Coronary artery disease (CAD) is the commonest cause of death. Here, we report an association analysis in 63,746 CAD cases and 130,681 controls identifying 15 loci reaching genome-wide significance, taking the number of susceptibility loci for CAD to 46, and a further 104 independent variants (r(2) < 0.2) strongly associated with CAD at a 5% false discovery rate (FDR). Together, these variants explain approximately 10.6% of CAD heritability. Of the 46 genome-wide significant lead SNPs, 12 show a significant association with a lipid trait, and 5 show a significant association with blood pressure, but none is significantly associated with diabetes. Network analysis with 233 candidate genes (loci at 10% FDR) generated 5 interaction networks comprising 85% of these putative genes involved in CAD. The four most significant pathways mapping to these networks are linked to lipid metabolism and inflammation, underscoring the causal role of these activities in the genetic etiology of CAD. Our study provides insights into the genetic basis of CAD and identifies key biological pathways.

Coronary artery inflammation inhibits adipogenesis in adjacent perivascular fat. A novel imaging biomarker-the perivascular fat attenuation index (FAI)-captures coronary inflammation by mapping spatial changes of perivascular fat attenuation on coronary computed tomography angiography (CTA). However, the ability of the perivascular FAI to predict clinical outcomes is unknown.In the Cardiovascular RISk Prediction using Computed Tomography (CRISP-CT) study, we did a post-hoc analysis of outcome data gathered prospectively from two independent cohorts of consecutive patients undergoing coronary CTA in Erlangen, Germany (derivation cohort) and Cleveland, OH, USA (validation cohort). Perivascular fat attenuation mapping was done around the three major coronary arteries-the proximal right coronary artery, the left anterior descending artery, and the left circumflex artery. We assessed the prognostic value of perivascular fat attenuation mapping for all-cause and cardiac mortality in Cox regression models, adjusted for age, sex, cardiovascular risk factors, tube voltage, modified Duke coronary artery disease index, and number of coronary CTA-derived high-risk plaque features.Between 2005 and 2009, 1872 participants in the derivation cohort underwent coronary CTA (median age 62 years [range 17-89]). Between 2008 and 2016, 2040 patients in the validation cohort had coronary CTA (median age 53 years [range 19-87]). Median follow-up was 72 months (range 51-109) in the derivation cohort and 54 months (range 4-105) in the validation cohort. In both cohorts, high perivascular FAI values around the proximal right coronary artery and left anterior descending artery (but not around the left circumflex artery) were predictive of all-cause and cardiac mortality and correlated strongly with each other. Therefore, the perivascular FAI measured around the right coronary artery was used as a representative biomarker of global coronary inflammation (for prediction of cardiac mortality, hazard ratio [HR] 2·15, 95% CI 1·33-3·48; p=0·0017 in the derivation cohort, and 2·06, 1·50-2·83; p<0·0001 in the validation cohort). The optimum cutoff for the perivascular FAI, above which there is a steep increase in cardiac mortality, was ascertained as -70·1 Hounsfield units (HU) or higher in the derivation cohort (HR 9·04, 95% CI 3·35-24·40; p<0·0001 for cardiac mortality; 2·55, 1·65-3·92; p<0·0001 for all-cause mortality). This cutoff was confirmed in the validation cohort (HR 5·62, 95% CI 2·90-10·88; p<0·0001 for cardiac mortality; 3·69, 2·26-6·02; p<0·0001 for all-cause mortality). Perivascular FAI improved risk discrimination in both cohorts, leading to significant reclassification for all-cause and cardiac mortality.The perivascular FAI enhances cardiac risk prediction and restratification over and above current state-of-the-art assessment in coronary CTA by providing a quantitative measure of coronary inflammation. High perivascular FAI values (cutoff ≥-70·1 HU) are an indicator of increased cardiac mortality and, therefore, could guide early targeted primary prevention and intensive secondary prevention in patients.British Heart Foundation, and the National Institute of Health Research Oxford Biomedical Research Centre.

Hugh Watkins and colleagues meta-analyze data from the UK Biobank along with recent genome-wide association studies for coronary artery disease. They identify 13 new loci that were genome-wide significant and 243 loci at a 5% false discovery rate. Genome-wide association studies (GWAS) in coronary artery disease (CAD) had identified 66 loci at 'genome-wide significance' (P < 5 × 10−8) at the time of this analysis, but a much larger number of putative loci at a false discovery rate (FDR) of 5% (refs. 1,2,3,4). Here we leverage an interim release of UK Biobank (UKBB) data to evaluate the validity of the FDR approach. We tested a CAD phenotype inclusive of angina (SOFT; ncases = 10,801) as well as a stricter definition without angina (HARD; ncases = 6,482) and selected cases with the former phenotype to conduct a meta-analysis using the two most recent CAD GWAS2,3. This approach identified 13 new loci at genome-wide significance, 12 of which were on our previous list of loci meeting the 5% FDR threshold2, thus providing strong support that the remaining loci identified by FDR represent genuine signals. The 304 independent variants associated at 5% FDR in this study explain 21.2% of CAD heritability and identify 243 loci that implicate pathways in blood vessel morphogenesis as well as lipid metabolism, nitric oxide signaling and inflammation.

OBJECTIVE Proinsulin is a precursor of mature insulin and C-peptide. Higher circulating proinsulin levels are associated with impaired β-cell function, raised glucose levels, insulin resistance, and type 2 diabetes (T2D). Studies of the insulin processing pathway could provide new insights about T2D pathophysiology. RESEARCH DESIGN AND METHODS We have conducted a meta-analysis of genome-wide association tests of ∼2.5 million genotyped or imputed single nucleotide polymorphisms (SNPs) and fasting proinsulin levels in 10,701 nondiabetic adults of European ancestry, with follow-up of 23 loci in up to 16,378 individuals, using additive genetic models adjusted for age, sex, fasting insulin, and study-specific covariates. RESULTS Nine SNPs at eight loci were associated with proinsulin levels (P &lt; 5 × 10−8). Two loci (LARP6 and SGSM2) have not been previously related to metabolic traits, one (MADD) has been associated with fasting glucose, one (PCSK1) has been implicated in obesity, and four (TCF7L2, SLC30A8, VPS13C/C2CD4A/B, and ARAP1, formerly CENTD2) increase T2D risk. The proinsulin-raising allele of ARAP1 was associated with a lower fasting glucose (P = 1.7 × 10−4), improved β-cell function (P = 1.1 × 10−5), and lower risk of T2D (odds ratio 0.88; P = 7.8 × 10−6). Notably, PCSK1 encodes the protein prohormone convertase 1/3, the first enzyme in the insulin processing pathway. A genotype score composed of the nine proinsulin-raising alleles was not associated with coronary disease in two large case-control datasets. CONCLUSIONS We have identified nine genetic variants associated with fasting proinsulin. Our findings illuminate the biology underlying glucose homeostasis and T2D development in humans and argue against a direct role of proinsulin in coronary artery disease pathogenesis.

Abstract Background Coronary inflammation induces dynamic changes in the balance between water and lipid content in perivascular adipose tissue (PVAT), as captured by perivascular Fat Attenuation Index (FAI) in standard coronary CT angiography (CCTA). However, inflammation is not the only process involved in atherogenesis and we hypothesized that additional radiomic signatures of adverse fibrotic and microvascular PVAT remodelling, may further improve cardiac risk prediction. Methods and results We present a new artificial intelligence-powered method to predict cardiac risk by analysing the radiomic profile of coronary PVAT, developed and validated in patient cohorts acquired in three different studies. In Study 1, adipose tissue biopsies were obtained from 167 patients undergoing cardiac surgery, and the expression of genes representing inflammation, fibrosis and vascularity was linked with the radiomic features extracted from tissue CT images. Adipose tissue wavelet-transformed mean attenuation (captured by FAI) was the most sensitive radiomic feature in describing tissue inflammation (TNFA expression), while features of radiomic texture were related to adipose tissue fibrosis (COL1A1 expression) and vascularity (CD31 expression). In Study 2, we analysed 1391 coronary PVAT radiomic features in 101 patients who experienced major adverse cardiac events (MACE) within 5 years of having a CCTA and 101 matched controls, training and validating a machine learning (random forest) algorithm (fat radiomic profile, FRP) to discriminate cases from controls (C-statistic 0.77 [95%CI: 0.62–0.93] in the external validation set). The coronary FRP signature was then tested in 1575 consecutive eligible participants in the SCOT-HEART trial, where it significantly improved MACE prediction beyond traditional risk stratification that included risk factors, coronary calcium score, coronary stenosis, and high-risk plaque features on CCTA (Δ[C-statistic] = 0.126, P &lt; 0.001). In Study 3, FRP was significantly higher in 44 patients presenting with acute myocardial infarction compared with 44 matched controls, but unlike FAI, remained unchanged 6 months after the index event, confirming that FRP detects persistent PVAT changes not captured by FAI. Conclusion The CCTA-based radiomic profiling of coronary artery PVAT detects perivascular structural remodelling associated with coronary artery disease, beyond inflammation. A new artificial intelligence (AI)-powered imaging biomarker (FRP) leads to a striking improvement of cardiac risk prediction over and above the current state-of-the-art.

While conventional LDL-C, HDL-C, and triglyceride measurements reflect aggregate properties of plasma lipoprotein fractions, NMR-based measurements more accurately reflect lipoprotein particle concentrations according to class (LDL, HDL, and VLDL) and particle size (small, medium, and large). The concentrations of these lipoprotein sub-fractions may be related to risk of cardiovascular disease and related metabolic disorders. We performed a genome-wide association study of 17 lipoprotein measures determined by NMR together with LDL-C, HDL-C, triglycerides, ApoA1, and ApoB in 17,296 women from the Women's Genome Health Study (WGHS). Among 36 loci with genome-wide significance (P<5x10(-8)) in primary and secondary analysis, ten (PCCB/STAG1 (3q22.3), GMPR/MYLIP (6p22.3), BTNL2 (6p21.32), KLF14 (7q32.2), 8p23.1, JMJD1C (10q21.3), SBF2 (11p15.4), 12q23.2, CCDC92/DNAH10/ZNF664 (12q24.31.B), and WIPI1 (17q24.2)) have not been reported in prior genome-wide association studies for plasma lipid concentration. Associations with mean lipoprotein particle size but not cholesterol content were found for LDL at four loci (7q11.23, LPL (8p21.3), 12q24.31.B, and LIPG (18q21.1)) and for HDL at one locus (GCKR (2p23.3)). In addition, genetic determinants of total IDL and total VLDL concentration were found at many loci, most strongly at LIPC (15q22.1) and APOC-APOE complex (19q13.32), respectively. Associations at seven more loci previously known for effects on conventional plasma lipid measures reveal additional genetic influences on lipoprotein profiles and bring the total number of loci to 43. Thus, genome-wide associations identified novel loci involved with lipoprotein metabolism-including loci that affect the NMR-based measures of concentration or size of LDL, HDL, and VLDL particles-all characteristics of lipoprotein profiles that may impact disease risk but are not available by conventional assay.

Summary

Background

 The discovery of disease-associated loci through genome-wide association studies (GWAS) is the leading genetic approach to the identification of novel biological pathways underlying diseases in humans. Until recently, GWAS in ischaemic stroke have been limited by small sample sizes and have yielded few loci associated with ischaemic stroke. We did a large-scale GWAS to identify additional susceptibility genes for stroke and its subtypes. 

Methods

 To identify genetic loci associated with ischaemic stroke, we did a two-stage GWAS. In the first stage, we included 16 851 cases with state-of-the-art phenotyping data and 32 473 stroke-free controls. Cases were aged 16 to 104 years, recruited between 1989 and 2012, and subtypes of ischaemic stroke were recorded by centrally trained and certified investigators who used the web-based protocol, Causative Classification of Stroke (CCS). We constructed case-control strata by identifying samples that were genotyped on nearly identical arrays and were of similar genetic ancestral background. We cleaned and imputed data by use of dense imputation reference panels generated from whole-genome sequence data. We did genome-wide testing to identify stroke-associated loci within each stratum for each available phenotype, and we combined summary-level results using inverse variance-weighted fixed-effects meta-analysis. In the second stage, we did in-silico lookups of 1372 single nucleotide polymorphisms identified from the first stage GWAS in 20 941 cases and 364 736 unique stroke-free controls. The ischaemic stroke subtypes of these cases had previously been established with the Trial of Org 10 172 in Acute Stroke Treatment (TOAST) classification system, in accordance with local standards. Results from the two stages were then jointly analysed in a final meta-analysis. 

Findings

 We identified a novel locus (G allele at rs12122341) at 1p13.2 near TSPAN2 that was associated with large artery atherosclerosis-related stroke (first stage odds ratio [OR] 1·21, 95% CI 1·13–1·30, p=4·50 × 10⁻⁸; joint OR 1·19, 1·12–1·26, p=1·30 × 10⁻⁹). Our results also supported robust associations with ischaemic stroke for four other loci that have been reported in previous studies, including PITX2 (first stage OR 1·39, 1·29–1·49, p=3·26 × 10⁻¹⁹; joint OR 1·37, 1·30–1·45, p=2·79 × 10⁻³²) and ZFHX3 (first stage OR 1·19, 1·11–1·27, p=2·93 × 10⁻⁷; joint OR 1·17, 1·11–1·23, p=2·29 × 10⁻¹⁰) for cardioembolic stroke, and HDAC9 (first stage OR 1·29, 1·18–1·42, p=3·50 × 10⁻⁸; joint OR 1·24, 1·15–1·33, p=4·52 × 10⁻⁹) for large artery atherosclerosis stroke. The 12q24 locus near ALDH2, which has previously been associated with all ischaemic stroke but not with any specific subtype, exceeded genome-wide significance in the meta-analysis of small artery stroke (first stage OR 1·20, 1·12–1·28, p=6·82 × 10⁻⁸; joint OR 1·17, 1·11–1·23, p=2·92 × 10⁻⁹). Other loci associated with stroke in previous studies, including NINJ2, were not confirmed. 

Interpretation

 Our results suggest that all ischaemic stroke-related loci previously implicated by GWAS are subtype specific. We identified a novel gene associated with large artery atherosclerosis stroke susceptibility. Follow-up studies will be necessary to establish whether the locus near TSPAN2 can be a target for a novel therapeutic approach to stroke prevention. In view of the subtype-specificity of the associations detected, the rich phenotyping data available in the Stroke Genetics Network (SiGN) are likely to be crucial for further genetic discoveries related to ischaemic stroke. 

Funding

 US National Institute of Neurological Disorders and Stroke, National Institutes of Health.

The nature and underlying mechanisms of an inverse association between adult height and the risk of coronary artery disease (CAD) are unclear.

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.

Atrial fibrillation is a prevalent arrhythmia associated with a five-fold increased risk of ischemic stroke, and specifically the cardioembolic stroke subtype. Genome-wide association studies of these traits have yielded overlapping risk loci, but genome-wide investigation of genetic susceptibility shared between stroke and atrial fibrillation is lacking. Comparing the genetic architectures of the two diseases could inform whether cardioembolic strokes are driven by inherited atrial fibrillation susceptibility, and may help elucidate ischemic stroke mechanisms. Here, we analyze genome-wide genotyping data and estimate SNP-based heritability in atrial fibrillation and cardioembolic stroke to be nearly identical (20.0% and 19.5%, respectively). Further, we find that the traits are genetically correlated (r=0.77 for SNPs with p < 4.4 x 10-4 in a previous atrial fibrillation meta-analysis). Clinical studies are warranted to assess whether genetic susceptibility to atrial fibrillation can be leveraged to improve the diagnosis and care of ischemic stroke patients.