Levels of low-density lipoprotein (LDL) cholesterol, high-density lipoprotein (HDL) cholesterol, triglycerides and total cholesterol are heritable, modifiable risk factors for coronary artery disease. To identify new loci and refine known loci influencing these lipids, we examined 188,577 individuals using genome-wide and custom genotyping arrays. We identify and annotate 157 loci associated with lipid levels at P < 5 × 10(-8), including 62 loci not previously associated with lipid levels in humans. Using dense genotyping in individuals of European, East Asian, South Asian and African ancestry, we narrow association signals in 12 loci. We find that loci associated with blood lipid levels are often associated with cardiovascular and metabolic traits, including coronary artery disease, type 2 diabetes, blood pressure, waist-hip ratio and body mass index. Our results demonstrate the value of using genetic data from individuals of diverse ancestry and provide insights into the biological mechanisms regulating blood lipids to guide future genetic, biological and therapeutic research.

Sekar Kathiresan and colleagues examine 185 common variants using a modified mendelian randomization approach and provide evidence supporting a causal role of triglyceride-rich lipoproteins in the development of coronary artery disease. Triglycerides are transported in plasma by specific triglyceride-rich lipoproteins; in epidemiological studies, increased triglyceride levels correlate with higher risk for coronary artery disease (CAD). However, it is unclear whether this association reflects causal processes. We used 185 common variants recently mapped for plasma lipids (P < 5 × 10−8 for each) to examine the role of triglycerides in risk for CAD. First, we highlight loci associated with both low-density lipoprotein cholesterol (LDL-C) and triglyceride levels, and we show that the direction and magnitude of the associations with both traits are factors in determining CAD risk. Second, we consider loci with only a strong association with triglycerides and show that these loci are also associated with CAD. Finally, in a model accounting for effects on LDL-C and/or high-density lipoprotein cholesterol (HDL-C) levels, the strength of a polymorphism's effect on triglyceride levels is correlated with the magnitude of its effect on CAD risk. These results suggest that triglyceride-rich lipoproteins causally influence risk for CAD.

A scavenger that protects the heart Coronary heart disease is a tale of two forms of plasma cholesterol. In contrast to the well-established effects of “bad” cholesterol (LDL-C), the role of “good” cholesterol (HDL-C) is mysterious. Elevated HDL-C correlates with a lower risk of heart disease, yet drugs that raise HDL-C levels do not reduce risk. Zanoni et al. found that some people with exceptionally high levels of HDL-C carry a rare sequence variant in the gene encoding the major HDL-C receptor, scavenger receptor BI. This variant destroys the receptor's ability to take up HDL-C. Interestingly, people with this variant have a higher risk of heart disease despite having high levels of HDL-C. Science , this issue p. 1166

Mendelian randomisation (MR) analysis is an important tool to elucidate the causal relevance of environmental and biological risk factors for disease. However, causal inference is undermined if genetic variants used to instrument a risk factor also influence alternative disease-pathways (horizontal pleiotropy). Here we report how the 'no horizontal pleiotropy assumption' is strengthened when proteins are the risk factors of interest. Proteins are typically the proximal effectors of biological processes encoded in the genome. Moreover, proteins are the targets of most medicines, so MR studies of drug targets are becoming a fundamental tool in drug development. To enable such studies, we introduce a mathematical framework that contrasts MR analysis of proteins with that of risk factors located more distally in the causal chain from gene to disease. We illustrate key model decisions and introduce an analytical framework for maximising power and evaluating the robustness of analyses.

Abstract Mendelian randomisation analysis has emerged as an important tool to elucidate the causal relevance of a range of environmental and biological risk factors for human disease. However, inference on cause is undermined if the genetic variants used to instrument a risk factor of interest also associate with other traits that open alternative pathways to the disease (horizontal pleiotropy). We show how the ‘no horizontal pleiotropy assumption’ in MR analysis is strengthened when proteins are the risk factors of interest. Proteins are the proximal effectors of biological processes encoded in the genome, and are becoming assayable on an-omics scale. Moreover, proteins are the targets of most medicines, so Mendelian randomization (MR) studies of drug targets are becoming a fundamental tool in drug development. To enable such studies we introduce a formal mathematical framework that contrasts MR analysis of proteins with that of risk factors located more distally in the causal chain from gene to disease. Finally, we illustrate key model decisions and introduce an analytical framework for maximizing power and elucidating the robustness of drug target MR analyses.

Genetic variants regulating RNA splicing and transcript usage have been implicated in both common and rare diseases. However, identifying specific transcriptional effects of these variants remains challenging, partly because reference transcriptomes are incomplete and contain many truncated transcripts that lack annotated 3ʹ or 5ʹ ends. We developed a novel analytical approach to overcome these limitations by stratifying transcript annotations into three separate components: promoters, internal exons and 3ʹ ends. We apply our method to genotype and RNA-seq data from human macrophages exposed to a range of inflammatory stimuli (IFNɣ, Salmonella, IFNɣ + Salmonella) and a metabolic stimulus (acetylated LDL), obtained from up to 84 individuals. We found that over half of the quantitative trait loci (QTLs) colocalising with complex traits were identified only at the transcript level with no detectable effect on total gene expression. Furthermore, 55% of the transcript-level associations regulated either promoter or 3ʹ end usage, many of which are missed by methods that only quantify exon-exon junctions. Finally, we demonstrate that promoter-usage QTLs have distinct genetic architecture and are 50% more likely to be context-specific than alternatively spliced internal exons. In summary, we highlight how different RNA-seq quantification approaches capture distinct aspects of transcription and that characterizing the full spectrum of transcriptional consequences of genetic variation requires a combination of analytical strategies.

Objective: The Asp358Ala variant (rs2228145; A>C) in the interleukin-6 receptor (IL6R) gene has been implicated in the development of abdominal aortic aneurysms (AAAs), but its effect on AAA growth over time is not known. We aimed to investigate the clinical association between the IL6R-Asp358Ala variant and AAA growth, and to assess the effect of blocking the IL-6 signalling pathway in mouse models of aneurysm rupture. Approach: Using data from 2,863 participants with AAA from nine prospective cohorts, age- and sex-adjusted mixed-effects linear regression models were used to estimate the association between the IL6R-Asp358Ala variant and annual change in AAA diameter (mm/year). In a series of complementary randomised trials in mice, the effect of blocking the IL-6 signalling pathways was assessed on plasma biomarkers, systolic blood pressure, aneurysm diameter and time to aortic rupture and death. Results: After adjusting for age and sex, baseline aneurysm size was 0.55mm (95% confidence interval [CI]: 0.13, 0.98mm) smaller per copy of the minor allele [C] of the Asp358Ala variant. There was no evidence of a reduction in AAA growth rate (change in growth=-0.06mm per year [-0.18, 0.06] per copy of the minor allele). In two mouse models of AAA, selective blockage of the IL-6 trans-signalling pathway, but not combined blockage of both, the classical and trans-signalling pathways, was associated with improved survival (p<0.05). Conclusions: Our proof-of-principle data are compatible with the concept that IL-6 trans-signalling is relevant to AAA growth, encouraging larger-scale evaluation of this hypothesis.