Abstract Humans vary substantially in their willingness to take risks. In a combined sample of over one million individuals, we conducted genome-wide association studies (GWAS) of general risk tolerance, adventurousness, and risky behaviors in the driving, drinking, smoking, and sexual domains. We identified 611 approximately independent genetic loci associated with at least one of our phenotypes, including 124 with general risk tolerance. We report evidence of substantial shared genetic influences across general risk tolerance and risky behaviors: 72 of the 124 general risk tolerance loci contain a lead SNP for at least one of our other GWAS, and general risk tolerance is moderately to strongly genetically correlated ( to 0.50) with a range of risky behaviors. Bioinformatics analyses imply that genes near general-risk-tolerance-associated SNPs are highly expressed in brain tissues and point to a role for glutamatergic and GABAergic neurotransmission. We find no evidence of enrichment for genes previously hypothesized to relate to risk tolerance.

Abstract We use a multi-stage genome-wide association of 1 million parental lifespans of genotyped subjects and data on mortality risk factors to validate previously unreplicated findings near CDKN2B-AS1 , ATXN2/BRAP , FURIN/FES , ZW10 , PSORS1C3 , and 13q21.31, and identify and replicate novel findings near GADD45G , KCNK3 , LDLR , POM121C , ZC3HC1 , and ABO . We also validate previous findings near 5q33.3/EBF1 and FOXO3, whilst finding contradictory evidence at other loci. Gene set and tissue-specific analyses show that expression in foetal brain cells and adult dorsolateral prefrontal cortex is enriched for lifespan variation, as are gene pathways involving lipid proteins and homeostasis, vesicle-mediated transport, and synaptic function. Individual genetic variants that increase dementia, cardiovascular disease, and lung cancer –but not other cancers-explain the most variance, possibly reflecting modern susceptibilities, whilst cancer may act through many rare variants, or the environment. Resultant polygenic scores predict a mean lifespan difference of around five years of life across the deciles.

Nalbuphine (NAL) is a κ-agonist/μ-antagonist opioid being developed as an oral extended formulation (ER) for the treatment of chronic cough in idiopathic pulmonary fibrosis and itch in prurigo nodularis. NAL is extensively glucuronidated and likely undergoes enterohepatic recirculation (EHR). The purpose of this work is to develop pharmacokinetic models for NAL absorption and enterohepatic recirculation (EHR). Clinical pharmacokinetic (PK) data sets in healthy subjects from three trials that included IV, oral solution, and ER tablets in fed and fasted state and two published trials were used to parametrize a novel partial differential equation (PDE)-based model, termed "PDE-EHR" model. Experimental inputs included in vitro dissolution and permeability data. The model incorporates a continuous intestinal absorption framework, explicit liver and gall bladder compartments, and compartments for systemic drug disposition. The model was fully PDE-based with well-stirred compartments achieved by rapid diffusion. The PDE-EHR model accurately reproduces NAL concentration–time profiles for all clinical data sets. NAL disposition simulations required inclusion of both parent and glucuronide recirculation. Inclusion of intestinal P-glycoprotein efflux in the simulations suggests that NAL is not expected to be a victim or perpetrator of P-glycoprotein-mediated drug interactions. The PDE-EHR model is a novel tool to predict EHR and food/formulation effects on drug PK. The results strongly suggest that even intravenous dosing studies be conducted in fasted subjects when EHR is suspected. The modeling effort is expected to aid in improved prediction of dosing regimens and drug disposition in patient populations.

Target identification remains a crucial challenge in drug development. To enable unbiased detection of proteins and pathways that have a causal role in disease pathogenesis or progression, we propose proteome-by-phenome Mendelian Randomisation (P2MR). We first detected genetic variants associated with plasma concentration of 249 proteins. We then used 64 replicated variants in two-sample Mendelian Randomisation to quantify evidence of a causal role for each protein across 846 phenotypes: this yielded 509 robust protein-outcome links. P2MR provides substantial promise for drug target prioritisation. We provide confirmatory evidence for a causal role for the proteins encoded at multiple cardiovascular disease risk loci (FGF5, IL6R, LPL, LTA), and discovered that intestinal fatty acid binding protein (FABP2) contributes to disease pathogenesis. Additionally, we find and replicate evidence for a causal role of tyrosine-protein phosphatase non-receptor type substrate 1 (SHPS1; SIRPA) in schizophrenia. Our results provide specific prediction of the effects of changes of plasma protein concentration on complex phenotypes in humans.