Abstract Using genome-wide genotypes, we characterized the genetic structure of 103,006 participants in the Kaiser Permanente Northern California multi-ethnic Genetic Epidemiology Research on Adult Health and Aging Cohort and analyzed the relationship to self-reported race/ethnicity. Participants endorsed any of 23 race/ethnicity/nationality categories, which were collapsed into seven major race/ethnicity groups. By self-report the cohort is 80.8% white and 19.2% minority; 93.8% endorsed a single race/ethnicity group, while 6.2% endorsed two or more. Principal component (PC) and admixture analyses were generally consistent with prior studies. Approximately 17% of subjects had genetic ancestry from more than one continent, and 12% were genetically admixed, considering only nonadjacent geographical origins. Self-reported whites were spread on a continuum along the first two PCs, indicating extensive mixing among European nationalities. Self-identified East Asian nationalities correlated with genetic clustering, consistent with extensive endogamy. Individuals of mixed East Asian–European genetic ancestry were easily identified; we also observed a modest amount of European genetic ancestry in individuals self-identified as Filipinos. Self-reported African Americans and Latinos showed extensive European and African genetic ancestry, and Native American genetic ancestry for the latter. Among 3741 genetically identified parent–child pairs, 93% were concordant for self-reported race/ethnicity; among 2018 genetically identified full-sib pairs, 96% were concordant; the lower rate for parent–child pairs was largely due to intermarriage. The parent–child pairs revealed a trend toward increasing exogamy over time; the presence in the cohort of individuals endorsing multiple race/ethnicity categories creates interesting challenges and future opportunities for genetic epidemiologic studies.

Thomas Hoffmann, Neil Risch and colleagues use longitudinal electronic health records from almost 100,000 individuals to conduct genome-wide association studies for blood pressure measurements. They find new significant loci that replicate in independent cohorts and can double the variance explained by using multiple blood pressure data points. Longitudinal electronic health records on 99,785 Genetic Epidemiology Research on Adult Health and Aging (GERA) cohort individuals provided 1,342,814 systolic and diastolic blood pressure measurements for a genome-wide association study on long-term average systolic, diastolic, and pulse pressure. We identified 39 new loci among 75 genome-wide significant loci (P ≤ 5 × 10−8), with most replicating in the combined International Consortium for Blood Pressure (ICBP; n = 69,396) and UK Biobank (UKB; n = 152,081) studies. Combining GERA with ICBP yielded 36 additional new loci, with most replicating in UKB. Combining all three studies (n = 321,262) yielded 241 additional genome-wide significant loci, although no replication sample was available for these. All associated loci explained 2.9%, 2.5%, and 3.1% of variation in systolic, diastolic, and pulse pressure, respectively, in GERA non-Hispanic whites. Using multiple blood pressure measurements in GERA doubled the variance explained. A normalized risk score was associated with time to onset of hypertension (hazards ratio = 1.18, P = 8.2 × 10−45). Expression quantitative trait locus analysis of blood pressure loci showed enrichment in aorta and tibial artery.

A genome-wide association study (GWAS) of 94,674 ancestrally diverse Kaiser Permanente members using 478,866 longitudinal electronic health record (EHR)-derived measurements for untreated serum lipid levels empowered multiple new findings: 121 new SNP associations (46 primary, 15 conditional, and 60 in meta-analysis with Global Lipids Genetic Consortium data); an increase of 33–42% in variance explained with multiple measurements; sex differences in genetic impact (greater impact in females for LDL, HDL, and total cholesterol and the opposite for triglycerides); differences in variance explained among non-Hispanic whites, Latinos, African Americans, and East Asians; genetic dominance and epistatic interaction, with strong evidence for both at the ABO and FUT2 genes for LDL; and tissue-specific enrichment of GWAS-associated SNPs among liver, adipose, and pancreas eQTLs. Using EHR pharmacy data, both LDL and triglyceride genetic risk scores (477 SNPs) were strongly predictive of age at initiation of lipid-lowering treatment. These findings highlight the value of longitudinal EHRs for identifying new genetic features of cholesterol and lipoprotein metabolism with implications for lipid treatment and risk of coronary heart disease. Genome-wide association analysis using electronic health record data from >94,000 individuals identifies loci associated with plasma lipid concentrations. Longitudinal measurements allow for the calculation of genetic risk scores and increase the variance explained.

Abstract Introduction Incipient dementia or shared genetics may partly explain the association between hearing loss and dementia. We evaluated whether genetic variants known to increase Alzheimer’s disease (AD) also influence hearing difficulty. Methods UK Biobank participants aged 56+ with Caucasian genetic ancestry self-reported difficulty hearing and hearing with background noise (n=244,915) and underwent objectively measured hearing assessments (n=80,074). Poor objective hearing was defined as >-5.5 dB speech reception threshold on a Digit Triplet Test. We evaluated whether an AD genetic risk score (AD-GRS; range −1.2 to 1.9), the weighted sum of 23 previously identified AD-related polymorphisms, predicted objective or self-reported poor hearing, using age, sex, and genetic ancestry adjusted logistic regression models. Results Higher AD-GRS predicted objectively measured poor hearing (OR=1.06; 95% CI: 1.01, 1.11) and self-reported problems hearing with background noise (OR=1.03; 95% CI: 1.00, 1.05). Discussion Using novel methods, we found evidence that AD genetic risk influences hearing loss.

Deciphering the shared genetic basis of distinct cancers has the potential to elucidate carcinogenic mechanisms and inform broadly applicable risk assessment efforts. However, no studies have investigated pan-cancer pleiotropy within single, well-defined populations unselected for phenotype. We undertook novel genome-wide association studies (GWAS) and comprehensive evaluations of heritability and pleiotropy across 18 cancer types in two large, population-based cohorts: the UK Biobank (413,870 European ancestry individuals; 48,961 cancer cases) and the Kaiser Permanente Genetic Epidemiology Research on Adult Health and Aging cohorts (66,526 European ancestry individuals; 16,001 cancer cases). The GWAS detected 21 novel genome-wide significant risk variants. In addition, numerous cancer sites exhibited clear heritability. Investigations of pleiotropy identified 12 cancer pairs exhibiting either positive or negative genetic correlations and 43 pleiotropic loci. We identified 158 pleiotropic variants, many of which were enriched for regulatory elements and influenced cross-tissue gene expression. Our findings demonstrate widespread pleiotropy and offer further insight into the complex genetic architecture of cross-cancer susceptibility.

Introduction: Heart disease is the leading cause of death (LOCD) in women in the United States. Despite public campaigns, women's awareness of heart disease as the LCOD of death for women significantly decreased from 65% in 2009 to 44% in 2019. Significant declines were observed in Black, Hispanic, and young women. Aims: This pilot trial aims to evaluate the acceptability/usability and potential efficacy of the fully automated artificial intelligence (AI) HeartBot program to increase awareness and knowledge of heart attacks in women. Methods: In this pre-and post- trial, 102 women were asked to complete the baseline survey and then interact with the HeartBot. The HeartBot is an AI-based text-driven conversational agent, available 24 hours a day, 7 days a week, and fully automated (Figure 1). After 4 weeks of the interaction, women were asked to complete the post-survey. The primary outcomes include four questions (recognizing the signs and symptoms of a heart attack, telling the difference between the signs or symptoms of a heart attack and other medical problems, calling an ambulance or dialing 911, and getting to an emergency room within 60 minutes after the onset of your symptoms of a heart attack). Wilcoxon signed rank tests and ordinal logistic regression models were used to evaluate the HeartBot program. Results: The mean (SD) age was 46 (12) years; 60.6% of the sample was women with racial/ethnic backgrounds; 41.3% reported commercially available chatbot use (i.e. Siri) in the past 30 days. 88.5% of the sample completed the trial and the majority accepted HeartBot use. The mean (SD) length of the HeartBot interaction was 13 (11) minutes. Overall, the Wilcoxon signed-rank test indicated a significant increase in all outcomes of heart attack awareness and knowledge from the baseline and the post-Heartbot interaction ( p < 0.05) (Figure 2). In the ordinal regression model, this significance of the outcomes remains even when controlling for potential confounding factors ( p < 0.05). Conclusion: To the best of our knowledge, this was the first pilot trial to demonstrate the potential efficacy of the HeartBot program in the short term in women with diverse racial/ethnic backgrounds. However, a full-scale randomized controlled is warranted.

Hundreds of loci have been associated with blood pressure traits from many genome-wide association studies. We identified an enrichment of these loci in aorta and tibial artery expression quantitative trait loci in our previous work in ~100,000 Genetic Epidemiology Research on Aging (GERA) study participants. In the present study, we subsequently focused on determining putative regulatory regions for these and other tissues of relevance to blood pressure, to both fine-map these loci by pinpointing genes and variants of functional interest within them, and to identify any novel genes. We constructed maps of putative cis-regulatory elements using publicly available open chromatin data for the heart, aorta and tibial arteries, and multiple kidney cell types. Sequence variants within these regions may be evaluated quantitatively for their tissue- or cell-type-specific regulatory impact using deltaSVM functional scores, as described in our previous work. In order to identify genes of interest, we aggregate these variants in these putative cis-regulatory elements within 50Kb of the start or end of genes considered as "expressed" in these tissues or cell types using publicly available gene expression data, and use the deltaSVM scores as weights in the well-known group-wise sequence kernel association test (SKAT). We test for association with both blood pressure traits as well as expression within these tissues or cell types of interest, and identify several genes, including MTHFR, C10orf32, CSK, NOV, ULK4, SDCCAG8, SCAMP5, RPP25, HDGFRP3, VPS37B, and PPCDC. Although our study centers on blood pressure traits, we additionally examined two known genes, SCN5A and NOS1AP involved in the cardiac trait QT interval, in the Atherosclerosis Risk in Communities Study (ARIC), as a positive control, and observed an expected heart-specific effect. Thus, our method may be used to identify variants and genes for further functional testing using tissue- or cell-type-specific putative regulatory information.

The potential association between rare germline genetic variants and prostate cancer (PrCa) susceptibility has been understudied due to challenges with assessing rare variation. Furthermore, although common risk variants for PrCa have shown limited individual effect sizes, their cumulative effect may be of similar magnitude as high penetrance mutations. To identify rare variants associated with PrCa susceptibility, and better characterize the mechanisms and cumulative disease risk associated with common risk variants, we analyzed large population-based cohorts, custom genotyping microarrays, and imputation reference panels in an integrative study of PrCa genetic etiology. In particular, 11,649 men (6,196 PrCa cases, 5,453 controls) of European ancestry from the Kaiser Permanente Research Program on Genes, Environment and Health, ProHealth Study, and California Men's Health Study were genotyped and meta-analyzed with 196,269 European-ancestry male subjects (7,917 PrCa cases, 188,352 controls) from the UK Biobank. Six novel loci were genome-wide significant in our meta-analysis, including two rare variants (minor allele frequency < 0.01, at 3p21.31 and 8p12). Gene-based rare variant tests implicated a previously discovered PrCa gene ( HOXB13 ) as well as a novel candidate ( ILDR1 ) highly expressed in prostate tissue. Haplotypic patterns of long-range linkage disequilibrium were observed for rare genetic variants at HOXB13 and other loci, reflecting their evolutionary history. Furthermore, a polygenic risk score (PRS) of 187 known, largely common PrCa variants was strongly associated with risk in non-Hispanic whites (90th vs. 10th decile OR = 7.66, P = 1.80*10-239). Many of the 187 variants exhibited functional signatures of gene expression regulation or transcription factor binding, including a six-fold difference in log-probability of Androgen Receptor binding at the variant rs2680708 (17q22). Our finding of two novel rare variants associated with PrCa should motivate further consideration of the role of low frequency polymorphisms in PrCa, while the considerable effect of PrCa PRS profiles should prompt discussion of their role in clinical practice.

Genetic factors that influence etiologic mechanisms shared across cancers could affect the risk of multiple cancer types. We investigated polygenic risk score (PRS)-specific pleiotropy across 17 cancers in two large population-based cohorts. The study population included European ancestry individuals from the Genetic Epidemiology Research on Adult Health and Aging cohort (16,012 cases, 50,552 controls) and the UK Biobank (48,969 cases, 359,802 controls). We selected known independent risk variants from published GWAS to construct a PRS for each cancer type. Within cohorts, each PRS was evaluated in multivariable logistic regression models with respect to the cancer for which it was developed and each other cancer type. Results were then meta-analyzed across cohorts. In the UK Biobank, each PRS was additionally evaluated relative to 20 cancer risk factors or biomarkers. All PRS replicated associations with their corresponding cancers ( p <0.05). Eleven cross-cancer associations – ten positive and one inverse – were found after correction for multiple testing (p<0.05/17=0.0029). Two cancer pairs showed bidirectional associations; the melanoma PRS was positively associated with oral cavity/pharyngeal cancer and vice versa, whereas the lung cancer PRS was positively associated with oral cavity/pharyngeal cancer, and the oral cavity/pharyngeal cancer PRS was inversely associated with lung cancer. We identified 65 associations between a cancer PRS and non-cancer phenotype. In this study examining cross-cancer PRS associations in two cohorts unselected for phenotype, we validated known and uncovered novel patterns of pleiotropy. Our results have the potential to inform investigations of risk prediction, shared etiology, and precision cancer prevention strategies.STATEMENT OF SIGNIFICANCE By examining cross-cancer polygenic risk score associations, we validated known and uncovered novel patterns of pleiotropy. Our results may inform investigations of risk prediction, shared etiology, and precision prevention strategies.