Polygenic risk scores (PRSs) have shown promise in predicting susceptibility to common diseases1-3. We estimated their added value in clinical risk prediction of five common diseases, using large-scale biobank data (FinnGen; n = 135,300) and the FINRISK study with clinical risk factors to test genome-wide PRSs for coronary heart disease, type 2 diabetes, atrial fibrillation, breast cancer and prostate cancer. We evaluated the lifetime risk at different PRS levels, and the impact on disease onset and on prediction together with clinical risk scores. Compared to having an average PRS, having a high PRS contributed 21% to 38% higher lifetime risk, and 4 to 9 years earlier disease onset. PRSs improved model discrimination over age and sex in type 2 diabetes, atrial fibrillation, breast cancer and prostate cancer, and over clinical risk in type 2 diabetes, breast cancer and prostate cancer. In all diseases, PRSs improved reclassification over clinical thresholds, with the largest net reclassification improvements for early-onset coronary heart disease, atrial fibrillation and prostate cancer. This study provides evidence for the additional value of PRSs in clinical disease prediction. The practical applications of polygenic risk information for stratified screening or for guiding lifestyle and medical interventions in the clinical setting remain to be defined in further studies.

Aim: Genetic investigation of human plasma lipidome to get insights into lipid-related disorders beyond traditional lipid measures. Methods and Results: We performed a genome-wide association study (GWAS) of 141 lipid species (n=2,181 individuals), followed by phenome-wide scans (PheWAS) with 44 clinical end-points related to cardiometabolic, psychiatric and gastrointestinal disorders (n=456,941 individuals). SNP-based heritability for lipid species ranged from 0.10-0.54. Lipids with long-chain polyunsaturated fatty acids showed higher heritability and genetic sharing, suggesting considerable genetic regulation at acyl chains levels. We identified 35 genomic regions associated with at least one lipid species (P<5x10-8), revealing 37 new SNP-lipid species pair associations e.g. new association between ABCG5/8 and CE(20:2;0). PheWAS of lipid-species-associated loci suggested new associations of BLK with obesity, FADS2 with thrombophlebitis, and BLK and SPTLC3 with gallbladder disease (false discovery rate <0.05). The association patterns of lipid-species-associated loci supplied clues to their probable roles in lipid metabolism e.g. suggestive role of SYNGR1, MIR100HG, and PTPRN2 in desaturation and/or elongation of fatty acids. At known lipid loci (FADS2, APOA5 and LPL), genetic associations provided detailed insights to their roles in lipid biology and diseases. We also show that traditional lipid measures may fail to capture lipids such as lysophospatidylcholines (LPCs) and phosphatidylcholines (PCs) that are potential disease risk factors, but are not included in routine screens. The full genome-wide association statistics are available on the web-based database (http://35.205.141.92). Conclusion: Our study reveals genetic regulation of plasma lipidome and highlights the potential of lipidomic profiling in disease gene mapping.

Aims: To characterize and compare coronary artery disease (CAD) risk and detailed lipidomic profiles of individuals with familial and population-ascertained hyperlipidemias. Methods and Results: We determined incident CAD risk for 760 members of 66 hyperlipidemic families (≥ 2 first degree relatives with the same hyperlipidemia) and 19,644 Finnish FINRISK population study participants. We also quantified 151 lipid species in plasma or serum samples from 550 members of 73 hyperlipidemic pedigrees and 897 FINRISK participants using a mass spectrometric shotgun lipidomics platform. Hyperlipidemias (LDL-C or triacylglycerides over 90th population percentile) were associated with increased CAD risk (high LDL-C: HR 1.74, 95% CI 1.48-2.04; high triacylglycerides: HR 1.38, 95% CI 1.09-1.74) and the risk estimates were very similar between the family and population samples. High LDL-C was associated with altered levels of 105 lipid species in families (p-value range 0.033-7.3*10-20 at 5% false discovery rate) and 51 species in the population samples (p-value range 0.017-6.8*10-21). Hypertriglyceridemia was associated with altered levels of 117 lipid species in families (p-value range 0.035-1.8*10-49) and 119 species in the population sample (p-value range 0.038-2.3*10-56). The lipidomics profiles of hyperlipidemias were highly similar in families and population samples. Conclusion: We identified distinct lipidomic profiles associated with high LDL-C and triacylglyceride levels. CAD risk, lipidomic profiles and genetic profiles are highly similar between familial and population-ascertained hyperlipidemias, providing evidence of similar and overlapping underlying mechanisms. Our results do not support different screening and treatment for such hyperlipidemias.

Background Polygenic risk scores (PRS) have shown promise in predicting susceptibility to common diseases. However, the extent to which PRS and clinical risk factors act jointly and identify high-risk individuals for early onset of disease is unknown.Methods We used large-scale biobank data (the FinnGen study; n=135,300), with up to 46 years of prospective follow-up, and the FINRISK study with standardized clinical risk factor measurements to build genome-wide PRSs with >6M variants for coronary heart disease (CHD), type 2 diabetes (T2D), atrial fibrillation (AF), and breast and prostate cancer. We evaluated their associations with first disease events, age at disease onset, and impact together with routinely used clinical risk scores for predicting future disease.Results Compared to the 20-80th percentiles, a PRS in the top 2.5% translated into hazard ratios (HRs) for incident disease ranging from 2.03 to 4.28 (p-values 1.96×10−59 to <1.00×10−100) and the bottom 2.5% into HRs ranging from 0.20 to 0.61. The estimated difference in age at disease onset between top and bottom 2.5% of PRSs was 6 to 13 years. Among early-onset cases, 21.3-32.9% had a PRS in the highest decile and in CHD and AF.Conclusions The properties of PRS were similar in all five diseases. PRS identified a considerable proportion early-onset cases, and for all ages the performance of PRS was comparable to established clinical risk scores. These findings warrant further clinical studies on application of polygenic risk information for stratified screening or for guiding lifestyle and preventive medical interventions.

Objective: To develop a highly polygenic risk score (PRS) for alcohol consumption and study whether it predicts alcohol-related morbidity and all-cause mortality. Design: Biobank-based prospective cohort study. Setting: FinnGen Study (Finland). Participants: 96,499 genotyped participants from the nationwide prospective FinnGen study and 36,499 participants from prospective cohorts (Health 2000, FINRISK, Twin Cohort) with detailed baseline data and up to 25 years of follow-up time. Main outcome measures: Incident alcohol-related morbidity and alcohol-related or all-cause mortality, based on hospitalizations, outpatient specialist care, drug purchases, and death reports. Results: In 96,499 FinnGen participants there were in total 4,785 first-observed incident alcohol-related health events. The PRS of alcohol consumption was associated with alcohol-related morbidity and the risk estimate (hazard ratio, HR) between the highest and lowest quintiles of the PRS was 1.67 [ 95 % confidence interval: 1.52-1.84], p=3.2*10-27). In 28,639 participants with comprehensive baseline data from prospective Health 2000 and FINRISK cohorts, 911 incident first alcohol-related events were observed. When adjusted for self-reported alcohol consumption, education, marital status, and gamma-glutamyl transferase blood levels, the risk estimate between the highest and lowest quintiles of the PRS was 1.58 (CI=[1.26-1.99], p=8.2*10-5). The PRS was also associated with all-cause mortality with a risk estimate of 1.33 between the highest and lowest quintiles (CI=[1.2-1.47], p=4.5e-08) in the adjusted model. In all 39,695 participants with self-reported alcohol consumption available, a 1 SD increase in the PRS was associated with 11.2 g (=0.93 drinks) higher weekly alcohol consumption (β=11.2 [9.85-12.58 g], p = 2.3*10-58). Conclusions: The PRS for alcohol consumption associates for both alcohol-related morbidity and all-cause mortality. These findings underline the importance of heritable factors in alcohol-related behavior and the related health burden. The results highlight how measured genetic risk for an important behavioral risk factor can be used to predict related health outcomes.

Summary Systematic insight into cellular dysfunctions can improve understanding of disease etiology, risk assessment and patient stratification. We present a multiparametric high-content imaging platform enabling quantification of low-density lipoprotein (LDL) uptake and lipid storage in cytoplasmic droplets of primary leukocyte subpopulations. We validated this platform with samples from 65 individuals with variable blood LDL-cholesterol (LDL-c) levels, including familial hypercholesterolemia (FH) and non-FH subjects. We integrated lipid storage data into a novel readout, lipid mobilization, measuring the efficiency with which cells deplete lipid reservoirs. Lipid mobilization correlated positively with LDL uptake and negatively with hypercholesterolemia and age, improving differentiation of individuals with normal and elevated LDL-c. Moreover, combination of cell-based readouts with a polygenic risk score for LDL-c explained hypercholesterolemia better than the genetic risk score alone. This platform provides functional insights into cellular lipid trafficking from a few ml’s of blood and is applicable to dissect metabolic disorders, such as hypercholesterolemia. Motivation We have limited information on how cellular lipid uptake and processing differ between individuals and influence the development of metabolic diseases, such as hypercholesterolemia. Available assays are labor intensive, require skilled personnel and are difficult to scale to higher throughput, making it challenging to obtain systematic functional cell-based data from individuals. To overcome this problem, we established a scalable automated analysis pipeline enabling reliable quantification of multiple cellular readouts, including lipid uptake, storage and mobilization, from different white blood cell populations. This approach provides new personalized insights into the cellular basis of hypercholesterolemia and obesity. Graphical Abstract

Background: Hyperlipidemia is a highly heritable risk factor for coronary artery disease (CAD). Monogenic familial hypercholesterolemia associates with higher increase in CAD risk than expected from a single LDL-C measurement, likely due to lifelong cumulative exposure to high LDL-C. It remains unclear to what extent a high polygenic load of LDL-C or TG-increasing variants associates with increased CAD risk. Methods and Results: We derived polygenic risk scores (PRS) with ~6M variants for LDL-C and TG with weights from a UK biobank-based genome-wide association study with ~500K samples. We evaluated the impact of polygenic hypercholesterolemia and hypertriglyceridemia to lipid levels in 27 039 individuals from the FINRISK cohort, and to CAD risk in 135 300 individuals (13 695 CAD cases) from the FinnGen project. In FINRISK, LDL-C ranged from 2.83 (95% CI 2.79-2.89) to 3.80 (3.72-3.88) and TG from 0.99 (0.95-1.01) to 1.52 (1.48-1.58) mmol/l between the lowest and highest 5% of the respective PRS distributions. The corresponding CAD prevalences ranged from 8.2% to 12.7% for the LDL-C PRS and from 8.2% to 12.1% for the TG PRS in FinnGen. Furthermore, CAD risk was 1.36-fold higher (OR, 95% CI 1.24-1.49) for the LDL-C PRS and 1.31-fold higher (1.20-1.44) for the TG PRS for those with the PRS >95th percentile vs those without. These estimates were only slightly attenuated when adjusting for a CAD PRS (OR 1.26 [95% CI 1.15-1.39] for LDL-C and 1.21 [1.10-1.32] for TG PRS). Conclusions: The CAD risk associated with a high polygenic load for lipid-increasing variants was proportional to their impact on lipid levels and mostly independent of a CAD PRS. In contrast with a PRS for CAD, the lipid PRSs point to known and directly modifiable risk factors providing more direct guidance for clinical translation.