DW
Dylan Williams
Author with expertise in Coronavirus Disease 2019
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
5
(60% Open Access)
Cited by:
356
h-index:
26
/
i10-index:
49
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

A frailty index for UK Biobank participants

Dylan Williams et al.Dec 13, 2017
Abstract Background Frailty indices (FIs) measure variation in health between aging individuals. Researching FIs in resources with large-scale genetic and phenotypic data will provide insights into the causes and consequences of frailty. Thus, we aimed to develop an FI using UK Biobank data, a cohort study of 500,000 middle-aged and older adults. Methods An FI was calculated using 49 self-reported questionnaire items on traits covering health, presence of diseases and disabilities, and mental wellbeing, according to standard protocol. We used multiple imputation to derive FI values for the entire eligible sample in the presence of missing item data (N =500,336). To validate the measure, we assessed associations of the FI with age, sex, and risk of all-cause mortality (follow-up ≤ 9.7 years) using linear and Cox proportional hazards regression models. Results Mean FI in the cohort was 0.125 (standard deviation = 0.075), and there was a curvilinear trend towards higher values in older participants. FI values were also marginally higher on average in women than men. In survival models, 10% higher baseline frailty (i.e. a 0.1 FI increment) was associated with higher risk of death (hazard ratio (HR) = 1.65; 95% confidence interval: 1.62, 1.68). Associations were stronger in younger participants than in old, and in men compared to women (HRs: 1.72 vs. 1.56, respectively). Conclusions The FI is a valid measure of frailty in UK Biobank. The cohort’s data are open-access for researchers to use, and we provide script for deriving this tool to facilitate future studies on frailty.
0
Citation6
0
Save
0

Association of pre-pregnancy body mass index with future offspring metabolic profile: findings from three independent European birth cohorts

Diana Ferreira et al.Mar 7, 2017
Background- A high proportion of women start pregnancy overweight/obese. According to the developmental overnutrition hypothesis, this could lead offspring to have metabolic disruption throughout their lives, and, thus perpetuate the obesity epidemic across generations. Concerns about this hypothesis are influencing antenatal care. However, it is unknown whether maternal pregnancy adiposity is associated with long-term risk of adverse metabolic profiles in offspring, and if so, whether this association is causal, via intrauterine mechanisms, or explained by shared familial (genetic, lifestyle, socioeconomic) characteristics. We aimed to determine if associations between maternal body mass index (BMI) with offspring systemic metabolite profile are causal via intrauterine mechanisms or familial factors. Methods and Findings- We used one and two-stage individual participant data (IPD) meta-analysis, and a negative-control (paternal BMI) to examine the association between maternal pre-pregnancy BMI and offspring serum metabolome from three European birth cohorts (offspring age at metabolite assessment 16, 17 and 31 years). Circulating metabolites were quantified by high-throughput nuclear magnetic resonance metabolomics. Results from one-stage IPD meta-analysis (N=5327 to 5377 mother-father-offspring trios) showed that increasing maternal and paternal BMI was associated with an adverse cardio-metabolic profile in offspring. We observed strong positive associations with VLDL-lipoproteins, VLDL-C, VLDL-triglycerides, VLDL-diameter, branched/aromatic amino acids, glycoprotein acetyls, and triglycerides, and strong negative associations with HDL-lipoprotein, HDL-diameter, HDL-C, HDL2-C and HDL3-C (all P < 0.003). Stronger magnitudes of associations were present for maternal compared with paternal BMI across these associations, however there was no strong statistical evidence for heterogeneity between them (all bootstrap P > 0.003, equivalent to 0.05 after accounting for multiple testing). Results were similar in each individual cohort, and in the two-stage analysis. Offspring BMI showed similar patterns of cross-sectional association with metabolic profiles as for parental pre-pregnancy BMI associations, but with greater magnitudes. Adjustment of the parent BMI-offspring metabolite associations for offspring BMI suggested the parental associations were largely due to the association of parental BMI measures with offspring BMI. Conclusion- Our findings suggest that maternal BMI- offspring metabolome associations are likely to be largely due to shared genetic or familial lifestyle confounding, rather than intrauterine programming mechanisms. They do not support the introduction of measures to reduce maternal BMI in order to prevent adverse offspring cardio-metabolic health.
0

Genetic meta-analysis identifies 9 novel loci and functional pathways for Alzheimers disease risk

Iris Jansen et al.Feb 20, 2018
Late onset Alzheimer's disease (AD) is the most common form of dementia with more than 35 million people affected worldwide, and no curative treatment available. AD is highly heritable and recent genome-wide meta-analyses have identified over 20 genomic loci associated with AD, yet only explaining a small proportion of the genetic variance indicating that undiscovered loci exist. Here, we performed the largest genome-wide association study of clinically diagnosed AD and AD-by-proxy (71,880 AD cases, 383,378 controls). AD-by-proxy status is based on parental AD diagnosis, and showed strong genetic correlation with AD (rg=0.81). Genetic meta-analysis identified 29 risk loci, of which 9 are novel, and implicating 215 potential causative genes. Independent replication further supports these novel loci in AD. Associated genes are strongly expressed in immune-related tissues and cell types (spleen, liver and microglia). Furthermore, gene-set analyses indicate the genetic contribution of biological mechanisms involved in lipid-related processes and degradation of amyloid precursor proteins. We show strong genetic correlations with multiple health-related outcomes, and Mendelian randomisation results suggest a protective effect of cognitive ability on AD risk. These results are a step forward in identifying more of the genetic factors that contribute to AD risk and add novel insights into the neurobiology of AD to guide new drug development.