Nature Communications 6: Article number: 6046 (2015); Published 5 February 2015; Updated 6 July 2015 The affiliation details for Emiliano Giardina are incorrect in this Article. The correct address for this author is given below: Department of Biopathology, Centre of Excellence for Genomic Risk Assessment in Multifactorial and Complex Diseases, School of Medicine, University of Rome 'Tor Vergata' and Laboratory of Molecular Genetics UILDM, Fondazione Santa Lucia, Rome 00179, Italy.

Abstract Large studies use genotype data to discover genetic contributions to complex traits and infer relationships between those traits. Co-incident geographical variation in genotypes and health traits can bias these analyses. Here we show that single genetic variants and genetic scores composed of multiple variants are associated with birth location within UK Biobank and that geographic structure in genotype data cannot be accounted for using routine adjustment for study centre and principal components derived from genotype data. We find that major health outcomes appear geographically structured and that coincident structure in health outcomes and genotype data can yield biased associations. Understanding and accounting for this phenomenon will be important when making inference from genotype data in large studies.

Importance The epidemiological link between immune-mediated diseases (IMIDs) and cardiovascular disease has often been attributed to systemic inflammation. However, the direction of causality and the biological mechanisms linking cardiovascular disease with IMIDs are incompletely understood. Given the robust epidemiological association and the growing body of supportive mechanistic evidence, psoriasis is an exemplary IMID model for exploring this relationship. Objective To assess the bidirectional relationships between genetic predictors of psoriasis and the 2 major forms of cardiovascular disease, coronary artery disease (CAD) and stroke, and to evaluate the association between genetic predictors of cardiovascular disease with 9 other IMIDs. Design, Setting, and Participants This was a genetic association study using mendelian randomization (MR), a powerful genetic tool to help distinguish causation from associations observed in epidemiological studies, to provide supportive evidence for causality between traits. The study conducted 2-sample MR analyses using summary-level data from large-scale genome-wide association meta-analysis studies (GWAS) for each trait. The analysis focused on individuals of European descent from GWAS meta-analyses, involving CAD, stroke, psoriasis, and 9 other IMIDs. Data were analyzed from January 2023 to May 2024. Exposures Genetic predictors of CAD, stroke, psoriasis, and 9 other IMIDs. Main Outcomes and Measures The primary outcomes were the associations of genetic predictors of CAD and stroke with the risk of psoriasis and 9 other IMIDs, determined using inverse-variance weighted (IVW) MR estimates. Results This study included 181 249 cases and 1 165 690 controls with CAD, 110 182 cases and 1 503 898 controls with stroke, 36 466 cases and 458 078 controls with psoriasis, for a total of approximately 3 400 000 individuals, and 9 other IMIDs. In contrast to previous assumptions, genetic predictors of psoriasis were found to have no association with CAD or stroke. In the reverse direction, genetic predictors of both CAD (MR estimate IVW odds ratio [OR], 1.07; 95% CI, 1.04-1.10; P = .003) and stroke (IVW OR, 1.22; 95% CI, 1.05-1.41; P = .01) were found to have risk-increasing associations with psoriasis. Adjusting for stroke rendered the associations of genetically predicted CAD with psoriasis risk nonsignificant (and vice versa), suggesting that a shared effect underlying genetic risk for CAD and stroke associates with increased psoriasis risk. No risk-increasing associations were observed for genetic predictors of cardiovascular disease with other common IMIDs, including rheumatoid arthritis and inflammatory bowel disease. Conclusions and Relevance Findings of this mendelian randomization study indicate that genetic predictors of cardiovascular disease were associated with increased psoriasis risk with no reciprocal effect or association with other IMIDs. Elucidating mechanisms underpinning this association could lead to novel therapeutic approaches in both diseases.

The inclusion of genetic data in large studies has enabled the discovery of genetic contributions to complex traits and their application in applied analyses including those using genetic risk scores (GRS) for the prediction of phenotypic variance. If genotypes show structure by location and coincident structure exists for the trait of interest, analyses can be biased. Having illustrated structure in an apparently homogeneous collection, we aimed to a) test for geographical stratification of genotypes in UK Biobank and b) assess whether stratification might induce bias in genetic association analysis. We found that single genetic variants are associated with birth location within UK Biobank and that geographic structure in genetic data could not be accounted for using routine adjustment for study centre and principal components (PCs) derived from genotype data. We found that GRS for complex traits do appear geographically structured and analysis using GRS can yield biased associations. We discuss the likely origins of these observations and potential implications for analysis within large-scale population based genetic studies.

Objective: Psoriasis and eczema are common inflammatory skin diseases that have been reported to be associated with obesity. However, causality has not yet been established. We aimed to investigate the possible causal relationship between body mass index (BMI) and psoriasis or eczema. Methods: Following a review of published epidemiological evidence of the association between obesity and either psoriasis or eczema, Mendelian Randomization (MR) was used to test for a causal relationship between BMI and these inflammatory skin conditions. We used a genetic instrument comprising 97 single nucleotide polymorphisms (SNPs) associated with BMI. One-sample MR was conducted using individual-level data (401,508 individuals) from the UK Biobank and the Nord-Trøndelag Health Study (HUNT), Norway. Two-sample MR was performed with summary-level data (731,021 individuals) from published BMI, psoriasis and eczema GWAS. The one-sample and two-sample MR estimates were meta-analysed using a fixed effect model. To explore the reverse causal direction, MR analysis with genetic instruments comprising variants from recent genome-wide analyses for psoriasis and eczema were used to test if inflammatory skin disease has a causal effect on BMI. Results: Published observational data show an association of greater BMI with both psoriasis and eczema case status. The observational associations were confirmed in UK Biobank and HUNT datasets. MR analyses provide evidence that higher BMI causally increases the odds of psoriasis (by 53% per 5 units higher BMI; OR= 1.09 (1.06 to 1.12) per 1 kg/m2; P=4.67x10-9) and eczema (by 8% per 5 units higher BMI; OR=1.02 (1.00 to 1.03) per 1 kg/m2; P=0.09). When investigating causality in the opposite direction, MR estimates provide little evidence for an effect of either psoriasis or eczema influencing BMI. Conclusion: Our study, using genetic variants as instrumental variables for BMI, shows that higher BMI leads to a higher risk of inflammatory skin disease. The causal relationship was stronger for psoriasis than eczema. Therapies and life-style interventions aimed at controlling BMI or targeting the mechanisms linking obesity with skin inflammation may offer an opportunity for the prevention or treatment of these common skin diseases.