Abstract We aimed to validate the prognostic association of p16 expression in ovarian high‐grade serous carcinomas (HGSC) and to explore it in other ovarian carcinoma histotypes. p16 protein expression was assessed by clinical‐grade immunohistochemistry in 6525 ovarian carcinomas including 4334 HGSC using tissue microarrays from 24 studies participating in the Ovarian Tumor Tissue Analysis consortium. p16 expression patterns were interpreted as abnormal (either overexpression referred to as block expression or absence) or normal (heterogeneous). CDKN2A (which encodes p16) mRNA expression was also analyzed in a subset ( n = 2280) mostly representing HGSC ( n = 2010). Association of p16 expression with overall survival (OS) was determined within histotypes as was CDKN2A expression for HGSC only. p16 block expression was most frequent in HGSC (56%) but neither protein nor mRNA expression was associated with OS. However, relative to heterogeneous expression, block expression was associated with shorter OS in endometriosis‐associated carcinomas, clear cell [hazard ratio (HR): 2.02, 95% confidence (CI) 1.47–2.77, p < 0.001] and endometrioid (HR: 1.88, 95% CI 1.30–2.75, p = 0.004), while absence was associated with shorter OS in low‐grade serous carcinomas (HR: 2.95, 95% CI 1.61–5.38, p = 0.001). Absence was most frequent in mucinous carcinoma (50%), and was not associated with OS in this histotype. The prognostic value of p16 expression is histotype‐specific and pattern dependent. We provide definitive evidence against an association of p16 expression with survival in ovarian HGSC as previously suggested. Block expression of p16 in clear cell and endometrioid carcinoma should be further validated as a prognostic marker, and absence in low‐grade serous carcinoma justifies CDK4 inhibition.

ABSTRACT We report a meta-analysis of breast, prostate, ovarian, and endometrial cancer genome-wide association data (effective sample size: 237,483 cases/317,006 controls). This identified 465 independent lead variants ( P <5×10 −8 ) across 192 genomic regions. Four lead variants were >1Mb from previously identified risk loci for the four cancers and an additional 23 lead variant-cancer associations were novel for one of the cancers. Bayesian models supported pleiotropic effects involving at least two cancers at 222/465 lead variants in 118/192 regions. Gene-level association analysis identified 13 shared susceptibility genes ( P <2.6×10 −6 ) in 13 regions not previously implicated in any of the four cancers and not uncovered by our variant-level meta-analysis. Several lead variants had opposite effects across cancers, including a cluster of such variants in the TP53 pathway. Fifty-four lead variants were associated with blood cell traits and suggested genetic overlaps with clonal hematopoiesis. Our study highlights the remarkable pervasiveness of pleiotropy across hormone-related cancers, further illuminating their shared genetic and mechanistic origins at variant- and gene-level resolution.

Abstract Background Evidence for aspirin’s chemopreventative properties on colorectal cancer (CRC) is substantial, but its mechanism of action is not well-understood. We combined a proteomic approach with Mendelian randomization (MR) to identify possible new aspirin targets that decrease CRC risk. Methods Human colorectal adenoma cells (RG/C2) were treated with aspirin (24 hours) and a stable isotope labelling with amino acids in cell culture (SILAC) based proteomics approach identified altered protein expression. Protein quantitative trait loci (pQTLs) from INTERVAL (N=3,301) and expression QTLs (eQTLs) from the eQTLGen Consortium (N=31,684) were used as genetic proxies for protein and mRNA expression levels. Two-sample MR of mRNA/protein expression on CRC risk was performed using eQTL/pQTL data combined with CRC genetic summary data from the Colon Cancer Family Registry (CCFR), Colorectal Transdisciplinary (CORECT), Genetics and Epidemiology of Colorectal Cancer (GECCO) consortia and UK Biobank (55,168 cases and 65,160 controls). Results Altered expression was detected for 125/5886 proteins. Of these, aspirin decreased MCM6, RRM2 and ARFIP2 expression and MR analysis showed that a standard deviation increase in mRNA/protein expression was associated with increased CRC risk (OR:1.08, 95% CI:1.03-1.13, OR:3.33, 95% CI:2.46-4.50 and OR:1.15, 95% CI:1.02-1.29, respectively). Conclusion MCM6 and RRM2 are involved in DNA repair whereby reduced expression may lead to increased DNA aberrations and ultimately cancer cell death, whereas ARFIP2 is involved in actin cytoskeletal regulation indicating a possible role in aspirin’s reduction of metastasis. Impact Our approach has shown how laboratory experiments and population-based approaches can combine to identify aspirin-targeted proteins possibly affecting CRC risk.

We analyzed summary-level data from genome-wide association studies (GWAS) of European ancestry across fourteen cancer sites to estimate the number of common susceptibility variants (polygenicity) contributing to risk, as well as the distribution of their associated effect sizes. All cancers evaluated showed polygenicity, involving at a minimum thousands of independent susceptibility variants. For some malignancies, particularly chronic lymphoid leukemia (CLL) and testicular cancer, susceptibility variants have a larger proportion of variants with larger effect sizes than those for other cancers. In contrast, most variants for lung and breast cancers have very small associated effect sizes. We estimate a wide range of GWAS sample sizes for different cancer sites required to explain 80% of GWAS heritability, varying from 60,000 cases for CLL to over 1,000,000 cases for lung cancer. The maximum relative risk achievable for subjects at the 99th risk percentile of underlying polygenic risk-scores, compared to average risk, ranges from 12 for testicular to 2.5 for ovarian cancer. We show that polygenic risk scores have substantial potential for risk stratification for relatively common cancers such as breast, prostate and colon, but limited potential for other cancer sites because of modest heritability and lower disease incidence.

Objectives: To determine whether cancer confers protection against Alzheimer's disease and to evaluate the relationship in the context of smoking-related cancers versus non-smoking related cancers. Design: Mendelian randomization analysis using cancer-associated genetic variants as instrumental variables. Setting: International Genomics of Alzheimer's Project. Participants: 17,008 Alzheimer's disease cases and 37,154 controls. Main outcome measures: Odds ratio of Alzheimer's disease per 1-unit higher log odds of genetically predicted cancer. Results: We found that genetically predicted lung cancer (OR 0.91, 95% CI 0.84-0.99, p=0.019), leukemia (OR 0.98, 95% CI 0.96-0.995, p=0.012), and breast cancer (OR 0.94, 95% CI 0.89-0.99, p=0.028) were associated with 9.0%, 2.4%, and 5.9% lower odds of Alzheimer's disease, respectively, per 1-unit higher log odds of cancer. When genetic predictors of all cancers were pooled, cancer was associated with 2.5% lower odds of Alzheime's disease (OR 0.98, 95% CI 0.96-0.988, p=0.00027) per 1-unit higher log odds of cancer. Finally, genetically predicted smoking-related cancers showed a more robust inverse association with Alzheimer's disease than non-smoking related cancers (5.2% lower odds, OR 0.95, 95% CI 0.92-0.98, p=0.0026, vs. 1.9% lower odds, OR 0.98, 95% CI 0.97-0.995, p=0.0091). Conclusions: Genetically predicted lung cancer, leukemia, breast cancer, and all cancers in aggregate are associated with lower odds of incident Alzheimer's disease. Furthermore, the risk of Alzheimer's disease was lower in smoking-related versus non-smoking related cancers. These results add to the substantial epidemiological evidence of an inverse association between history of cancer and lower odds of Alzheimer's disease, by suggesting a causal basis for this relationship.

We aimed to determine the effect of sample size on performance of polygenic hazard score (PHS) models in predicting the age at onset of prostate cancer. Age and genotypes were obtained for 40,861 men from the PRACTICAL consortium. The dataset included 201,590 SNPs per subject, and was split into training (34,444 samples) and testing (6,417 samples) sets. Two PHS model-building strategies were investigated. Established-SNP model considered 65 SNPs that had been associated with prostate cancer in the literature. A stepwise SNP selection was used to develop Discovery-SNP models. The performance of each PHS model was calculated for random sizes of the training set (1 to 30 thousand). The performance of a representative Established-SNP model was estimated for random sizes of the testing set (0.5 to 6 thousand). Mean HR98/50 (hazard ratio of top 2% to the average in the test set) of the Established-SNP model increased from 1.73[95%CI: 1.69-1.77] to 2.41[2.40-2.43] when the number of training samples was increased from 1 to 30 thousand. The corresponding HR98/50 of the Discovery-SNP model increased from 1.05[0.93-1.18] to 2.19[2.16-2.23]. HR98/50 of a representative Established-SNP model using testing set sample sizes of 0.6 and 6 thousand observations were 1.78[1.70-1.85] and 1.73[1.71-1.76], respectively. We estimate that a study population of 20 to 30 thousand men is required to develop Discovery-SNP PHS models for prostate cancer. The required sample size could be reduced to 10 thousand samples, if a set of SNPs associated with the disease has already been established.

Physical activity has been associated with lower risks of breast and colorectal cancer in epidemiological studies; however, it is unknown if these associations are causal or confounded. In two-sample Mendelian randomization analyses, using summary genetic data from the UK Biobank and GWA consortia, we found that a one standard deviation increment in average acceleration was associated with lower risks of breast cancer (odds ratio [OR]: 0.59, 95% confidence interval [CI]: 0.42 to 0.84, P-value=0.003) and colorectal cancer (OR: 0.66, 95% CI: 0.53 to 0.82, P-value=2*E-4). We found similar magnitude inverse associations by breast cancer subtype and by colorectal cancer anatomical site. Our results support a potentially causal relationship between higher physical activity levels and lower risks of breast cancer and colorectal cancer. Based on these data, the promotion of physical activity is probably an effective strategy in the primary prevention of these commonly diagnosed cancers.

ABSTRACT Common genetic variation in a region on chromosome 15q26 confers susceptibility to breast and ovarian cancer. The P53 interacting gene RCCD1 in this region is a candidate susceptibility gene for both cancers. In this study, a colocalization analysis of breast and ovarian cancer case-control genetic association studies in over 145,000 and 146,000 controls fine mapped the shared association in this region to 17 pleiotropic credible causal risk variants ( P breast < 1.16 × 10 −14 and P ovary < 7.50 × 10 −7 ). These variants were strongly associated with the expression of RCCD1 in normal breast and ovarian tissues. Circular chromosome conformation capture (4C) analysis of RCCD1 in breast and ovarian cancer cells identified similar patterns of cis -interaction and significant binding site enrichment for the BRCA2 interacting gene EMSY (P adjusted = 9.24 × 10 −6 ). The 4C analysis pinpointed a single 2kB RCCD1 cis-interaction that contained two of the 17 shared risk variants. RCCD1 trans -interacting regions mapped to previously identified genome wide significant (P < 5 × 10 −8 ) breast cancer risk loci (1p34.2 and 3p14.1) and to the pleiotropic breast-ovarian cancer risk locus at chromosome 9q34.2. Stable overexpression of RCCD1 in breast and ovarian cancer precursor cells identified 13 and 11 differentially expressed genes (DEGs) respectively associated with breast and ovarian cancer risk at genome-wide significance ( P MAGMA < 2.6 × 10 −6 after Bonferroni correction). Eighty-two DEGs shared between breast and ovarian cancer were strongly enriched in TP53 (P = 9.9 × 10 −4 ), Hippo (P = 2.51 × 10 −3 ) and TNF signaling (P = 4.7 × 10 −3 ) pathways.

Quantifying the genetic correlation between cancers can provide important insights into the mechanisms driving cancer etiology. Using genome-wide association study summary statistics across six cancer types based on a total of 296,215 cases and 301,319 controls of European ancestry, we estimate the pair-wise genetic correlations between breast, colorectal, head/neck, lung, ovary and prostate cancer, and between cancers and 38 other diseases. We observed statistically significant genetic correlations between lung and head/neck cancer (rg=0.57, p=4.6x10-8), breast and ovarian cancer (rg=0.24, p=7x10-5), breast and lung cancer (rg=0.18, p=1.5x10-6) and breast and colorectal cancer (rg=0.15, p=1.1x10-4). We also found that multiple cancers are genetically correlated with non-cancer traits including smoking, psychiatric diseases and metabolic characteristics. Functional enrichment analysis revealed a significant excess contribution of conserved and regulatory regions to cancer heritability. Our comprehensive analysis of cross-cancer heritability suggests that solid tumors arising across tissues share in part a common germline genetic basis.

There are several functions that hikers can use to predict walking time based on elevation change or slope of the ground. The most commonly used is the Naismith function that was first published over 100 years ago. The availability of GPS devices to record tracks now make it possible to evaluate the performance of walking time functions. Four data sources were used: 98 tracks downloaded from the Wikiloc web site; 55 tracks recorded by the author; 19 tracks recorded by the blogger Iron Hiker; and 20 tracks recorded by the blogger Hiking Guy. The .gpx files were processed to generate segements of ~100m in length, with the associated segment duration and elevation change. The association between walking pace and elevation change was assessed in the Wikiloc data using linear spline regression. The performance of the linear spline function was then compared with the Naismith, Tobler and Laingmuir functions. The linear spline performed the best, but all four performed reasonably well. While the linear spline function could easily be programmed into the software of standard GPS devices, the Naismith function provides a simple-to-use rule-of-thumb for estimating walking time for a typical hike in the mountains.