited, with the BioMEMS study we advocate a dynamic, serial approach to better capture HF progression. We will substantiate this by relating repeated biomarker measurements to PA pressures. This design rationale presents a comprehensive review on cardiac biomarkers in HF, and aims to contribute valuable insights into personalized HF therapy and patient risk assessment, advancing our ability to address the evolving nature of HF effectively.

Aims The 2021 European Society of Cardiology (ESC) screening recommendations for individuals carrying a pathogenic transthyretin amyloidosis variant (ATTRv) are based on expert opinion. We aimed to (i) determine the penetrance of ATTRv cardiomyopathy (ATTRv‐CM) at baseline; (ii) examine the value of serial evaluation; and (iii) establish the yield of first‐line diagnostic tests (i.e. electrocardiogram, echocardiogram, and laboratory tests) as per 2021 ESC position statement. Methods and results We included 159 relatives (median age 55.6 [43.2–65.9] years, 52% male) at risk for ATTRv‐CM from 10 centres. The primary endpoint, ATTRv‐CM diagnosis, was defined as the presence of (i) cardiac tracer uptake in bone scintigraphy; or (ii) transthyretin‐positive cardiac biopsy. The secondary endpoint was a composite of heart failure (New York Heart Association class ≥II) and pacemaker‐requiring conduction disorders. At baseline, 40/159 (25%) relatives were diagnosed with ATTRv‐CM. Of those, 20 (50%) met the secondary endpoint. Indication to screen (≤10 years prior to predicted disease onset and absence of extracardiac amyloidosis) had an excellent negative predictive value (97%). Other pre‐screening predictors for ATTRv‐CM were infrequently identified variants and male sex. Importantly, 13% of relatives with ATTRv‐CM did not show any signs of cardiac involvement on first‐line diagnostic tests. The yield of serial evaluation ( n = 41 relatives; follow‐up 3.1 [2.2–5.2] years) at 3‐year interval was 9.4%. Conclusions Screening according to the 2021 ESC position statement performs well in daily clinical practice. Clinicians should adhere to repeating bone scintigraphy after 3 years, as progressing to ATTRv‐CM without signs of ATTRv‐CM on first‐line diagnostic tests or symptoms is common.

Abstract Sex differences are evident in the clinical presentation and underlying histology of atherosclerotic disease with women developing more stable atherosclerotic lesions than men. It is unknown whether this is explained by sex differences in gene regulation in cellular compartments of atherosclerotic plaques. To study sex differences in gene regulation we performed genome-wide DNA methylation and transcriptomics analysis on plaques of 485 carotid endarterectomy patients (31% female). Sex-differential DNA methylation at 4,848 sites in the autosome was enriched for cell-fate commitment and developmental processes, and its deconvolution predicted more smooth muscle cells in females, as compared to more immune cells in males. RNA-sequencing of the same plaques corroborated the sex differences in DNA methylation predicted cell-types, in which genes that were higher expressed in females were enriched for TGF-beta signaling and extracellular matrix biology. In addition, female-biased genes were enriched for targeting by regulatory loci based on sex differential methylation. Lastly, by using single-cell RNA sequencing we showed that these female-biased genes are mostly expressed in smooth muscle cells, and higher expressed in smooth muscle cells from female (predominantly stable) plaques as compared to male (relatively unstable) plaques. Our approach identified female-biased genes in smooth muscle cells in fibrous atherosclerotic plaques. This points towards new mechanisms in smooth muscle cell biology of stable atherosclerotic plaques and offers new directions for research to develop new sex-specific therapeutics for atherosclerotic disease.

Abstract A major challenge of genome-wide association studies (GWAS) is to translate phenotypic associations into biological insights. Here, we integrate a large GWAS on blood lipids involving 1.6 million individuals from five ancestries with a wide array of functional genomic datasets to discover regulatory mechanisms underlying lipid associations. We first prioritize lipid-associated genes with expression quantitative trait locus (eQTL) colocalizations, and then add chromatin interaction data to narrow the search for functional genes. Polygenic enrichment analysis across 697 annotations from a host of tissues and cell types confirms the central role of the liver in lipid levels, and highlights the selective enrichment of adipose-specific chromatin marks in high-density lipoprotein cholesterol and triglycerides. Overlapping transcription factor (TF) binding sites with lipid-associated loci identifies TFs relevant in lipid biology. In addition, we present an integrative framework to prioritize causal variants at GWAS loci, producing a comprehensive list of candidate causal genes and variants with multiple layers of functional evidence. Two prioritized genes, CREBRF and RRBP1 , show convergent evidence across functional datasets supporting their roles in lipid biology.