Women with extensive dense breast tissue visible on a mammogram have a risk of breast cancer that is 1.8 to 6.0 times that of women of the same age with little or no density. Menopausal status, weight, and parity account for 20 to 30 percent of the age-adjusted variation in the percentage of dense tissue.

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 Colorectal cancer risk stratification is crucial to improve screening and risk-reducing recommendations, and consequently do better than a one-size-fits-all screening regimen. Current screening guidelines in the UK, USA and Australia focus solely on family history and age for risk prediction, even though the vast majority of the population do not have any family history. We investigated adding a polygenic risk score based on 45 single-nucleotide polymorphisms to a family history model (combined model) to quantify how it improves the stratification and discriminatory performance of 10-year risk and full lifetime risk using a prospective population-based cohort within the UK Biobank. For both 10-year and full lifetime risk, the combined model had a wider risk distribution compared with family history alone, resulting in improved risk stratification of nearly 2-fold between the top and bottom risk quintiles of the full lifetime risk model. Importantly, the combined model can identify people (n=72,019) who do not have family history of colorectal cancer but have a predicted risk that is equivalent to having at least one affected first-degree relative (n=44,950). We also confirmed previous findings by showing that the combined full lifetime risk model significantly improves discriminatory accuracy compared with a simple family history model 0.673 (95% CI 0.664–0.682 versus 0.666 (95% CI 0.657–0.675), p=0.0065. Therefore, a combined polygenic risk score and first-degree family history model could be used to improve risk stratified population screening programs.

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.

Background: Genome-wide average DNA methylation (GWAM) and epigenetic age acceleration have been suggested to predict breast cancer risk. We aimed to investigate the relationships between these putative risk-predicting measures and environmental breast cancer risk factors. Methods: Using the Illumina HumanMethylation450K assay methylation data, we calculated GWAM and epigenetic age acceleration for 132 female twin pairs and their 215 sisters. Linear regression was used to estimate associations between these risk-predicting measures and multiple breast cancer risk factors. Within-pair analysis was performed for the 132 twin pairs. Results: GWAM was negatively associated with number of live births, and positively with age at first live birth (both P<0.05). Epigenetic age acceleration was positively associated with body mass index (BMI), smoking, alcohol drinking and age at menarche, and negatively with age at first live birth (all P<0.05), and the associations with BMI, alcohol drinking and age at first live birth remained in the within-pair analysis. Conclusions: This exploratory study shows that lifestyle and hormone-related breast cancer risk factors are associated with DNA methylation-based measures that could predict breast cancer risk. The associations of epigenetic age acceleration with BMI, alcohol drinking and age at first live birth are unlikely to be due to familial confounding.

Background: Several studies have reported DNA methylation in blood to be associated with body mass index (BMI), but only a few have investigated causal aspects of the association. We used a twin family design to assess this association at two life points and applied a novel analytical approach to investigate the evidence for causality. Methods: The methylation profile of DNA from peripheral blood was measured for 479 Australian women (mean age 56 years) from 130 twin families. Linear regression was used to estimate the associations of methylation at ~410 000 cytosine-guanine dinucleotides (CpG), and of the average methylation at ~20 000 genes, with current BMI, BMI at age 18-21 years, and the change between the two (BMI change). A novel regression-based methodology for twins, Inference about Causation through Examination of Familial Confounding (ICE FALCON), was used to assess causation. Results: At 5% false discovery rate, nine, six and 12 CpGs at 24 loci were associated with current BMI, BMI at age 18-21 years and BMI change, respectively. The average methylation of BHLHE40 and SOCS3 loci was associated with current BMI, and of PHGDH locus was associated with BMI change. From the ICE FALCON analyses with BMI as the predictor and methylation as the outcome, a woman's methylation level was associated with her co-twin's BMI, and the association disappeared conditioning on her own BMI, consistent with BMI causing methylation. To the contrary, using methylation as the predictor and BMI as the outcome, a woman's BMI was not associated with her co-twin's methylation level, consistent with methylation not causing BMI. Conclusion: For middle-aged women, peripheral blood DNA methylation at several genomic locations is associated with current BMI, BMI at age 18-21 years and BMI change. Our study suggests that BMI has a causal effect on peripheral blood DNA methylation.