Tobacco smoking is estimated to account for more than 1 million annual deaths in China, and the epidemic continues to increase in men. Large nationwide prospective studies linked to different health records can help to periodically assess disease burden attributed to smoking. We aimed to examine associations of smoking with incidence of and mortality from an extensive range of diseases in China.We analysed data from the prospective China Kadoorie Biobank, which recruited 512 726 adults aged 30-79 years, of whom 210 201 were men and 302 525 were women. Participants who had no major disabilities were identified through local residential records in 100-150 administrative units, which were randomly selected by use of multistage cluster sampling, from each of the ten diverse study areas of China. They were invited and recruited between June 25, 2004, and July 15, 2008. Upon study entry, trained health workers administered a questionnaire assessing detailed smoking behaviours and other key characteristics (eg, sociodemographics, lifestyle, and medical history). Participants were followed up via electronic record linkages to death and disease registries and health insurance databases, from baseline to Jan 1, 2018. During a median 11-year follow-up (IQR 10-12), 285 542 (55·7%) participants were ever hospitalised, 48 869 (9·5%) died, and 5252 (1·0%) were lost to follow-up during the age-at-risk of 35-84 years. Cox regression yielded hazard ratios (HRs) associating smoking with disease incidence and mortality, adjusting for multiple testing.At baseline, 74·3% of men and 3·2% of women (overall 32·4%) ever smoked regularly. During follow-up, 1 137 603 International Classification of Diseases, 10th revision (ICD-10)-coded incident events occurred, involving 476 distinct conditions and 85 causes of death, each with at least 100 cases. Compared with never-regular smokers, ever-regular smokers had significantly higher risks for nine of 18 ICD-10 chapters examined at age-at-risk of 35-84 years. For individual conditions, smokers had significantly higher risks of 56 diseases (50 for men and 24 for women) and 22 causes of death (17 for men and nine for women). Among men, ever-regular smokers had an HR of 1·09 (95% CI 1·08-1·11) for any disease incidence when compared with never-regular smokers, and significantly more episodes and longer duration of hospitalisation, particularly those due to cancer and respiratory diseases. For overall mortality, the HRs were greater in men from urban areas than in men from rural areas (1·50 [1·42-1·58] vs 1·25 [1·20-1·30]). Among men from urban areas who began smoking at younger than 18 years, the HRs were 2·06 (1·89-2·24) for overall mortality and 1·32 (1·27-1·37) for any disease incidence. In this population, 19·6% of male (24·3% of men residing in urban settings and 16·2% of men residing in rural settings) and 2·8% of female deaths were attributed to ever-regular smoking.Among Chinese adults, smoking was associated with higher risks of morbidity and mortality from a wide range of diseases. Among men, the future smoking-attributed disease burden will increase further, highlighting a pressing need for reducing consumption through widespread cessation and uptake prevention.British Heart Foundation, Cancer Research UK, Chinese Ministry of Science and Technology, Kadoorie Charitable Foundation, UK Medical Research Council, National Natural Science Foundation of China, Wellcome Trust.

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.

Summary Metabolic dysregulation in multiple tissues alters glucose homeostasis and influences risk for type 2 diabetes (T2D). To identify pathways and tissues influencing T2D-relevant glycemic traits (fasting glucose [FG], fasting insulin [FI], two-hour glucose [2hGlu] and glycated hemoglobin [HbA1c]), we investigated associations of exome-array variants in up to 144,060 individuals without diabetes of multiple ancestries. Single-variant analyses identified novel associations at 21 coding variants in 18 novel loci, whilst gene-based tests revealed signals at two genes, TF (HbA1c) and G6PC (FG, FI). Pathway and tissue enrichment analyses of trait-associated transcripts confirmed the importance of liver and kidney for FI and pancreatic islets for FG regulation, implicated adipose tissue in FI and the gut in 2hGlu, and suggested a role for the non-endocrine pancreas in glucose homeostasis. Functional studies demonstrated that a novel FG/FI association at the liver-enriched G6PC transcript was driven by multiple rare loss-of-function variants. The FG/HbA1c-associated, islet-specific G6PC2 transcript also contained multiple rare functional variants, including two alleles within the same codon with divergent effects on glucose levels. Our findings highlight the value of integrating genomic and functional data to maximize biological inference. Highlights 23 novel coding variant associations (single-point and gene-based) for glycemic traits 51 effector transcripts highlighted different pathway/tissue signatures for each trait The exocrine pancreas and gut influence fasting and 2h glucose, respectively Multiple variants in liver-enriched G6PC and islet-specific G6PC2 influence glycemia

Abstract Multi-omics datasets are becoming more common, necessitating better integration methods to realize their revolutionary potential. Here, we introduce Multi-set Correlation and Factor Analysis, an unsupervised integration method that enables fast inference of shared and private factors in multi-modal data. Applied to 614 ancestry-diverse participant samples across five ‘omics types, MCFA infers a shared space that captures clinically relevant molecular processes.

Abstract Dietary changes associated with industrialization substantially increase the prevalence of chronic diseases, such as obesity, type II diabetes, and cardiovascular disease, which are major contributors to the public health burden. The high prevalence of these chronic diseases is often attributed to an “evolutionary mismatch,” between human physiology and modern nutritional environments. In support of this idea, Western diets enriched with foods that were scarce throughout human evolutionary history (e.g., simple sugars and saturated fats) promote inflammation and disease relative to diets more akin to hunter-gatherer diets, such as a Mediterranean diet; however, the mechanisms linking dietary mismatch to inflammation and chronic disease are poorly understood. We used a macaque model and whole diet manipulations to evaluate one possible mechanism – inflammatory polarization of monocytes – that potentially leads to this evolutionary mismatch. After consuming a Western- or Mediterranean-like diet for 15 months, monocytes from Western diet consumers exhibited a more proinflammatory phenotype, with 40% of their genes differentially expressed (FDR<0.05). Compared to the Mediterranean diet, the Western diet shifted the co-expression of 445 gene pairs, including small RNAs and transcription factors associated with metabolism and adiposity in humans, and dramatically altered animal behavior. For example, Western-fed individuals were more anxious and less socially integrated compared to the Mediterranean-fed subjects. These behavioral changes were also associated with some of the effects of diet on gene expression, suggesting an interaction between diet, central nervous system activity, and monocyte gene expression. The results of this study provide new insights into evolutionary mismatch at the molecular level and uncover new pathways through which Western diets generate inflammation and disease.

Abstract Background DNA methylation clocks emerged as a tool to determine biological aging and have been related to mortality and age-related diseases. Little is known about the association of DNA methylation age (DNAm age) with coronary heart disease (CHD), especially in the Asian population. Results Methylation level of baseline blood leukocyte DNA was measured by Infinium Methylation EPIC BeadChip for 491 incident CHD cases and 489 controls in the prospective China Kadoorie Biobank. We calculated the methylation age using a prediction model developed among Chinese. The correlation between chronological age and DNAm age was 0.90. DNA methylation age acceleration (Δage) was defined as the residual of regressing DNA methylation age on the chronological age. After adjustment for multiple risk factors of CHD and cell type proportion, compared with participants in the bottom quartile of Δage, the OR (95% CI) for CHD was 1.84 (1.17, 2.89) for participants in the top quartile. One SD increment in Δage was associated with 30% increased risk of CHD (OR = 1.30; 95% CI 1.09, 1.56; Ptrend = 0.003). The average number of cigarette equivalents consumed per day and waist-to-hip ratio were positively associated with Δage; red meat consumption was negatively associated with Δage, characterized by accelerated aging in those who never or rarely consumed red meat (all P < 0.05). Further mediation analysis revealed that 10%, 5% and 18% of the CHD risk related to smoking, waist-to-hip ratio and never or rarely red meat consumption was mediated through methylation aging, respectively (all P for mediation effect < 0.05). Conclusions We first identified the association between DNAm age acceleration and incident CHD in the Asian population, and provided evidence that unfavorable lifestyle-induced epigenetic aging may play an important part in the underlying pathway to CHD.

Abstract Despite the growing number of genome-wide association studies (GWAS), it remains unclear to what extent gene-by-gene and gene-by-environment interactions influence complex traits in humans. The magnitude of genetic interactions in complex traits has been difficult to quantify because GWAS are generally underpowered to detect individual interactions of small effect. Here, we develop a method to test for genetic interactions that aggregates information across all trait-associated loci. Specifically, we test whether SNPs in regions of European ancestry shared between European American and admixed African American individuals have the same causal effect sizes. We hypothesize that in African Americans, the presence of genetic interactions will drive the causal effect sizes of SNPs in regions of European ancestry to be more similar to those of SNPs in regions of African ancestry. We apply our method to two traits: gene expression in 296 African Americans and 482 European Americans in the Multi-Ethnic Study of Atherosclerosis (MESA) and low-density lipoprotein cholesterol (LDL-C) in 74K African Americans and 296K European Americans in the Million Veteran Program (MVP). We find significant evidence for genetic interactions in our analysis of gene expression; for LDL-C, we observe a similar point estimate although this is not significant, likely due to lower statistical power. These results suggest that gene-by-gene or gene-by-environment interactions modify the effect sizes of causal variants in human complex traits.

Abstract The timing of puberty is a highly polygenic childhood trait that is epidemiologically associated with various adult diseases. Here, we analyse 1000-Genome reference panel imputed genotype data on up to ~370,000 women and identify 389 independent signals (all P<5×10 −8 ) for age at menarche, a notable milestone in female pubertal development. In Icelandic data from deCODE, these signals explain ~7.4% of the population variance in age at menarche, corresponding to one quarter of the estimated heritability. We implicate over 250 genes via coding variation or associated gene expression, and demonstrate enrichment across genes active in neural tissues. We identify multiple rare variants near the imprinted genes MKRN3 and DLK1 that exhibit large effects on menarche only when paternally inherited. Disproportionate effects of variants on early or late puberty timing are observed: single variant and heritability estimates are larger for early than late puberty timing in females. The opposite pattern is seen in males, with larger estimates for late than early puberty timing. Mendelian randomization analyses indicate causal inverse associations, independent of BMI, between puberty timing and risks for breast and endometrial cancers in women, and prostate cancer in men. In aggregate, our findings reveal new complexity in the genetic regulation of puberty timing and support new causal links with adult cancer risks.

Abstract Avian influenza viruses (AIVs) periodically cross species barriers and infect humans. The likelihood that an AIV will evolve mammalian transmissibility depends on acquiring and selecting mutations during spillover, but data from natural infection is limited. We analyze deep sequencing data from infected humans and domestic ducks in Cambodia to examine how H5N1 viruses evolve during spillover. Overall, viral populations in both species are predominated by low-frequency (<10%) variation shaped by purifying selection and genetic drift, and half of the variants detected within-host are never detected on the H5N1 virus phylogeny. However, we do detect a subset of mutations linked to human receptor binding and replication (PB2 E627K, HA A150V, and HA Q238L) that arose in multiple, independent humans. PB2 E627K and HA A150V were also enriched along phylogenetic branches leading to human infections, suggesting that they are likely human-adaptive. Our data show that H5N1 viruses generate putative human-adapting mutations during natural spillover infection, many of which are detected at >5% frequency within-host. However, short infection times, genetic drift, and purifying selection likely restrict their ability to evolve extensively during a single infection. Applying evolutionary methods to sequence data, we reveal a detailed view of H5N1 virus adaptive potential, and develop a foundation for studying host-adaptation in other zoonotic viruses. Author summary H5N1 avian influenza viruses can cross species barriers and cause severe disease in humans. H5N1 viruses currently cannot replicate and transmit efficiently among humans, but animal infection studies and modeling experiments have suggested that human adaptation may require only a few mutations. However, data from natural spillover infection has been limited, posing a challenge for risk assessment. Here, we analyze a unique dataset of deep sequence data from H5N1 virus-infected humans and domestic ducks in Cambodia. We find that well-known markers of human receptor binding and replication arise in multiple, independent humans. We also find that 3 mutations detected within-host are enriched along phylogenetic branches leading to human infections, suggesting that they are likely human-adapting. However, we also show that within-host evolution in both humans and ducks are shaped heavily by purifying selection and genetic drift, and that a large fraction of within-host variation is never detected on the H5N1 phylogeny. Taken together, our data show that H5N1 viruses do generate human-adapting mutations during natural infection. However, short infection times, purifying selection, and genetic drift may severely limit how much H5N1 viruses can evolve during the course of a single infection.

Abstract Genetically regulated gene expression has helped elucidate the biological mechanisms underlying complex traits. Improved high-throughput technology allows similar interrogation of the genetically regulated proteome for understanding complex trait mechanisms. Here, we used the Trans-omics for Precision Medicine (TOPMed) Multi-omics pilot study, which comprises data from Multi-Ethnic Study of Atherosclerosis (MESA), to optimize genetic predictors of the plasma proteome for genetically regulated proteome-wide association studies (PWAS) in diverse populations. We built predictive models for protein abundances using data collected in TOPMed MESA, for which we have measured 1,305 proteins by a SOMAscan assay. We compared predictive models built via elastic net regression to models integrating posterior inclusion probabilities estimated by fine-mapping SNPs prior to elastic net. In order to investigate the transferability of predictive models across ancestries, we built protein prediction models in all four of the TOPMed MESA populations, African American (n=183), Chinese (n=71), European (n=416), and Hispanic/Latino (n=301), as well as in all populations combined. As expected, fine-mapping produced more significant protein prediction models, especially in African ancestries populations, potentially increasing opportunity for discovery. When we tested our TOPMed MESA models in the independent European INTERVAL study, fine-mapping improved cross-ancestries prediction for some proteins. Using GWAS summary statistics from the Population Architecture using Genomics and Epidemiology (PAGE) study, which comprises ~50,000 Hispanic/Latinos, African Americans, Asians, Native Hawaiians, and Native Americans, we applied S-PrediXcan to perform PWAS for 28 complex traits. The most protein-trait associations were discovered, colocalized, and replicated in large independent GWAS using proteome prediction model training populations with similar ancestries to PAGE. At current training population sample sizes, performance between baseline and fine-mapped protein prediction models in PWAS was similar, highlighting the utility of elastic net. Our predictive models in diverse populations are publicly available for use in proteome mapping methods at https://doi.org/10.5281/zenodo.4837328 . Author summary Gene regulation is a critical mechanism underlying complex traits. Transcriptome-wide association studies (TWAS) have helped elucidate potential mechanisms because each association connects a gene rather than a variant to the complex trait. Like genome-wide association studies (GWAS), most TWAS are still conducted exclusively in populations of European ancestry, which misses the opportunity to test the full spectrum of human genetic variation for associations with complex traits. Here, move beyond the transcriptome and because protein measurement assays are growing to allow interrogation of the proteome, we use data from TOPMed MESA to develop genetic predictors of protein abundance in diverse ancestry populations. We compare model-building strategies with the goal of providing the best resource for protein association discovery with available data. We demonstrate how these prediction models can be used to perform proteome-wide association studies (PWAS) in diverse populations. We show the most protein-trait associations were discovered, colocalized, and replicated in independent cohorts using proteome prediction model training populations with similar ancestries to individuals in the GWAS. We shared our protein prediction models and performance statistics publicly to facilitate future proteome mapping studies in diverse populations.