Association analysis identifies 65 new breast cancer risk loci, predicts target genes for known risk loci and demonstrates a strong overlap with somatic driver genes in breast tumours. Genome-wide association studies for breast cancer have identified common genetic variation that influences susceptibility to this disease, but much of the genetic risk remains unexplained. Doug Easton and colleagues report a genome-wide association study for breast cancer in more than 122,000 cases and 105,000 controls. The authors genotyped a subset of these cases using OncoArray, a new, custom genome-wide single-nucleotide polymorphism (SNP) array for cancer genomics. Overall, they identify 65 loci newly associated with breast cancer susceptibility, and estimate that, together with 107 previously identified breast cancer susceptibility loci, these explain about 18 per cent of the familial relative risk of breast cancer. Polygenic risk scores may be used in risk prediction models and may improve early detection and targeted prevention of the disease. Breast cancer risk is influenced by rare coding variants in susceptibility genes, such as BRCA1, and many common, mostly non-coding variants. However, much of the genetic contribution to breast cancer risk remains unknown. Here we report the results of a genome-wide association study of breast cancer in 122,977 cases and 105,974 controls of European ancestry and 14,068 cases and 13,104 controls of East Asian ancestry1. We identified 65 new loci that are associated with overall breast cancer risk at P < 5 × 10−8. The majority of credible risk single-nucleotide polymorphisms in these loci fall in distal regulatory elements, and by integrating in silico data to predict target genes in breast cells at each locus, we demonstrate a strong overlap between candidate target genes and somatic driver genes in breast tumours. We also find that heritability of breast cancer due to all single-nucleotide polymorphisms in regulatory features was 2–5-fold enriched relative to the genome-wide average, with strong enrichment for particular transcription factor binding sites. These results provide further insight into genetic susceptibility to breast cancer and will improve the use of genetic risk scores for individualized screening and prevention.

Paul Pharoah and colleagues report the results of a large genome-wide association study of ovarian cancer. They identify new susceptibility loci for different epithelial ovarian cancer histotypes and use integrated analyses of genes and regulatory features at each locus to predict candidate susceptibility genes, including OBFC1. To identify common alleles associated with different histotypes of epithelial ovarian cancer (EOC), we pooled data from multiple genome-wide genotyping projects totaling 25,509 EOC cases and 40,941 controls. We identified nine new susceptibility loci for different EOC histotypes: six for serous EOC histotypes (3q28, 4q32.3, 8q21.11, 10q24.33, 18q11.2 and 22q12.1), two for mucinous EOC (3q22.3 and 9q31.1) and one for endometrioid EOC (5q12.3). We then performed meta-analysis on the results for high-grade serous ovarian cancer with the results from analysis of 31,448 BRCA1 and BRCA2 mutation carriers, including 3,887 mutation carriers with EOC. This identified three additional susceptibility loci at 2q13, 8q24.1 and 12q24.31. Integrated analyses of genes and regulatory biofeatures at each locus predicted candidate susceptibility genes, including OBFC1, a new candidate susceptibility gene for low-grade and borderline serous EOC.

Roger Milne and colleagues conduct a genome-wide association study for estrogen receptor (ER)-negative breast cancer combined with BRCA1 mutation carriers in a large cohort. They identify ten new risk variants and find high genetic correlation between breast cancer risk for BRCA1 mutation carriers and risk of ER-negative breast cancer in the general population. Most common breast cancer susceptibility variants have been identified through genome-wide association studies (GWAS) of predominantly estrogen receptor (ER)-positive disease1. We conducted a GWAS using 21,468 ER-negative cases and 100,594 controls combined with 18,908 BRCA1 mutation carriers (9,414 with breast cancer), all of European origin. We identified independent associations at P < 5 × 10−8 with ten variants at nine new loci. At P < 0.05, we replicated associations with 10 of 11 variants previously reported in ER-negative disease or BRCA1 mutation carrier GWAS and observed consistent associations with ER-negative disease for 105 susceptibility variants identified by other studies. These 125 variants explain approximately 16% of the familial risk of this breast cancer subtype. There was high genetic correlation (0.72) between risk of ER-negative breast cancer and breast cancer risk for BRCA1 mutation carriers. These findings may lead to improved risk prediction and inform further fine-mapping and functional work to better understand the biological basis of ER-negative breast cancer.

Abstract Objective: Cellular therapy is an investigational approach for stroke. Mononuclear cells (MNCs) from the bone marrow reduce neurological deficits in animal stroke models. We determined if autologous MNC infusion was feasible and safe in patients with ischemic stroke. Methods: We conducted an open‐label prospective study of a bone marrow harvest followed by readministration of autologous MNCs in 10 patients, 18 to 80 years old, with acute middle cerebral artery ischemic stroke. Bone marrow was aspirated from the iliac crest, and MNCs were separated at a Good Manufacturing Practices facility and administered intravenously up to a maximum of 10 million cells/kg. The harvest and infusion had to occur between 24 and 72 hours after stroke. Patients were monitored for 6 months. Results: Bone marrow aspiration was successfully completed in all patients. Eight received 10 million cells/kg, and 2 received ≥7 million cells/kg. There were no significant adverse events related to harvest or infusion. Two patients had infarct expansion between enrollment and harvest and underwent hemicraniectomy after cell infusion. One patient died at 40 days due to a pulmonary embolism related to the stroke. There were no study‐related severe adverse events. Median National Institutes of Health Stroke Scale score was 13 before harvest, 8 at 7 days, and 3 at 6 months. At 6 months, all surviving patients had shifted down by at least 1 point on the modified Rankin Scale compared to day 7. Seven of 10 patients achieved a Barthel Index ≥90. Interpretation: This study suggests that a bone marrow harvest and reinfusion of autologous MNCs were safe and feasible in acute stroke patients. ANN NEUROL 2011;

Mosaic loss of chromosome Y (LOY) in circulating white blood cells is the most common form of clonal mosaicism1–5, yet our knowledge of the causes and consequences of this is limited. Here, using a computational approach, we estimate that 20% of the male population represented in the UK Biobank study (n = 205,011) has detectable LOY. We identify 156 autosomal genetic determinants of LOY, which we replicate in 757,114 men of European and Japanese ancestry. These loci highlight genes that are involved in cell-cycle regulation and cancer susceptibility, as well as somatic drivers of tumour growth and targets of cancer therapy. We demonstrate that genetic susceptibility to LOY is associated with non-haematological effects on health in both men and women, which supports the hypothesis that clonal haematopoiesis is a biomarker of genomic instability in other tissues. Single-cell RNA sequencing identifies dysregulated expression of autosomal genes in leukocytes with LOY and provides insights into why clonal expansion of these cells may occur. Collectively, these data highlight the value of studying clonal mosaicism to uncover fundamental mechanisms that underlie cancer and other ageing-related diseases. A genome-wide association study of mosaic loss of chromosome Y (LOY) in UK Biobank participants identifies 156 genetic determinants of LOY, showing that LOY is associated with cancer and non-haematological health outcomes.

// Juliet D. French 1,* , Sharon E. Johnatty 1,* , Yi Lu 1,* , Jonathan Beesley 1 , Bo Gao 2 , Murugan Kalimutho 1 , Michelle J. Henderson 3 , Amanda J. Russell 3 , Siddhartha Kar 4 , Xiaoqing Chen 1 , Kristine M. Hillman 1 , Susanne Kaufmann 1 , Haran Sivakumaran 1 , Martin O'Reilly 5 , Chen Wang 6 , Darren J. Korbie 7 , Australian Ovarian Cancer Study Group 1,2,8 , Australian Cancer Study 1 , Diether Lambrechts 9,10 , Evelyn Despierre 10 , Els Van Nieuwenhuysen 10 , Sandrina Lambrechts 10 , Ignace Vergote 10 , Beth Karlan 11 , Jenny Lester 11 , Sandra Orsulic 11 , Christine Walsh 11 , Peter A. Fasching 12,13 , Matthias W. Beckmann 12 , Arif B. Ekici 42 , Alexander Hein 12 , Keitaro Matsuo 14 , Satoyo Hosono 14 , Jacobus Pisterer 15 , Peter Hillemanns 16 , Toru Nakanishi 17 , Yasushi Yatabe 18 , Marc T. Goodman 19 , Galina Lurie 20 , Rayna K. Matsuno 20 , Pamela J. Thompson 19 , Tanja Pejovic 21 , Yukie Bean 21 , Florian Heitz 22,23 , Philipp Harter 22,23 , Andreas du Bois 22,23 , Ira Schwaab 24 , Estrid Hogdall 25,26 , Susanne K. Kjaer 25,27 , Allan Jensen 25 , Claus Hogdall 27 , Lene Lundvall 27 , Svend Aage Engelholm 28 , Bob Brown 29 , James M. Flanagan 29 , Michelle D. Metcalf 29 , Nadeem Siddiqui 30 , Thomas Sellers 31 , Brooke Fridley 32 , Julie Cunningham 33 , Joellen M. Schildkraut 34,35 , Ed Iversen 36 , Rachel Palmieri Weber 34 , Donal Brennan 37 , Andrew Berchuck 38 , Paul Pharoah 4,39 , Paul Harnett 40 , Murray D. Norris 3 , Michelle Haber 3 , Ellen L. Goode 41 , Jason S. Lee 1 , Kum Kum Khanna 1 , Kerstin B. Meyer 5 , Georgia Chenevix-Trench 1,*,** , Anna deFazio 2,*,** , Stacey L. Edwards 1,*,** , Stuart MacGregor 1,*,** and on behalf of the Ovarian Cancer Association Consortium 1 QIMR Berghofer Medical Research Institute, Brisbane, Australia 2 Department of Gynaecological Oncology and Centre for Cancer Research, The Westmead Institute for Medical Research, The University of Sydney, Westmead Hospital, Sydney, Australia 3 Children's Cancer Institute Australia, Randwick, Australia 4 Centre for Cancer Genetic Epidemiology, Department of Public Health and Primary Care, University of Cambridge, Cambridge, UK 5 Cancer Research UK Cambridge Research Institute, Li Ka Shing Centre, Cambridge, UK 6 Department of Health Sciences Research, Division of Biomedical Statistics and Informatics, Mayo Clinic, Rochester, MN, USA 7 Australian Institute for Bioengineering and Nanotechnology, University of Queensland, Brisbane, Australia 8 Peter MacCallum Cancer Centre, Melbourne, Australia 9 Vesalius Research Center, VIB, Leuven, Belgium and Laboratory for Translational Genetics, Department of Oncology, University of Leuven, Leuven, Belgium 10 Gynecologic Oncology, Leuven Cancer Institute, University Hospitals Leuven, Leuven, Belgium 11 Women's Cancer Program at the Samuel Oschin Comprehensive Cancer Institute, Cedars-Sinai Medical Center, Los Angeles, CA, USA 12 Department of Gynecology and Obstetrics, University Hospital Erlangen, Friedrich-Alexander University Erlangen- Nuremberg, Comprehensive Cancer Center Erlangen-Nuremberg, Erlangen, Germany 13 Department of Medicine, Division of Hematology and Oncology, David Geffen School of Medicine, University of California, Los Angeles, CA, USA 14 Division of Epidemiology and Prevention, Aichi Cancer Center Research Institute, Nagoya, Aichi, Japan 15 Zentrum für Gynäkologische Onkologie, Kiel, Germany 16 Departments of Obstetrics and Gynaecology, Hannover Medical School, Hannover, Germany 17 Department of Gynecology, Aichi Cancer Center Central Hospital, Nagoya, Aichi, Japan 18 Department of Pathology and Molecular Diagnostics, Aichi Cancer Center Central Hospital, Nagoya, Aichi, Japan 19 Cancer Prevention and Control Program, Samuel Oschin Comprehensive Cancer Institute, Cedars Sinai Medical Center, Los Angeles, CA, USA 20 Cancer Epidemiology Program, University of Hawaii Cancer Center, Hawaii, USA 21 Department of Obstetrics and Gynecology, Oregon Health and Science University and Knight Cancer Institute, Oregon Health and Science University, Portland, OR, USA 22 Department of Gynecology and Gynecologic Oncology, Dr. Horst Schmidt Kliniken Wiesbaden, Wiesbaden, Germany 23 Department of Gynecology and Gynecologic Oncology, Kliniken Essen-Mitte, Essen, Germany 24 Institut für Humangenetik Wiesbaden, Germany 25 Danish Cancer Society Research Center, Unit of Virus, Lifestyle and Genes, Copenhagen, Denmark 26 Molecular Unit, Department of Pathology, Herlev Hospital, University of Copenhagen, Copenhagen, Denmark 27 Department of Gynecology, Rigshospitalet, University of Copenhagen, Denmark 28 Department of Oncology, Rigshospitalet, University of Copenhagen, Denmark 29 Department of Surgery and Cancer, Imperial College London, London, UK 30 North Glasgow University Hospitals NHS Trust, Stobhill Hospital, Glasgow, UK 31 Department of Cancer Epidemiology, Moffitt Cancer Center, Tampa, FL, USA 32 Department of Biostatistics, University of Kansas Medical Center, Kansas City, KS, USA 33 Department of Laboratory Medicine and Pathology, Mayo Clinic, Rochester, MN, USA 34 Department of Community and Family Medicine, Duke University Medical Center, Durham, NC, USA 35 Cancer Control and Population Sciences, Duke Cancer Institute, Durham, NC, USA 36 Department of Statistical Science, Duke University, Durham, NC, USA 37 Queensland Centre for Gynaecological Cancer, Brisbane, Australia 38 Department of Obstetrics and Gynecology, Duke University Medical Center, Durham, NC, USA 39 Centre for Cancer Genetic Epidemiology, Department of Oncology, University of Cambridge, Cambridge, UK 40 Crown Princess Mary Cancer Centre and Centre for Cancer Research, The Westmead Institute for Medical Research, The University of Sydney, Westmead Hospital, Sydney, Australia 41 Department of Health Science Research, Division of Epidemiology, Mayo Clinic, Rochester, MN, USA 42 Institute of Human Genetics, Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen, Germany * These authors contributed equally to the study and are listed alphabetically ** These authors co-directed the study and are listed alphabetically Correspondence to: Georgia Chenevix-Trench, email: // Anna deFazio, email: // Stacey L. Edwards, email: // Stuart MacGregor, email: // Keywords : epithelial ovarian cancer, progression free survival, genome-wide association study, PSIP1, chromosome conformation capture Received : January 14, 2016 Accepted : January 21, 2016 Published : January 31, 2016 Abstract Women with epithelial ovarian cancer (EOC) are usually treated with platinum/taxane therapy after cytoreductive surgery but there is considerable inter-individual variation in response. To identify germline single-nucleotide polymorphisms (SNPs) that contribute to variations in individual responses to chemotherapy, we carried out a multi-phase genome-wide association study (GWAS) in 1,244 women diagnosed with serous EOC who were treated with the same first-line chemotherapy, carboplatin and paclitaxel. We identified two SNPs (rs7874043 and rs72700653) in TTC39B (best P=7x10 -5 , HR=1.90, for rs7874043) associated with progression-free survival (PFS). Functional analyses show that both SNPs lie in a putative regulatory element (PRE) that physically interacts with the promoters of PSIP1 , CCDC171 and an alternative promoter of TTC39B. The C allele of rs7874043 is associated with poor PFS and showed increased binding of the Sp1 transcription factor, which is critical for chromatin interactions with PSIP1 . Silencing of PSIP1 significantly impaired DNA damage-induced Rad51 nuclear foci and reduced cell viability in ovarian cancer lines. PSIP1 (PC4 and SFRS1 Interacting Protein 1) is known to protect cells from stress-induced apoptosis, and high expression is associated with poor PFS in EOC patients. We therefore suggest that the minor allele of rs7874043 confers poor PFS by increasing PSIP1 expression.

Abstract Mosaic loss of chromosome Y (LOY) in circulating white blood cells is the most common form of clonal mosaicism, yet our knowledge of the causes and consequences of this is limited. Using a newly developed approach, we estimate that 20% of the UK Biobank male population (N=205,011) has detectable LOY. We identify 156 autosomal genetic determinants of LOY, which we replicate in 757,114 men of European and Japanese ancestry. These loci highlight genes involved in cell-cycle regulation, cancer susceptibility, somatic drivers of tumour growth and cancer therapy targets. Genetic susceptibility to LOY is associated with non-haematological health outcomes in both men and women, supporting the hypothesis that clonal haematopoiesis is a biomarker of genome instability in other tissues. Single-cell RNA sequencing identifies dysregulated autosomal gene expression in leukocytes with LOY, providing insights into how LOY may confer cellular growth advantage. Collectively, these data highlight the utility of studying clonal mosaicism to uncover fundamental mechanisms underlying cancer and other ageing-related diseases.

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 Genome-wide association studies have identified breast cancer risk variants in over 150 genomic regions, but the mechanisms underlying risk remain largely unknown. These regions were explored by combining association analysis with in silico genomic feature annotations. We defined 205 independent risk-associated signals with the set of credible causal variants (CCVs) in each one. In parallel, we used a Bayesian approach (PAINTOR) that combines genetic association, linkage disequilibrium, and enriched genomic features to determine variants with high posterior probabilities (HPPs) of being causal. Potentially causal variants were significantly over-represented in active gene regulatory regions and transcription factor binding sites. We applied our INQUSIT pipeline for prioritizing genes as targets of potentially causal variants, using gene expression (eQTL), chromatin interaction and functional annotations. Known cancer drivers, transcription factors and genes in the developmental, apoptosis, immune system and DNA integrity checkpoint gene ontology pathways, were over-represented among the 178 highest confidence target genes.

Abstract Familial, genome-wide association (GWAS), and sequencing studies and genetic correlation analyses have progressively unraveled the shared or pleiotropic germline genetics of breast and ovarian cancer. In this study, we aimed to leverage this shared germline genetics to improve the power of transcriptome-wide association studies (TWAS) to identify candidate breast cancer and ovarian cancer susceptibility genes. We built gene expression prediction models using the PrediXcan method in 681 breast and 295 ovarian tumors from The Cancer Genome Atlas and 211 breast and 99 ovarian normal tissue samples from the Genotype-Tissue Expression project and integrated these with GWAS meta-analysis data from the Breast Cancer Association Consortium (122,977 cases/105,974 controls) and the Ovarian Cancer Association Consortium (22,406 cases/40,941 controls). The integration was achieved through novel application of a pleiotropy-guided conditional/conjunction false discovery rate approach for the first time in the setting of a TWAS. This identified 14 new candidate breast cancer susceptibility genes spanning 11 genomic regions and 8 new candidate ovarian cancer susceptibility genes spanning 5 genomic regions at conjunction FDR < 0.05 that were > 1 Mb away from known breast and/or ovarian cancer susceptibility loci. We also identified 38 candidate breast cancer susceptibility genes and 17 candidate ovarian cancer susceptibility genes at conjunction FDR < 0.05 at known breast and/or ovarian susceptibility loci. Overlaying candidate causal risk variants identified by GWAS fine mapping onto expression prediction models for genes at known loci suggested that the association for 55% of these genes was driven by the underlying GWAS signal. Significance The 22 new genes identified by our cross-cancer analysis represent promising candidates that further elucidate the role of the transcriptome in mediating germline breast and ovarian cancer risk.