Abstract Summary PhenoScanner is a curated database of publicly available results from large-scale genetic association studies in humans. This online tool facilitates ‘phenome scans’, where genetic variants are cross-referenced for association with many phenotypes of different types. Here we present a major update of PhenoScanner (‘PhenoScanner V2’), including over 150 million genetic variants and more than 65 billion associations (compared to 350 million associations in PhenoScanner V1) with diseases and traits, gene expression, metabolite and protein levels, and epigenetic markers. The query options have been extended to include searches by genes, genomic regions and phenotypes, as well as for genetic variants. All variants are positionally annotated using the Variant Effect Predictor and the phenotypes are mapped to Experimental Factor Ontology terms. Linkage disequilibrium statistics from the 1000 Genomes project can be used to search for phenotype associations with proxy variants. Availability and implementation PhenoScanner V2 is available at www.phenoscanner.medschl.cam.ac.uk.

Abstract Summary: PhenoScanner is a curated database of publicly available results from large-scale genetic association studies. This tool aims to facilitate ‘phenome scans’, the cross-referencing of genetic variants with many phenotypes, to help aid understanding of disease pathways and biology. The database currently contains over 350 million association results and over 10 million unique genetic variants, mostly single nucleotide polymorphisms. It is accompanied by a web-based tool that queries the database for associations with user-specified variants, providing results according to the same effect and non-effect alleles for each input variant. The tool provides the option of searching for trait associations with proxies of the input variants, calculated using the European samples from 1000 Genomes and Hapmap. Availability and Implementation: PhenoScanner is available at www.phenoscanner.medschl.cam.ac.uk. Contact: jrs95@medschl.cam.ac.uk Supplementary information: Supplementary data are available at Bioinformatics online.

John Chambers and colleagues report a genome-wide association study for type 2 diabetes in individuals of south Asian ancestry. They identify six loci newly associated with type 2 diabetes. We carried out a genome-wide association study of type-2 diabetes (T2D) in individuals of South Asian ancestry. Our discovery set included 5,561 individuals with T2D (cases) and 14,458 controls drawn from studies in London, Pakistan and Singapore. We identified 20 independent SNPs associated with T2D at P < 10−4 for testing in a replication sample of 13,170 cases and 25,398 controls, also all of South Asian ancestry. In the combined analysis, we identified common genetic variants at six loci (GRB14, ST6GAL1, VPS26A, HMG20A, AP3S2 and HNF4A) newly associated with T2D (P = 4.1 × 10−8 to P = 1.9 × 10−11). SNPs at GRB14 were also associated with insulin sensitivity (P = 5.0 × 10−4), and SNPs at ST6GAL1 and HNF4A were also associated with pancreatic beta-cell function (P = 0.02 and P = 0.001, respectively). Our findings provide additional insight into mechanisms underlying T2D and show the potential for new discovery from genetic association studies in South Asians, a population with increased susceptibility to T2D.

Importance

 Human genetic studies have indicated that plasma lipoprotein(a) (Lp[a]) is causally associated with the risk of coronary heart disease (CHD), but randomized trials of several therapies that reduce Lp(a) levels by 25% to 35% have not provided any evidence that lowering Lp(a) level reduces CHD risk. 

Objective

 To estimate the magnitude of the change in plasma Lp(a) levels needed to have the same evidence of an association with CHD risk as a 38.67-mg/dL (ie, 1-mmol/L) change in low-density lipoprotein cholesterol (LDL-C) level, a change that has been shown to produce a clinically meaningful reduction in the risk of CHD. 

Design, Setting, and Participants

 A mendelian randomization analysis was conducted using individual participant data from 5 studies and with external validation using summarized data from 48 studies. Population-based prospective cohort and case-control studies featured 20 793 individuals with CHD and 27 540 controls with individual participant data, whereas summarized data included 62 240 patients with CHD and 127 299 controls. Data were analyzed from November 2016 to March 2018. 

Exposures

 GeneticLPA score and plasma Lp(a) mass concentration. 

Main Outcomes and Measures

 Coronary heart disease. 

Results

 Of the included study participants, 53% were men, all were of white European ancestry, and the mean age was 57.5 years. The association of genetically predicted Lp(a) with CHD risk was linearly proportional to the absolute change in Lp(a) concentration. A 10-mg/dL lower genetically predicted Lp(a) concentration was associated with a 5.8% lower CHD risk (odds ratio [OR], 0.942; 95% CI, 0.933-0.951;P = 3 × 10⁻³⁷), whereas a 10-mg/dL lower genetically predicted LDL-C level estimated using an LDL-C genetic score was associated with a 14.5% lower CHD risk (OR, 0.855; 95% CI, 0.818-0.893;P = 2 × 10⁻¹²). Thus, a 101.5-mg/dL change (95% CI, 71.0-137.0) in Lp(a) concentration had the same association with CHD risk as a 38.67-mg/dL change in LDL-C level. The association of genetically predicted Lp(a) concentration with CHD risk appeared to be independent of changes in LDL-C level owing to genetic variants that mimic the relationship of statins, PCSK9 inhibitors, and ezetimibe with CHD risk. 

Conclusions and Relevance

 The clinical benefit of lowering Lp(a) is likely to be proportional to the absolute reduction in Lp(a) concentration. Large absolute reductions in Lp(a) of approximately 100 mg/dL may be required to produce a clinically meaningful reduction in the risk of CHD similar in magnitude to what can be achieved by lowering LDL-C level by 38.67 mg/dL (ie, 1 mmol/L).

Background: Relative risk reduction with statin therapy has been consistent across nearly all subgroups studied to date. However, in analyses of 2 randomized controlled primary prevention trials (ASCOT [Anglo-Scandinavian Cardiac Outcomes Trial–Lipid-Lowering Arm] and JUPITER [Justification for the Use of Statins in Prevention: An Intervention Trial Evaluating Rosuvastatin]), statin therapy led to a greater relative risk reduction among a subgroup at high genetic risk. Here, we aimed to confirm this observation in a third primary prevention randomized controlled trial. In addition, we assessed whether those at high genetic risk had a greater burden of subclinical coronary atherosclerosis. Methods: We studied participants from a randomized controlled trial of primary prevention with statin therapy (WOSCOPS [West of Scotland Coronary Prevention Study]; n=4910) and 2 observational cohort studies (CARDIA [Coronary Artery Risk Development in Young Adults] and BioImage; n=1154 and 4392, respectively). For each participant, we calculated a polygenic risk score derived from up to 57 common DNA sequence variants previously associated with coronary heart disease. We compared the relative efficacy of statin therapy in those at high genetic risk (top quintile of polygenic risk score) versus all others (WOSCOPS), as well as the association between the polygenic risk score and coronary artery calcification (CARDIA) and carotid artery plaque burden (BioImage). Results: Among WOSCOPS trial participants at high genetic risk, statin therapy was associated with a relative risk reduction of 44% (95% confidence interval [CI], 22–60; P <0.001), whereas in all others, the relative risk reduction was 24% (95% CI, 8–37; P =0.004) despite similar low-density lipoprotein cholesterol lowering. In a study-level meta-analysis across the WOSCOPS, ASCOT, and JUPITER primary prevention, relative risk reduction in those at high genetic risk was 46% versus 26% in all others ( P for heterogeneity=0.05). Across all 3 studies, the absolute risk reduction with statin therapy was 3.6% (95% CI, 2.0–5.1) among those in the high genetic risk group and 1.3% (95% CI, 0.6–1.9) in all others. Each 1-SD increase in the polygenic risk score was associated with 1.32-fold (95% CI, 1.04–1.68) greater likelihood of having coronary artery calcification and 9.7% higher (95% CI, 2.2–17.8) burden of carotid plaque. Conclusions: Those at high genetic risk have a greater burden of subclinical atherosclerosis and derive greater relative and absolute benefit from statin therapy to prevent a first coronary heart disease event. Clinical Trial Registration: URL: http://www.clinicaltrials.gov . Unique identifiers: NCT00738725 (BioImage) and NCT00005130 (CARDIA). WOSCOPS was carried out and completed before the requirement for clinical trial registration.

To evaluate the shared genetic etiology of type 2 diabetes (T2D) and coronary heart disease (CHD), we conducted a genome-wide, multi-ancestry study of genetic variation for both diseases in up to 265,678 subjects for T2D and 260,365 subjects for CHD. We identify 16 previously unreported loci for T2D and 1 locus for CHD, including a new T2D association at a missense variant in HLA-DRB5 (odds ratio (OR) = 1.29). We show that genetically mediated increase in T2D risk also confers higher CHD risk. Joint T2D-CHD analysis identified eight variants-two of which are coding-where T2D and CHD associations appear to colocalize, including a new joint T2D-CHD association at the CCDC92 locus that also replicated for T2D. The variants associated with both outcomes implicate new pathways as well as targets of existing drugs, including icosapent ethyl and adipocyte fatty-acid-binding protein.

Genome-wide association studies have so far identified 56 loci associated with risk of coronary artery disease (CAD). Many CAD loci show pleiotropy; that is, they are also associated with other diseases or traits. This study sought to systematically test if genetic variants identified for non-CAD diseases/traits also associate with CAD and to undertake a comprehensive analysis of the extent of pleiotropy of all CAD loci. In discovery analyses involving 42,335 CAD cases and 78,240 control subjects we tested the association of 29,383 common (minor allele frequency >5%) single nucleotide polymorphisms available on the exome array, which included a substantial proportion of known or suspected single nucleotide polymorphisms associated with common diseases or traits as of 2011. Suggestive association signals were replicated in an additional 30,533 cases and 42,530 control subjects. To evaluate pleiotropy, we tested CAD loci for association with cardiovascular risk factors (lipid traits, blood pressure phenotypes, body mass index, diabetes, and smoking behavior), as well as with other diseases/traits through interrogation of currently available genome-wide association study catalogs. We identified 6 new loci associated with CAD at genome-wide significance: on 2q37 (KCNJ13-GIGYF2), 6p21 (C2), 11p15 (MRVI1-CTR9), 12q13 (LRP1), 12q24 (SCARB1), and 16q13 (CETP). Risk allele frequencies ranged from 0.15 to 0.86, and odds ratio per copy of the risk allele ranged from 1.04 to 1.09. Of 62 new and known CAD loci, 24 (38.7%) showed statistical association with a traditional cardiovascular risk factor, with some showing multiple associations, and 29 (47%) showed associations at p < 1 × 10−4 with a range of other diseases/traits. We identified 6 loci associated with CAD at genome-wide significance. Several CAD loci show substantial pleiotropy, which may help us understand the mechanisms by which these loci affect CAD risk.

BackgroundStatin therapy is effective for the prevention of atherosclerotic cardiovascular disease and is widely prescribed, but there are persisting concerns that statin therapy might frequently cause muscle pain or weakness. We aimed to address these through an individual participant data meta-analysis of all recorded adverse muscle events in large, long-term, randomised, double-blind trials of statin therapy.MethodsRandomised trials of statin therapy were eligible if they aimed to recruit at least 1000 participants with a scheduled treatment duration of at least 2 years, and involved a double-blind comparison of statin versus placebo or of a more intensive versus a less intensive statin regimen. We analysed individual participant data from 19 double-blind trials of statin versus placebo (n=123 940) and four double-blind trials of a more intensive versus a less intensive statin regimen (n=30 724). Standard inverse-variance-weighted meta-analyses of the effects on muscle outcomes were conducted according to a prespecified protocol.FindingsAmong 19 placebo-controlled trials (mean age 63 years [SD 8], with 34 533 [27·9%] women, 59 610 [48·1%] participants with previous vascular disease, and 22 925 [18·5%] participants with diabetes), during a weighted average median follow-up of 4·3 years, 16 835 (27·1%) allocated statin versus 16 446 (26·6%) allocated placebo reported muscle pain or weakness (rate ratio [RR] 1·03; 95% CI 1·01–1·06). During year 1, statin therapy produced a 7% relative increase in muscle pain or weakness (1·07; 1·04–1·10), corresponding to an absolute excess rate of 11 (6–16) events per 1000 person-years, which indicates that only one in 15 ([1·07–1·00]/1·07) of these muscle-related reports by participants allocated to statin therapy were actually due to the statin. After year 1, there was no significant excess in first reports of muscle pain or weakness (0·99; 0·96–1·02). For all years combined, more intensive statin regimens (ie, 40–80 mg atorvastatin or 20–40 mg rosuvastatin once per day) yielded a higher RR than less intensive or moderate-intensity regimens (1·08 [1·04–1·13] vs 1·03 [1·00–1·05]) compared with placebo, and a small excess was present (1·05 [0·99–1·12]) for more intensive regimens after year 1. There was no clear evidence that the RR differed for different statins, or in different clinical circumstances. Statin therapy yielded a small, clinically insignificant increase in median creatine kinase values of approximately 0·02 times the upper limit of normal.InterpretationStatin therapy caused a small excess of mostly mild muscle pain. Most (>90%) of all reports of muscle symptoms by participants allocated statin therapy were not due to the statin. The small risks of muscle symptoms are much lower than the known cardiovascular benefits. There is a need to review the clinical management of muscle symptoms in patients taking a statin.FundingBritish Heart Foundation, Medical Research Council, Australian National Health and Medical Research Council.

The immune microenvironment influences tumour evolution and can be both prognostic and predict response to immunotherapy1,2. However, measurements of tumour infiltrating lymphocytes (TILs) are limited by a shortage of appropriate data. Whole-exome sequencing (WES) of DNA is frequently performed to calculate tumour mutational burden and identify actionable mutations. Here we develop T cell exome TREC tool (T cell ExTRECT), a method for estimation of T cell fraction from WES samples using a signal from T cell receptor excision circle (TREC) loss during V(D)J recombination of the T cell receptor-α gene (TCRA (also known as TRA)). TCRA T cell fraction correlates with orthogonal TIL estimates and is agnostic to sample type. Blood TCRA T cell fraction is higher in females than in males and correlates with both tumour immune infiltrate and presence of bacterial sequencing reads. Tumour TCRA T cell fraction is prognostic in lung adenocarcinoma. Using a meta-analysis of tumours treated with immunotherapy, we show that tumour TCRA T cell fraction predicts immunotherapy response, providing value beyond measuring tumour mutational burden. Applying T cell ExTRECT to a multi-sample pan-cancer cohort reveals a high diversity of the degree of immune infiltration within tumours. Subclonal loss of 12q24.31–32, encompassing SPPL3, is associated with reduced TCRA T cell fraction. T cell ExTRECT provides a cost-effective technique to characterize immune infiltrate alongside somatic changes. A robust, cost-effective technique based on whole-exome sequencing data can be used to characterize immune infiltrates, relate the extent of these infiltrates to somatic changes in tumours, and enables prediction of tumour responses to immune checkpoint inhibition therapy.