A better understanding of the factors that contribute to heterogeneous outcomes and lifetime disease burden in hypertrophic cardiomyopathy (HCM) is critically needed to improve patient management and outcomes. The Sarcomeric Human Cardiomyopathy Registry (SHaRe) was established to provide the scale of data required to address these issues, aggregating longitudinal datasets curated by eight international HCM specialty centers.

Christine Seidman and colleagues report that 1% of individuals with sporadic non-syndromic tetralogy of Fallot show copy number gains or losses at chromosome 1q21.1. They also report copy number changes at other loci that likely contribute to the etiology of this congenital heart malformation. Tetralogy of Fallot (TOF), the most common severe congenital heart malformation, occurs sporadically, without other anomaly, and from unknown cause in 70% of cases. Through a genome-wide survey of 114 subjects with TOF and their unaffected parents, we identified 11 de novo copy number variants (CNVs) that were absent or extremely rare (<0.1%) in 2,265 controls. We then examined a second, independent TOF cohort (n = 398) for additional CNVs at these loci. We identified CNVs at chromosome 1q21.1 in 1% (5/512, P = 0.0002, OR = 22.3) of nonsyndromic sporadic TOF cases. We also identified recurrent CNVs at 3p25.1, 7p21.3 and 22q11.2. CNVs in a single subject with TOF occurred at six loci, two that encode known (NOTCH1, JAG1) disease-associated genes. Our findings predict that at least 10% (4.5–15.5%, 95% confidence interval) of sporadic nonsyndromic TOF cases result from de novo CNVs and suggest that mutations within these loci might be etiologic in other cases of TOF.

Summary

Background

 Political, economic, and epidemiological changes in Brazil have affected health and the health system. We used the Global Burden of Disease Study 2016 (GBD 2016) results to understand changing health patterns and inform policy responses. 

Methods

 We analysed GBD 2016 estimates for life expectancy at birth (LE), healthy life expectancy (HALE), all-cause and cause-specific mortality, years of life lost (YLLs), years lived with disability (YLDs), disability-adjusted life-years (DALYs), and risk factors for Brazil, its 26 states, and the Federal District from 1990 to 2016, and compared these with national estimates for ten comparator countries. 

Findings

 Nationally, LE increased from 68·4 years (95% uncertainty interval [UI] 68·0–68·9) in 1990 to 75·2 years (74·7–75·7) in 2016, and HALE increased from 59·8 years (57·1–62·1) to 65·5 years (62·5–68·0). All-cause age-standardised mortality rates decreased by 34·0% (33·4–34·5), while all-cause age-standardised DALY rates decreased by 30·2% (27·7–32·8); the magnitude of declines varied among states. In 2016, ischaemic heart disease was the leading cause of age-standardised YLLs, followed by interpersonal violence. Low back and neck pain, sense organ diseases, and skin diseases were the main causes of YLDs in 1990 and 2016. Leading risk factors contributing to DALYs in 2016 were alcohol and drug use, high blood pressure, and high body-mass index. 

Interpretation

 Health improved from 1990 to 2016, but improvements and disease burden varied between states. An epidemiological transition towards non-communicable diseases and related risks occurred nationally, but later in some states, while interpersonal violence grew as a health concern. Policy makers can use these results to address health disparities. 

Funding

 Bill & Melinda Gates Foundation and the Brazilian Ministry of Health.

Abstract High blood cholesterol is typically considered a feature of wealthy western countries 1,2 . However, dietary and behavioural determinants of blood cholesterol are changing rapidly throughout the world 3 and countries are using lipid-lowering medications at varying rates. These changes can have distinct effects on the levels of high-density lipoprotein (HDL) cholesterol and non-HDL cholesterol, which have different effects on human health 4,5 . However, the trends of HDL and non-HDL cholesterol levels over time have not been previously reported in a global analysis. Here we pooled 1,127 population-based studies that measured blood lipids in 102.6 million individuals aged 18 years and older to estimate trends from 1980 to 2018 in mean total, non-HDL and HDL cholesterol levels for 200 countries. Globally, there was little change in total or non-HDL cholesterol from 1980 to 2018. This was a net effect of increases in low- and middle-income countries, especially in east and southeast Asia, and decreases in high-income western countries, especially those in northwestern Europe, and in central and eastern Europe. As a result, countries with the highest level of non-HDL cholesterol—which is a marker of cardiovascular risk—changed from those in western Europe such as Belgium, Finland, Greenland, Iceland, Norway, Sweden, Switzerland and Malta in 1980 to those in Asia and the Pacific, such as Tokelau, Malaysia, The Philippines and Thailand. In 2017, high non-HDL cholesterol was responsible for an estimated 3.9 million (95% credible interval 3.7 million–4.2 million) worldwide deaths, half of which occurred in east, southeast and south Asia. The global repositioning of lipid-related risk, with non-optimal cholesterol shifting from a distinct feature of high-income countries in northwestern Europe, north America and Australasia to one that affects countries in east and southeast Asia and Oceania should motivate the use of population-based policies and personal interventions to improve nutrition and enhance access to treatment throughout the world.

Abstract We conduct a large-scale meta-analysis of heart failure genome-wide association studies (GWAS) consisting of over 90,000 heart failure cases and more than 1 million control individuals of European ancestry to uncover novel genetic determinants for heart failure. Using the GWAS results and blood protein quantitative loci, we perform Mendelian randomization and colocalization analyses on human proteins to provide putative causal evidence for the role of druggable proteins in the genesis of heart failure. We identify 39 genome-wide significant heart failure risk variants, of which 18 are previously unreported. Using a combination of Mendelian randomization proteomics and genetic cis-only colocalization analyses, we identify 10 additional putatively causal genes for heart failure. Findings from GWAS and Mendelian randomization-proteomics identify seven ( CAMK2D , PRKD1 , PRKD3 , MAPK3 , TNFSF12 , APOC3 and NAE1 ) proteins as potential targets for interventions to be used in primary prevention of heart failure.

Abstract We conduct a large-scale meta-analysis of heart failure genome-wide association studies (GWAS) consisting of over 90,000 heart failure cases and more than 1 million control individuals of European ancestry to uncover novel genetic determinants for heart failure. Using the GWAS results and blood protein quantitative loci, we perform Mendelian randomization and colocalization analyses on human proteins to provide putative causal evidence for the role of druggable proteins in the genesis of heart failure. We identify 39 genome-wide significant heart failure risk variants, of which 18 are previously unreported. Using a combination of Mendelian randomization proteomics and genetic cis-only colocalization analyses, we identify 10 additional putatively causal genes for heart failure. Findings from GWAS and Mendelian randomization-proteomics identify seven ( CAMK2D , PRKD1 , PRKD3 , MAPK3 , TNFSF12 , APOC3 and NAE1 ) proteins as potential targets for interventions to be used in primary prevention of heart failure.

ABSTRACT Hispanic/Latinos have been underrepresented in genome-wide association studies (GWAS) for anthropometric traits despite notable anthropometric variability with ancestry proportions, and a high burden of growth stunting and overweight/obesity in Hispanic/Latino populations. This address this knowledge gap, we analyzed densely-imputed genetic data in a sample of Hispanic/Latino adults, to identify and fine-map common genetic variants associated with body mass index (BMI), height, and BMI-adjusted waist-to-hip ratio (WHRadjBMI). We conducted a GWAS of 18 studies/consortia as part of the Hispanic/Latino Anthropometry (HISLA) Consortium (Stage 1, n=59,769) and validated our findings in 9 additional studies (HISLA Stage 2, n=9,336). We conducted a trans-ethnic GWAS with summary statistics from HISLA Stage 1 and existing consortia of European and African ancestries. In our HISLA Stage 1+2 analyses, we discovered one novel BMI locus, as well two novel BMI signals and another novel height signal, each within established anthropometric loci. In our trans-ethnic meta- analysis, we identified three additional novel BMI loci, one novel height locus, and one novel WHRadjBMI locus. We also identified three secondary signals for BMI, 28 for height, and two for WHRadjBMI. We replicated >60 established anthropometric loci in Hispanic/Latino populations at genome-wide significance—representing up to 30% of previously-reported index SNP anthropometric associations. Trans-ethnic meta-analysis of the three ancestries showed a small-to-moderate impact of uncorrected population stratification on the resulting effect size estimates. Our novel findings demonstrate that future studies may also benefit from leveraging differences in linkage disequilibrium patterns to discover novel loci and additional signals with less residual population stratification.

Background Accurate discrimination of benign and pathogenic rare variation remains a priority for clinical genome interpretation. State-of-the-art machine learning tools are useful for genome-wide variant prioritisation but remain imprecise. Since the relationship between molecular consequence and likelihood of pathogenicity varies between genes with distinct molecular mechanisms, we hypothesised that a disease-specific classifier may outperform existing genome-wide tools.Methods We present a novel disease-specific variant classification tool, CardioBoost, that estimates the probability of pathogenicity for rare missense variants in inherited cardiomyopathies and arrhythmias, trained with variants of known clinical effect. To benchmark against state-of-the-art genome-wide pathogenicity classification tools, we assessed classification of hold-out test variants using both overall performance metrics, and metrics of high-confidence (>90%) classifications relevant to variant interpretation. We further evaluated the prioritisation of variants associated with disease and patient clinical outcomes, providing validations that are robust to potential mis-classification in gold-standard reference datasets.Results CardioBoost has higher discriminating power than published genome-wide variant classification tools in distinguishing between pathogenic and benign variants based on overall classification performance measures with the highest area under the Precision-Recall Curve as 91% for cardiomyopathies and as 96% for inherited arrhythmias. When assessed at high-confidence (>90%) classification thresholds, prediction accuracy is improved by at least 120% over existing tools for both cardiomyopathies and arrhythmias, with significantly improved sensitivity and specificity. Finally, CardioBoost improves prioritisation of variants significantly associated with disease, and stratifies survival of patients with cardiomyopathies, confirming biologically relevant variant classification.Conclusions We demonstrate that a disease-specific variant pathogenicity prediction tool outperforms state-of-the-art genome-wide tools for the classification of rare missense variants of uncertain significance for inherited cardiac conditions. To facilitate evaluation of CardioBoost, we provide pre-computed pathogenicity scores for all possible rare missense variants in genes associated with cardiomyopathies and arrhythmias ( ). Our results also highlight the need to develop and evaluate variant classification tools focused on specific diseases and clinical application contexts. Our proposed model for assessing variants in known disease genes, and the use of application-specific evaluations, is broadly applicable to improve variant interpretation across a wide range of Mendelian diseases.* CM : (Inherited) Cardiomyopathy FNR : False Negative Rate FPR : False Positive Rate gnomAD : Genome Aggregation Database release 2.0 HGMD : Human Genetics Mutation Database Pro version 201712 HR : Hazard Ratio IAS : Inherited Arrhythmia Syndrome ICC : Inherited Cardiac Condition NPV : Negative Predictive Value OMGL : Oxford Medical Genetics Laboratory OR : Odds Ratio PPV : Positive Predictive Value PR-AUC : Area under the Precision-Recall Curve Pr : Probability of pathogenicity ROC-AUC : Area under the Receiver Operating Characteristic Curve SHaRe : Sarcomeric Human Cardiomyopathy Registry version 2019Q3 TNR : True Negative Rate TPR : True Positive Rate VUS : Variant of Uncertain Significance DM : Disease Mutation ExAC : Exome Aggregation Consortium release 0.3 LMM : Laboratory of Molecular Medicine MCC : Matthews Correlation Coefficient RBH : Royal Brompton & Harefield Hospitals NHS Trust

Abstract Purpose Variants in MYBPC3 causing loss-of-function are the most common cause of HCM. However, a substantial number of patients carry missense variants of uncertain significance (VUS) in MYBPC3. We hypothesize that a structural-based algorithm, STRUM, which estimates the effect of missense variants on protein folding, will improve clinical risk stratification of patients with HCM and a MYBPC3 VUS. Methods Among 7,963 patients in the multi-center Sarcomeric Human Cardiomyopathy Registry, 120 unique missense VUSs in MYBPC3 were identified. Variants were evaluated for their effect on subdomain folding and a stratified time-to-event analysis for an overall composite endpoint (first occurrence of ventricular arrhythmia, heart failure, all-cause mortality, atrial fibrillation, and stroke) was performed for patients with HCM and a MYBPC3 missense VUS. Results We demonstrated that patients carrying a MYBPC3 VUS predicted to cause subdomain misfolding (STRUM +, ΔΔG ≤-1.2 kcal/mol) exhibited a higher rate of adverse events compared to those with a STRUM-VUS (Hazard Ratio=2.29, P=0.0282). In silico saturation mutagenesis of MYBPC3 identified 4,943/23,427 (21%) missense variants that were predicted to cause subdomain misfolding. Conclusions STRUM enables clinical risk stratification of patients with HCM and a MYBPC3 VUS and has the capacity to improve prognostic predictions and clinical decision making.