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.

Background: DNA methylation may be one of the mechanisms by which alcohol consumption is associated with the risk of disease. We conducted a large-scale, cross-sectional, genome-wide DNA methylation association study of alcohol consumption and a longitudinal analysis of repeated measurements taken several years apart. Methods: Using the Illumina Infinium HumanMethylation450 BeadChip, DNA methylation measures were determined using baseline peripheral blood samples from 5,606 adult Melbourne Collaborative Cohort Study (MCCS) participants. For a subset of 1,088 of them, these measures were repeated using blood samples collected at follow-up, a median of 11 years later. Associations between alcohol intake and blood DNA methylation were assessed using linear mixed-effects regression models adjusted for batch effects and potential confounders. Independent data from the LOLIPOP (N=4,042) and KORA (N=1,662) cohorts were used to replicate associations discovered in the MCCS. Results: Cross-sectional analyses identified 1,414 CpGs associated with alcohol intake at P<10-7, 1,243 of which had not been reported previously. Of these 1,243 novel associations, 1,078 were replicated (P<0.05) using LOLIPOP and KORA data. Using the MCCS data, we also replicated (P<0.05) 403 of 518 associations that had been reported previously. Interaction analyses suggested that associations were stronger for women, non-smokers, and participants genetically predisposed to consume less alcohol. Of the 1,414 CpGs, 530 were differentially methylated (P<0.05) in former compared with current drinkers. Longitudinal associations between the change in alcohol intake and the change in methylation were observed for 513 of the 1,414 cross-sectional associations. Conclusion: Our study indicates that, for middle-aged and older adults, alcohol intake is associated with widespread changes in DNA methylation across the genome. Longitudinal analyses showed that the methylation status of alcohol-associated CpGs may change with changes in alcohol consumption.

Background: A number of single nucleotide polymorphisms (SNPs), which are common inherited genetic variants, have been identified that are associated with risk of colorectal cancer. The aim of this study was to determine the ability of these SNPs to estimate colorectal cancer (CRC) risk for persons with and without a family history of CRC, and the screening implications. Methods: We estimated the association with CRC of a 45 SNP-based risk using 1,181 cases and 999 controls, and its correlation (r) with CRC risk predicted from detailed family history. We estimated the predicted change in the distribution across predefined risk categories, and implications for recommended age to commence screening, from adding SNP-based risk to family history. Results: The inter-quintile risk ratio for colorectal cancer risk of the SNP-based risk was 2.46 (95% CI 1.91 - 3.11). SNP-based and family history-based risks were not correlated (r = 0.02). For persons with no first-degree relatives with CRC, recommended screening would commence 2 years earlier for women (4 years for men) in the highest quintile of SNP-based risk, and 12 years later for women (7 years for men) in the lowest quintile. For persons with two first-degree relatives with CRC, recommended screening would commence 15 years earlier for men and women in the highest quintile, and 8 years earlier for men and women in the lowest quintile. Conclusions: Risk reclassification by 45 SNPs could inform targeted screening for CRC prevention, particularly in clinical genetics settings when mutations in high-risk genes cannot be identified.

We conducted a genome-wide association study of blood DNA methylation and smoking, attempted replication of previously discovered associations, and assessed the reversibility of smoking-associated methylation changes. DNA methylation was measured in baseline peripheral blood samples for 5,044 participants in the Melbourne Collaborative Cohort Study. For 1,032 participants, these measures were repeated using blood samples collected at follow-up, a median of 11 years later. A cross-sectional analysis of the association between smoking and DNA methylation and a longitudinal analysis of changes in smoking status and changes in DNA methylation were conducted. We used our cross-sectional analysis to replicate previously reported associations for current (N=3,327) and former (N=172) smoking. A comprehensive smoking index accounting for the bioactivity of smoking and several aspects of smoking history was constructed to assess the reversibility of smoking-induced methylation changes. We identified 4,496 cross-sectional associations at P<10−7, including 3,296 that were novel. We replicated the majority (90%) of previously reported associations for current and former smokers. In our data, we observed for former smokers a substantial degree of return to the methylation levels of never smokers, compared with current smokers (median: 74%, IQR=63-86%). Consistent with this, we found wide-ranging estimates for the half-life parameter of the comprehensive smoking index. Longitudinal analyses identified 368 sites at which methylation changed upon smoking cessation. Our study provides evidence of many novel associations between smoking and DNA methylation at CpGs across the genome, replicates the vast majority of previously reported associations, and indicates wide-ranging reversibility rates for smoking-induced methylation changes.