BRCA1-associated breast and ovarian cancer risks can be modified by common genetic variants. To identify further cancer risk-modifying loci, we performed a multi-stage GWAS of 11,705 BRCA1 carriers (of whom 5,920 were diagnosed with breast and 1,839 were diagnosed with ovarian cancer), with a further replication in an additional sample of 2,646 BRCA1 carriers. We identified a novel breast cancer risk modifier locus at 1q32 for BRCA1 carriers (rs2290854, P = 2.7×10−8, HR = 1.14, 95% CI: 1.09–1.20). In addition, we identified two novel ovarian cancer risk modifier loci: 17q21.31 (rs17631303, P = 1.4×10−8, HR = 1.27, 95% CI: 1.17–1.38) and 4q32.3 (rs4691139, P = 3.4×10−8, HR = 1.20, 95% CI: 1.17–1.38). The 4q32.3 locus was not associated with ovarian cancer risk in the general population or BRCA2 carriers, suggesting a BRCA1-specific association. The 17q21.31 locus was also associated with ovarian cancer risk in 8,211 BRCA2 carriers (P = 2×10−4). These loci may lead to an improved understanding of the etiology of breast and ovarian tumors in BRCA1 carriers. Based on the joint distribution of the known BRCA1 breast cancer risk-modifying loci, we estimated that the breast cancer lifetime risks for the 5% of BRCA1 carriers at lowest risk are 28%–50% compared to 81%–100% for the 5% at highest risk. Similarly, based on the known ovarian cancer risk-modifying loci, the 5% of BRCA1 carriers at lowest risk have an estimated lifetime risk of developing ovarian cancer of 28% or lower, whereas the 5% at highest risk will have a risk of 63% or higher. Such differences in risk may have important implications for risk prediction and clinical management for BRCA1 carriers.

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 Summary SpliceAI is a widely used splicing prediction tool and its most common application relies on the maximum delta score to assign variant impact on splicing. We developed the SpliceAI-10k calculator (SAI-10k-calc) to extend use of this tool to predict: the splicing aberration type including pseudoexonization, intron retention, partial exon deletion, and (multi)exon skipping using a 10 kb analysis window; the size of inserted or deleted sequence; the effect on reading frame; and the altered amino acid sequence. SAI-10k-calc has 95% sensitivity and 96% specificity for predicting variants that impact splicing, computed from a control dataset of 1,212 single nucleotide variants (SNVs) with curated splicing assay results. Notably, it has high performance (≥84% accuracy) for predicting pseudoexon and partial intron retention. The automated amino acid sequence prediction allows for efficient identification of variants that are expected to result in mRNA nonsense-mediated decay or translation of truncated proteins. Availability and implementation SAI-10k-calc is implemented in R ( https://github.com/adavi4/SAI-10k-calc ) and also available as a Microsoft Excel spreadsheet. Users can adjust the default thresholds to suit their target performance values. Supplementary information Supplementary data are available online.

The identification of target genes at genome-wide association study (GWAS) loci is a major obstacle for GWAS follow-up. To identify candidate target genes at the 16 known endometrial cancer GWAS risk loci, we performed HiChIP chromatin looping analysis of endometrial cell lines. To enrich for enhancer-promoter interactions, a mechanism through which GWAS variation may target genes, we captured loops associated with H3K27Ac histone, characteristic of promoters and enhancers. Analysis of HiChIP loops contacting promoters revealed enrichment for endometrial cancer GWAS heritability and intersection with endometrial cancer risk variation identified 103 HiChIP target genes at 13 risk loci. Expression of four HiChIP target genes ( SNX11 , SRP14 , HOXB2 and BCL11A ) was associated with risk variation, providing further evidence for their regulation. Network analysis functionally prioritized a set of proteins that interact with those encoded by HiChIP target genes, and this set was enriched for pan-cancer and endometrial cancer drivers. Lastly, HiChIP target genes and prioritized interacting proteins were over-represented in pathways related to endometrial cancer development. In summary, we have generated the first global chromatin looping data from endometrial cells, enabling analysis of all known endometrial cancer risk loci and identifying biologically relevant candidate target genes.