Mendelian randomisation uses genetic variation as a natural experiment to investigate the causal relations between potentially modifiable risk factors and health outcomes in observational data. As with all epidemiological approaches, findings from Mendelian randomisation studies depend on specific assumptions. We provide explanations of the information typically reported in Mendelian randomisation studies that can be used to assess the plausibility of these assumptions and guidance on how to interpret findings from Mendelian randomisation studies in the context of other sources of evidence

Mendelian randomization (MR) is a term that applies to the use of genetic variation to address causal questions about how modifiable exposures influence different outcomes. The principles of MR are based on Mendel’s laws of inheritance and instrumental variable estimation methods, which enable the inference of causal effects in the presence of unobserved confounding. In this Primer, we outline the principles of MR, the instrumental variable conditions underlying MR estimation and some of the methods used for estimation. We go on to discuss how the assumptions underlying an MR study can be assessed and describe methods of estimation that are robust to certain violations of these assumptions. We give examples of a range of studies in which MR has been applied, the limitations of current methods of analysis and the outlook for MR in the future. The differences between the assumptions required for MR analysis and other forms of epidemiological studies means that MR can be used as part of a triangulation across multiple sources of evidence for causal inference. Mendelian randomization is a technique for using genetic variation to examine the causal effect of a modifiable exposure on an outcome such as disease status. This Primer by Sanderson et al. explains the concepts of and the conditions required for Mendelian randomization analysis, describes key examples of its application and looks towards applying the technique to growing genomic datasets.

Background Circulating lipoprotein lipids cause coronary heart disease (CHD). However, the precise way in which one or more lipoprotein lipid-related entities account for this relationship remains unclear. Using genetic instruments for lipoprotein lipid traits implemented through multivariable Mendelian randomisation (MR), we sought to compare their causal roles in the aetiology of CHD. Methods and findings We conducted a genome-wide association study (GWAS) of circulating non-fasted lipoprotein lipid traits in the UK Biobank (UKBB) for low-density lipoprotein (LDL) cholesterol, triglycerides, and apolipoprotein B to identify lipid-associated single nucleotide polymorphisms (SNPs). Using data from CARDIoGRAMplusC4D for CHD (consisting of 60,801 cases and 123,504 controls), we performed univariable and multivariable MR analyses. Similar GWAS and MR analyses were conducted for high-density lipoprotein (HDL) cholesterol and apolipoprotein A-I. The GWAS of lipids and apolipoproteins in the UKBB included between 393,193 and 441,016 individuals in whom the mean age was 56.9 y (range 39–73 y) and of whom 54.2% were women. The mean (standard deviation) lipid concentrations were LDL cholesterol 3.57 (0.87) mmol/L and HDL cholesterol 1.45 (0.38) mmol/L, and the median triglycerides was 1.50 (IQR = 1.11) mmol/L. The mean (standard deviation) values for apolipoproteins B and A-I were 1.03 (0.24) g/L and 1.54 (0.27) g/L, respectively. The GWAS identified multiple independent SNPs associated at P < 5 × 10−8 for LDL cholesterol (220), apolipoprotein B (n = 255), triglycerides (440), HDL cholesterol (534), and apolipoprotein A-I (440). Between 56%–93% of SNPs identified for each lipid trait had not been previously reported in large-scale GWASs. Almost half (46%) of these SNPs were associated at P < 5 × 10−8 with more than one lipid-related trait. Assessed individually using MR, LDL cholesterol (odds ratio [OR] 1.66 per 1-standard-deviation–higher trait; 95% CI: 1.49–1.86; P < 0.001), triglycerides (OR 1.34; 95% CI: 1.25–1.44; P < 0.001) and apolipoprotein B (OR 1.73; 95% CI: 1.56–1.91; P < 0.001) had effect estimates consistent with a higher risk of CHD. In multivariable MR, only apolipoprotein B (OR 1.92; 95% CI: 1.31–2.81; P < 0.001) retained a robust effect, with the estimate for LDL cholesterol (OR 0.85; 95% CI: 0.57–1.27; P = 0.44) reversing and that of triglycerides (OR 1.12; 95% CI: 1.02–1.23; P = 0.01) becoming weaker. Individual MR analyses showed a 1-standard-deviation–higher HDL cholesterol (OR 0.80; 95% CI: 0.75–0.86; P < 0.001) and apolipoprotein A-I (OR 0.83; 95% CI: 0.77–0.89; P < 0.001) to lower the risk of CHD, but these effect estimates attenuated substantially to the null on accounting for apolipoprotein B. A limitation is that, owing to the nature of lipoprotein metabolism, measures related to the composition of lipoprotein particles are highly correlated, creating a challenge in making exclusive interpretations on causation of individual components. Conclusions These findings suggest that apolipoprotein B is the predominant trait that accounts for the aetiological relationship of lipoprotein lipids with risk of CHD.

Circulating proteins are vital in human health and disease and are frequently used as biomarkers for clinical decision-making or as targets for pharmacological intervention. Here, we map and replicate protein quantitative trait loci (pQTL) for 90 cardiovascular proteins in over 30,000 individuals, resulting in 451 pQTLs for 85 proteins. For each protein, we further perform pathway mapping to obtain trans-pQTL gene and regulatory designations. We substantiate these regulatory findings with orthogonal evidence for trans-pQTLs using mouse knockdown experiments (ABCA1 and TRIB1) and clinical trial results (chemokine receptors CCR2 and CCR5), with consistent regulation. Finally, we evaluate known drug targets, and suggest new target candidates or repositioning opportunities using Mendelian randomization. This identifies 11 proteins with causal evidence of involvement in human disease that have not previously been targeted, including EGF, IL-16, PAPPA, SPON1, F3, ADM, CASP-8, CHI3L1, CXCL16, GDF15 and MMP-12. Taken together, these findings demonstrate the utility of large-scale mapping of the genetics of the proteome and provide a resource for future precision studies of circulating proteins in human health. Folkersen et al. report the first results from the SCALLOP consortium, a collaborative framework for pQTL mapping and biomarker analysis of proteins on the Olink platform. A total of 315 primary and 136 secondary pQTLs for 85 circulating cardiovascular proteins from over 30,000 individuals were identified and replicated to yield new insights for translational studies and drug development.

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.

Importance

 In China, diabetes prevalence has increased substantially in recent decades, but there are no reliable estimates of the excess mortality currently associated with diabetes. 

Objectives

 To assess the proportional excess mortality associated with diabetes and estimate the diabetes-related absolute excess mortality in rural and urban areas of China. 

Design, Setting, and Participants

 A 7-year nationwide prospective study of 512 869 adults aged 30 to 79 years from 10 (5 rural and 5 urban) regions in China, who were recruited between June 2004 and July 2008 and were followed up until January 2014. 

Exposures

 Diabetes (previously diagnosed or detected by screening) recorded at baseline. 

Main Outcomes and Measures

 All-cause and cause-specific mortality, collected through established death registries. Cox regression was used to estimate adjusted mortality rate ratio (RR) comparing individuals with diabetes vs those without diabetes at baseline. 

Results

 Among the 512 869 participants, the mean (SD) age was 51.5 (10.7) years, 59% (n = 302 618) were women, and 5.9% (n = 30 280) had diabetes (4.1% in rural areas, 8.1% in urban areas, 5.8% of men, 6.1% of women, 3.1% had been previously diagnosed, and 2.8% were detected by screening). During 3.64 million person-years of follow-up, there were 24 909 deaths, including 3384 among individuals with diabetes. Compared with adults without diabetes, individuals with diabetes had a significantly increased risk of all-cause mortality (1373 vs 646 deaths per 100 000; adjusted RR, 2.00 [95% CI, 1.93-2.08]), which was higher in rural areas than in urban areas (rural RR, 2.17 [95% CI, 2.07-2.29]; urban RR, 1.83 [95% CI, 1.73-1.94]). Presence of diabetes was associated with increased mortality from ischemic heart disease (3287 deaths; RR, 2.40 [95% CI, 2.19-2.63]), stroke (4444 deaths; RR, 1.98 [95% CI, 1.81-2.17]), chronic liver disease (481 deaths; RR, 2.32 [95% CI, 1.76-3.06]), infections (425 deaths; RR, 2.29 [95% CI, 1.76-2.99]), and cancer of the liver (1325 deaths; RR, 1.54 [95% CI, 1.28-1.86]), pancreas (357 deaths; RR, 1.84 [95% CI, 1.35-2.51]), female breast (217 deaths; RR, 1.84 [95% CI, 1.24-2.74]), and female reproductive system (210 deaths; RR, 1.81 [95% CI, 1.20-2.74]). For chronic kidney disease (365 deaths), the RR was higher in rural areas (18.69 [95% CI, 14.22-24.57]) than in urban areas (6.83 [95% CI, 4.73-9.88]). Among those with diabetes, 10% of all deaths (16% rural; 4% urban) were due to definite or probable diabetic ketoacidosis or coma (408 deaths). 

Conclusions and Relevance

 Among adults in China, diabetes was associated with increased mortality from a range of cardiovascular and noncardiovascular diseases. Although diabetes was more common in urban areas, it was associated with greater excess mortality in rural areas.

BackgroundModerate alcohol intake has been associated with reduced cardiovascular risk in many studies, in comparison with abstinence or with heavier drinking. Studies in east Asia can help determine whether these associations are causal, since two common genetic variants greatly affect alcohol drinking patterns. We used these two variants to assess the relationships between cardiovascular risk and genotype-predicted mean alcohol intake in men, contrasting the findings in men with those in women (few of whom drink).MethodsThe prospective China Kadoorie Biobank enrolled 512 715 adults between June 25, 2004, and July 15, 2008, from ten areas of China, recording alcohol use and other characteristics. It followed them for about 10 years (until Jan 1, 2017), monitoring cardiovascular disease (including ischaemic stroke, intracerebral haemorrhage, and myocardial infarction) by linkage with morbidity and mortality registries and electronic hospital records. 161 498 participants were genotyped for two variants that alter alcohol metabolism, ALDH2-rs671 and ADH1B-rs1229984. Adjusted Cox regression was used to obtain the relative risks associating disease incidence with self-reported drinking patterns (conventional epidemiology) or with genotype-predicted mean male alcohol intake (genetic epidemiology—ie, Mendelian randomisation), with stratification by study area to control for variation between areas in disease rates and in genotype-predicted intake.Findings33% (69 897/210 205) of men reported drinking alcohol in most weeks, mainly as spirits, compared with only 2% (6245/302 510) of women. Among men, conventional epidemiology showed that self-reported alcohol intake had U-shaped associations with the incidence of ischaemic stroke (n=14 930), intracerebral haemorrhage (n=3496), and acute myocardial infarction (n=2958); men who reported drinking about 100 g of alcohol per week (one to two drinks per day) had lower risks of all three diseases than non-drinkers or heavier drinkers. In contrast, although genotype-predicted mean male alcohol intake varied widely (from 4 to 256 g per week—ie, near zero to about four drinks per day), it did not have any U-shaped associations with risk. For stroke, genotype-predicted mean alcohol intake had a continuously positive log-linear association with risk, which was stronger for intracerebral haemorrhage (relative risk [RR] per 280 g per week 1·58, 95% CI 1·36–1·84, p<0·0001) than for ischaemic stroke (1·27, 1·13–1·43, p=0·0001). For myocardial infarction, however, genotype-predicted mean alcohol intake was not significantly associated with risk (RR per 280 g per week 0·96, 95% CI 0·78–1·18, p=0·69). Usual alcohol intake in current drinkers and genotype-predicted alcohol intake in all men had similarly strong positive associations with systolic blood pressure (each p<0·0001). Among women, few drank and the studied genotypes did not predict high mean alcohol intake and were not positively associated with blood pressure, stroke, or myocardial infarction.InterpretationGenetic epidemiology shows that the apparently protective effects of moderate alcohol intake against stroke are largely non-causal. Alcohol consumption uniformly increases blood pressure and stroke risk, and appears in this one study to have little net effect on the risk of myocardial infarction.FundingChinese Ministry of Science and Technology, Kadoorie Charitable Foundation, National Natural Science Foundation of China, British Heart Foundation, Cancer Research UK, GlaxoSmithKline, Medical Research Council, and Wellcome Trust.

Blood lipids are established risk factors for myocardial infarction (MI), but uncertainty persists about the relevance of lipids, lipoprotein particles, and circulating metabolites for MI and stroke subtypes. This study sought to investigate the associations of plasma metabolic markers with risks of incident MI, ischemic stroke (IS), and intracerebral hemorrhage (ICH). In a nested case-control study (912 MI, 1,146 IS, and 1,138 ICH cases, and 1,466 common control subjects) 30 to 79 years of age in China Kadoorie Biobank, nuclear magnetic resonance spectroscopy measured 225 metabolic markers in baseline plasma samples. Logistic regression was used to estimate adjusted odds ratios (ORs) for a 1-SD higher metabolic marker. Very low-, intermediate-, and low-density lipoprotein particles were positively associated with MI and IS. High-density lipoprotein (HDL) particles were inversely associated with MI apart from small HDL. In contrast, no lipoprotein particles were associated with ICH. Cholesterol in large HDL was inversely associated with MI and IS (OR: 0.79 and 0.88, respectively), whereas cholesterol in small HDL was not (OR: 0.99 and 1.06, respectively). Triglycerides within all lipoproteins, including most HDL particles, were positively associated with MI, with a similar pattern for IS. Glycoprotein acetyls, ketone bodies, glucose, and docosahexaenoic acid were associated with all 3 diseases. The 225 metabolic markers showed concordant associations between MI and IS, but not with ICH. Lipoproteins and lipids showed similar associations with MI and IS, but not with ICH. Within HDL particles, cholesterol concentrations were inversely associated, whereas triglyceride concentrations were positively associated with MI. Glycoprotein acetyls and several non–lipid-related metabolites associated with all 3 diseases.

Physical activity and sleep duration are established risk factors for many diseases, but their aetiology is poorly understood, partly due to relying on self-reported evidence. Here we report a genome-wide association study (GWAS) of device-measured physical activity and sleep duration in 91,105 UK Biobank participants, finding 14 significant loci (7 novel). These loci account for 0.06% of activity and 0.39% of sleep duration variation. Genome-wide estimates of ~ 15% phenotypic variation indicate high polygenicity. Heritability is higher in women than men for overall activity (23 vs. 20%, p = 1.5 × 10-4) and sedentary behaviours (18 vs. 15%, p = 9.7 × 10-4). Heritability partitioning, enrichment and pathway analyses indicate the central nervous system plays a role in activity behaviours. Two-sample Mendelian randomisation suggests that increased activity might causally lower diastolic blood pressure (beta mmHg/SD: -0.91, SE = 0.18, p = 8.2 × 10-7), and odds of hypertension (Odds ratio/SD: 0.84, SE = 0.03, p = 4.9 × 10-8). Our results advocate the value of physical activity for reducing blood pressure.

Abstract Objectives To investigate the role of body mass index (BMI), systolic blood pressure, and smoking behaviour in explaining the effect of education on the risk of cardiovascular disease outcomes. Design Mendelian randomisation study. Setting UK Biobank and international genome-wide association study data. Participants Predominantly participants of European ancestry. Exposure Educational attainment, BMI, systolic blood pressure, and smoking behaviour in observational analysis, and randomly allocated genetic variants to instrument these traits in mendelian randomisation. Main outcomes measure The risk of coronary heart disease, stroke, myocardial infarction, and cardiovascular disease (all subtypes; all measured in odds ratio), and the degree to which this is mediated through BMI, systolic blood pressure, and smoking behaviour respectively. Results Each additional standard deviation of education (3.6 years) was associated with a 13% lower risk of coronary heart disease (odds ratio 0.86, 95% confidence interval 0.84 to 0.89) in observational analysis and a 37% lower risk (0.63, 0.60 to 0.67) in mendelian randomisation analysis. As a proportion of the total risk reduction, BMI was estimated to mediate 15% (95% confidence interval 13% to 17%) and 18% (14% to 23%) in the observational and mendelian randomisation estimates, respectively. Corresponding estimates were 11% (9% to 13%) and 21% (15% to 27%) for systolic blood pressure and 19% (15% to 22%) and 34% (17% to 50%) for smoking behaviour. All three risk factors combined were estimated to mediate 42% (36% to 48%) and 36% (5% to 68%) of the effect of education on coronary heart disease in observational and mendelian randomisation analyses, respectively. Similar results were obtained when investigating the risk of stroke, myocardial infarction, and cardiovascular disease. Conclusions BMI, systolic blood pressure, and smoking behaviour mediate a substantial proportion of the protective effect of education on the risk of cardiovascular outcomes and intervening on these would lead to reductions in cases of cardiovascular disease attributable to lower levels of education. However, more than half of the protective effect of education remains unexplained and requires further investigation.