Abstract DNA methylation profiles of aggressive behavior may capture lifetime cumulative effects of genetic, stochastic, and environmental influences associated with aggression. Here, we report the first large meta-analysis of epigenome-wide association studies (EWAS) of aggressive behavior (N=15,324 participants). In peripheral blood samples of 14,434 participants from 18 cohorts with mean ages ranging from 7 to 68 years, 13 methylation sites were significantly associated with aggression (alpha=1.2×10 −7 ; Bonferroni correction). In cord blood samples of 2,425 children from five cohorts with aggression assessed at mean ages ranging from 4 to 7 years, 83% of these sites showed the same direction of association with childhood aggression ( r =0.74, p=0.006) but no epigenome-wide significant sites were found. Top-sites (48 at a false discovery rate of 5% in the peripherl blood meta-analysis or in a combined meta-analysis of peripheral blood and cord blood) have been associated with chemical exposures, smoking, cognition, metabolic traits, and genetic variation (mQTLs). Three genes whose expression levels were associated with top-sites were previously linked to schizophrenia and general risk tolerance. At six CpGs, DNA methylation variation in blood mirrors variation in the brain. On average 44% (range=3-82%) of the aggression–methylation association was explained by current and former smoking and BMI. These findings point at loci that are sensitive to chemical exposures with potential implications for neuronal functions. We hope these results to be a starting point for studies leading to applications as peripheral biomarkers and to reveal causal relationships with aggression and related traits.

Importance Recent evidence suggests that childhood levels of serum lipids, blood pressure, body mass index (BMI), and smoking contribute to adult risk of cardiovascular disease (CVD). Evidence is lacking on whether this is independent of adult risk levels. Objective To quantify direct and indirect effects of childhood risk factors on adult CVD via adulthood risk factors using mediation analysis, and to quantify their relative importance during different life-course stages using a life-course approach. Design, Setting, and Participants This prospective cohort study followed participants from the US, Finland, and Australia from childhood (1970s-1990s) until 2019, with data on CVD risk factors in childhood and adulthood. Longitudinal childhood and adulthood risk factors were summarized to describe BMI, lipids, and blood pressure cumulatively. Childhood and adulthood smoking were assessed with questionnaires. Data analysis was performed May 2022 to August 2023. Main Outcomes and Measures The primary outcomes were fatal and nonfatal cardiovascular events in adulthood. Mediation analysis was used to estimate the direct and indirect effects of the childhood risk factors with CVD events, reported as incidence rate ratios (RRs) and 95% CIs. Results A total of 10 634 participants (4506 male participants [42.4%]; mean [SD] age at childhood visit, 13.3 [3.0] years; mean [SD] age at adulthood visit, 32.3 [6.0] years) were included in the cohort. The mean (SD) age at CVD event or censoring was 49.2 (7.0) years. The median (IQR) follow-up time was 23.6 (18.7-30.2) years. Childhood risk factors, (low-density lipoprotein cholesterol [LDL-C], total cholesterol [TC], triglycerides, systolic blood pressure [SBP], smoking, BMI, and a combined score of these) were associated with CVD. BMI (direct effect for incidence RR per 1 SD unit, 1.18; 95% CI, 1.05-1.34) and LDL-C (direct effect incidence RR, 1.16; 95% CI, 1.01-1.34) in particular were found to play an important role via direct pathways, whereas the indirect effects were larger for TC, triglycerides, SBP, and the combined score. Childhood smoking only affected CVD via adulthood smoking. Life-course models confirmed that for the risk of CVD, childhood BMI plays nearly as important role as adulthood BMI, whereas for the other risk factors and the combined score, adulthood was the more important period. Conclusions and Relevance In this cohort study of 10 634 participants, childhood risk factors were found to be associated both directly and indirectly to adult CVD, with the largest direct effect seen for BMI and LDL-C. These findings suggest that intervention for childhood risk factors, in particular BMI, is warranted to reduce incidence of adult CVD as it cannot be fully mitigated by risk factor management in adulthood.

Abstract Objective Sex, age, and education are associated with the level of cognitive performance. We investigated whether these factors modulate the change in cognitive performance in midlife by leveraging the longitudinal data from the Cardiovascular Risk in Young Finns Study (YFS). Methods Participants of the YFS cohort performed a computer-based Cambridge Neuropsychological Test Automated Battery (CANTAB) in 2011 and 2018 (n = 1671, age 41–56 years in 2018). Overall cognitive performance and domains representing learning and memory, working memory, reaction time, and information processing were extracted by common principal component analysis from the longitudinal cognitive data. Linear models adjusted for baseline cognitive performance were used to study the association of sex, age, and education with changes in overall cognitive performance and in the cognitive domains. Results Cognitive performance decreased in all domains (overall cognition -0.56 SD, p < 0.001; working memory -0.81 SD, p < 0.001; learning and memory -0.70 SD, p < 0.001; reaction time -0.06 SD, p = 0.019; information processing -0.03 SD, p = 0.016). The decrease in working memory and information processing was greater in females compared to males. Cognitive performance decreased more in older participants in all domains. Education alleviated the decrease in cognitive performance in all domains except reaction time. The beneficial effect of education was greater for males. Conclusions This study describes the natural course of aging-related changes in cognitive performance in midlife, the critical time window for early prevention of clinical cognitive decline. These findings provide a reference for studies focusing on determinants of pathological cognitive decline deviating from normal changes in cognitive performance.

Abstract Aims Coronary artery disease (CAD) is a highly prevalent disease with modifiable risk factors. In patients with suspected obstructive CAD, evaluating the pre-test probability model is crucial for diagnosis, although its accuracy remains controversial. Machine learning (ML) predictive models can help clinicians detect CAD early and improve outcomes. This study aimed to identify early-stage CAD using ML in conjunction with a panel of clinical and laboratory tests. Methods and results The study sample included 3316 patients enrolled in the Ludwigshafen Risk and Cardiovascular Health (LURIC) study. A comprehensive array of attributes was considered, and an ML pipeline was developed. Subsequently, we utilized five approaches to generating high-quality virtual patient data to improve the performance of the artificial intelligence models. An extension study was carried out using data from the Young Finns Study (YFS) to assess the results’ generalizability. Upon applying virtual augmented data, accuracy increased by approximately 5%, from 0.75 to –0.79 for random forests (RFs), and from 0.76 to –0.80 for Gradient Boosting (GB). Sensitivity showed a significant boost for RFs, rising by about 9.4% (0.81–0.89), while GB exhibited a 4.8% increase (0.83–0.87). Specificity showed a significant boost for RFs, rising by ∼24% (from 0.55 to 0.70), while GB exhibited a 37% increase (from 0.51 to 0.74). The extension analysis aligned with the initial study. Conclusion Accurate predictions of angiographic CAD can be obtained using a set of routine laboratory markers, age, sex, and smoking status, holding the potential to limit the need for invasive diagnostic techniques. The extension analysis in the YFS demonstrated the potential of these findings in a younger population, and it confirmed applicability to atherosclerotic vascular disease.

Integrative analyses of high-throughput omics data have elucidated the aetiology and pathogenesis for complex traits and diseases, and the linking of omics information to electronic health records promises new insights into human health and disease. Recent nuclear magnetic resonance (NMR) spectroscopy biomarker profiling has implicated glycoprotein acetyls (GlycA) as a biomarker for cardiovascular risk and all-cause mortality. To elucidate biological processes contributing to GlycA- associated mortality risk, we leveraged human omics data from three population- based cohorts together with nation-wide Finnish hospital and mortality records. Elevated GlycA was associated with myriad infection-related inflammatory processes. Within individuals, elevated GlycA levels were stable over long time periods, up to a decade, and chronically elevated GlycA was also associated with modest elevation of numerous cytokines. Individuals with elevated GlycA also showed increased expression of a transcriptional sub-network, the Neutrophil Degranulation Module (NDM), suggesting an increased activity of microbe-driven immune response. Subsequent analysis of nation-wide hospitalisation and death records was consistent with a microbial basis for GlycA-associated mortality, with each standard deviation increase in GlycA raising an individual's future risk of hospitalization and death from non-localized infection by 40% and 136%, respectively. These results show that, beyond its established role in acute-phase response, elevated GlycA is more broadly a biomarker for low-grade chronic inflammation and increased neutrophil activity. Further, increased risk of susceptibility to severe microbial-infection events in healthy individuals suggests this inflammation is a contributor to mortality risk. Taken together, this study demonstrates the power of an integrative approach that combines omics data and health records to delineate the biological processes underlying a newly discovered biomarker, providing a model strategy for future systems medicine studies.

Abstract The epigenome has been shown to be influenced by biological factors, such as disease status, and environmental factors, such as smoking, alcohol consumption, and body mass index. Although there is a widespread perception that environmental influences on the epigenome are pervasive and profound, there has been little evidence to date in humans with respect to environmental factors that are biologically distal. Here, we provide evidence on the associations between epigenetic modifications—in our case, CpG methylation—and educational attainment (EA), a biologically distal environmental factor that is arguably among of the most important life-shaping experiences for individuals. Specifically, we report the results of an epigenome-wide association study meta-analysis of EA based on data from 27 cohort studies with a total of 10,767 individuals. While we find that 9 CpG probes are significantly associated with EA, only two remain associated when we restrict the sample to never-smokers. These two are known to be strongly associated with maternal smoking during pregnancy, and thus their association with EA could be due to correlation between EA and maternal smoking. Moreover, their effect sizes on EA are far smaller than the known associations between CpG probes and biologically proximal environmental factors. Two analyses that combine the effects of many probes—polygenic methylation score and epigenetic-clock analyses—both suggest small associations with EA. If our findings regarding EA can be generalized to other biologically distal environmental factors, then they cast doubt on the hypothesis that such factors have large effects on the epigenome.

Most loci identified by GWAS have been found in populations of European ancestry (EA). In trans-ethnic meta-analyses for 15 hematological traits in 746,667 participants, including 184,535 non-EA individuals, we identified 5,552 trait-variant associations at P<5x10-9, including 71 novel loci not found in EA populations. We also identified novel ancestry-specific variants not found in EA, including an IL7 missense variant in South Asians associated with lymphocyte count in vivo and IL7 secretion levels in vitro. Fine-mapping prioritized variants annotated as functional, and generated 95% credible sets that were 30% smaller when using the trans-ethnic as opposed to the EA-only results. We explored the clinical significance and predictive value of trans-ethnic variants in multiple populations, and compared genetic architecture and the impact of natural selection on these blood phenotypes between populations. Altogether, our results for hematological traits highlight the value of a more global representation of populations in genetic studies.

Introduction Adolescence is a sensitive period for cardiometabolic health. Yet, it remains unknown if adolescent health behaviours, such as alcohol use, smoking, diet and physical activity, have differential effects across socioeconomic strata. Adopting a life-course perspective and a causal inference framework, we aim to assess whether the effects of adolescent health behaviours on adult cardiometabolic health differ by levels of neighbourhood deprivation, parental education and occupational class. Gaining a better understanding of these social disparities in susceptibility to health behaviours can inform policy initiatives that aim to improve population health and reduce socioeconomic inequalities in cardiometabolic health. Methods and analysis We will conduct a secondary analysis of the Young Finns Study, which is a longitudinal population-based cohort study. We will use measures of health behaviours—smoking, alcohol use, fruit and vegetable consumption, and physical activity—as exposure and parental education, occupational class and neighbourhood deprivation as effect modifiers during adolescence (ages 12–18 years). Eight biomarkers of cardiometabolic health (outcomes)—waist circumference, body mass index, blood pressure, low-density lipoprotein cholesterol, apolipoprotein B, plasma glucose and insulin resistance—will be measured when participants were aged 33–40. A descriptive analysis will investigate the clustering of health behaviours. Informed by this, we will conduct a causal analysis to estimate effects of single or clustered adolescent health behaviours on cardiometabolic health conditional on socioeconomic background. This analysis will be based on a causal model implemented via a directed acyclic graph and inverse probability-weighted marginal structural models to estimate effect modification. Ethics and dissemination The Young Finns study was conducted according to the guidelines of the Declaration of Helsinki, and the protocol was approved by ethics committees of University of Helsinki, Kuopio, Oulu, Tampere and Turku. We will disseminate findings at international conferences and a manuscript in an open-access peer-reviewed journal.

Background: Clinical recommendations to limit gestational weight gain (GWG) imply high GWG is causally related to adverse outcomes in mother or offspring, but GWG is the sum of several inter-related complex phenotypes (maternal fat deposition and vascular expansion, placenta, amniotic fluid and fetal growth). Understanding the genetic contribution to GWG could help clarify the potential effect of its different components on maternal and offspring health. Here we explore the genetic contribution to total, early and late GWG. Participants and Methods: A genome-wide association study was used to identify maternal and fetal variants contributing to GWG in up to 10,543 mothers and up to 16,317 offspring of European origin, with replication in 10,660 mothers and 7,561 offspring. Additional analyses determined the proportion of variability in GWG from maternal and fetal common genetic variants and the overlap of established genome-wide significant variants for phenotypes relevant to GWG (e.g. maternal BMI and glucose, birthweight). Results: We found that approximately 20% of the variability in GWG was tagged by common maternal genetic variants, and that the fetal genome made a surprisingly minor contribution to explaining variation in GWG. We were unable to identify any genetic variants that reached genome-wide levels of significance (P<5x10-8) and replicated. Some established maternal variants associated with increased BMI, fasting glucose and type 2 diabetes were associated with lower early, and higher later GWG. Maternal variants related to higher systolic blood pressure were related to lower late GWG. Established maternal and fetal birthweight variants were largely unrelated to GWG. Conclusion: We found a modest contribution of maternal common variants to GWG and some overlap of maternal BMI, glucose and type 2 diabetes variants with GWG. These findings suggest that associations between GWG and later offspring/maternal outcomes may be due to the relationship of maternal BMI and gestational diabetes with GWG.

Primary prevention is the cornerstone of cardiometabolic health. In the randomized, controlled Special Turku Coronary Risk Factor Intervention Project (STRIP), dietary counseling intervention was given to children from infancy to 20 years of age and a follow-up was completed at age 26 years. We investigated the associations of age, sex, gut microbiome, and dietary intervention with the gut metabolite and the cardiac biomarker trimethylamine-N-oxide (TMAO).