Many common variants have been associated with hematological traits, but identification of causal genes and pathways has proven challenging. We performed a genome-wide association analysis in the UK Biobank and INTERVAL studies, testing 29.5 million genetic variants for association with 36 red cell, white cell, and platelet properties in 173,480 European-ancestry participants. This effort yielded hundreds of low frequency (<5%) and rare (<1%) variants with a strong impact on blood cell phenotypes. Our data highlight general properties of the allelic architecture of complex traits, including the proportion of the heritable component of each blood trait explained by the polygenic signal across different genome regulatory domains. Finally, through Mendelian randomization, we provide evidence of shared genetic pathways linking blood cell indices with complex pathologies, including autoimmune diseases, schizophrenia, and coronary heart disease and evidence suggesting previously reported population associations between blood cell indices and cardiovascular disease may be non-causal.

SUMMARY Thousands of genetic associations with phenotypes of blood cells are known, but few are with phenotypes relevant to cell function. We performed GWAS of 63 flow-cytometry phenotypes, including measures of cell granularity, nucleic acid content, and reactivity, in 39,656 participants in the INTERVAL study, identifying 2,172 variant-trait associations. These include associations mediated by functional cellular structures such as secretory granules, implicated in vascular, thrombotic, inflammatory and neoplastic diseases. By integrating our results with epigenetic data and with signals from molecular abundance/disease GWAS, we infer the hematopoietic origins of population phenotypic variation and identify the transcription factor FOG2 as a regulator of platelet α -granularity. We show how flow cytometry genetics can suggest cell types mediating complex disease risk and suggest efficacious drug targets, presenting Daclizumab/Vedolizumab in autoimmune disease as positive controls. Finally, we add to existing evidence supporting IL7/IL7-R as drug targets for multiple sclerosis.

Abstract Pancreatic ductal adenocarcinoma (PDAC) prognosis and treatment response remains devastatingly poor due partly to the highly heterogeneous, aggressive, and immunosuppressive nature of this tumor type. The intricate relationship between stroma, inflammation, and immunity remains vaguely understood in the PDAC microenvironment. Here, we performed a meta-analysis of stroma-, and immune-related gene expression in the PDAC microenvironment to improve disease prognosis and therapeutic development. We selected twenty-one PDAC studies from the Gene Expression Omnibus and ArrayExpress databases, including 922 samples (320 controls and 602 cases). Differential gene enrichment analysis identified 1153 significant dysregulated genes in PDAC patients that contribute to a desmoplastic stroma and an immunosuppressive environment (the hallmarks of PDAC tumors). The results highlighted two gene signatures related to the immune and stromal environments that cluster PDAC patients in high- and low-risk groups, impacting patient stratification and therapeutic decision-making. Moreover, HCP5, SLFN13, IRF9, IFIT2 , and IFI35 immune genes were related to prognosis value in PDAC patients, for the first time. Simple Summary Pancreatic ductal adenocarcinoma (PDAC) is a highly lethal disease with few curative options. Desmoplastic stroma and immune system evasion in PDAC represent challenges to the success of therapeutic strategies that function well in other tumor types. Characterizing the PDAC microenvironment (including the immune environment) remains critical to developing safe and efficient therapies. Here, we present a comprehensive meta-analysis identifying 1153 significantly dysregulated genes, which mainly impact extracellular matrix remodeling and the immune system. We identify two signatures of twenty-eight immune-related genes and eleven stroma-related genes influencing PDAC patient survival. Additionally, five immune genes are associated with PDAC prognosis for the first time.

Abstract Epigenetic changes are involved in the onset and progression of cancer, and the detection of DNA methylation signatures may foster the improvement of diagnosis and prognosis. While the emergence of innovative technologies has fostered numerous studies in breast cancer, many lack statistical power due to the small sample sizes generally involved. In this study, we present a novel meta-analysis that identifies a common pattern of DNA methylation in all breast cancer subtypes. We obtained DNA methylation signatures at the gene and biological function level, identifying those significant groups of genes and functional pathways affected. To achieve this, we conducted a thorough systematic review following PRISMA statement guidelines for the selection of studies on DNA methylation in breast cancer. In total, we gathered four studies (GSE52865, GSE141338, GSE59901 and GSE101443) that were split into 13 comparisons comprising a set of 144 individuals. We discovered that most breast cancer subtypes share a significant deregulation in the immune system and alterations to the cell cycle. This integrative approach combines all available information from public data repositories and possesses greater statistical power than any individual study. Further evaluations of the identified differential biological processes and pathways may support the identification of novel biomarkers and therapeutic targets. Simple summary The identification of DNA methylation patterns in breast cancer represents a potentially valuable approach in defining more accurate diagnoses and treatment options. In this study, we applied a novel methodology that integrates the DNA methylation profiles of all studies available in public repositories via systematic review and meta-analysis. The results provide evidence of a common DNA methylation signature in distinct breast cancer subtypes, which reflects a significant deregulation of the immune system and alterations to the cell cycle. Overall, these results may support the selection of disease/treatment biomarkers and the identification of therapeutic targets.