Circulating proteins are vital in human health and disease and are frequently used as biomarkers for clinical decision-making or as targets for pharmacological intervention. Here, we map and replicate protein quantitative trait loci (pQTL) for 90 cardiovascular proteins in over 30,000 individuals, resulting in 451 pQTLs for 85 proteins. For each protein, we further perform pathway mapping to obtain trans-pQTL gene and regulatory designations. We substantiate these regulatory findings with orthogonal evidence for trans-pQTLs using mouse knockdown experiments (ABCA1 and TRIB1) and clinical trial results (chemokine receptors CCR2 and CCR5), with consistent regulation. Finally, we evaluate known drug targets, and suggest new target candidates or repositioning opportunities using Mendelian randomization. This identifies 11 proteins with causal evidence of involvement in human disease that have not previously been targeted, including EGF, IL-16, PAPPA, SPON1, F3, ADM, CASP-8, CHI3L1, CXCL16, GDF15 and MMP-12. Taken together, these findings demonstrate the utility of large-scale mapping of the genetics of the proteome and provide a resource for future precision studies of circulating proteins in human health. Folkersen et al. report the first results from the SCALLOP consortium, a collaborative framework for pQTL mapping and biomarker analysis of proteins on the Olink platform. A total of 315 primary and 136 secondary pQTLs for 85 circulating cardiovascular proteins from over 30,000 individuals were identified and replicated to yield new insights for translational studies and drug development.

Background: SARS-CoV-2, the causal agent of COVID-19, enters human cells using the ACE2 (angiotensin-converting enzyme 2) protein as a receptor. ACE2 is thus key to the infection and treatment of the coronavirus. ACE2 is highly expressed in the heart and respiratory and gastrointestinal tracts, playing important regulatory roles in the cardiovascular and other biological systems. However, the genetic basis of the ACE2 protein levels is not well understood. Methods: We have conducted the largest genome-wide association meta-analysis of plasma ACE2 levels in >28 000 individuals of the SCALLOP Consortium (Systematic and Combined Analysis of Olink Proteins). We summarize the cross-sectional epidemiological correlates of circulating ACE2. Using the summary statistics–based high-definition likelihood method, we estimate relevant genetic correlations with cardiometabolic phenotypes, COVID-19, and other human complex traits and diseases. We perform causal inference of soluble ACE2 on vascular disease outcomes and COVID-19 severity using mendelian randomization. We also perform in silico functional analysis by integrating with other types of omics data. Results: We identified 10 loci, including 8 novel, capturing 30% of the heritability of the protein. We detected that plasma ACE2 was genetically correlated with vascular diseases, severe COVID-19, and a wide range of human complex diseases and medications. An X-chromosome cis–protein quantitative trait loci–based mendelian randomization analysis suggested a causal effect of elevated ACE2 levels on COVID-19 severity (odds ratio, 1.63 [95% CI, 1.10–2.42]; P =0.01), hospitalization (odds ratio, 1.52 [95% CI, 1.05–2.21]; P =0.03), and infection (odds ratio, 1.60 [95% CI, 1.08–2.37]; P =0.02). Tissue- and cell type–specific transcriptomic and epigenomic analysis revealed that the ACE2 regulatory variants were enriched for DNA methylation sites in blood immune cells. Conclusions: Human plasma ACE2 shares a genetic basis with cardiovascular disease, COVID-19, and other related diseases. The genetic architecture of the ACE2 protein is mapped, providing a useful resource for further biological and clinical studies on this coronavirus receptor.

Cross-sectional genome-wide association studies have identified hundreds of loci associated with blood lipids and related cardiovascular traits, but few genetic association studies have focused on long-term changes in blood lipids. Participants from the GLACIER Study (Nmax = 3492) were genotyped with the MetaboChip array, from which 29 387 SNPs (single nucleotide polymorphisms; replication, fine-mapping regions and wildcard SNPs for lipid traits) were extracted for association tests with 10-year change in total cholesterol (ΔTC) and triglycerides (ΔTG). Four additional prospective cohort studies (MDC, PIVUS, ULSAM, MRC Ely; Nmax = 8263 participants) were used for replication. We conducted an in silico look-up for association with coronary artery disease (CAD) in the Coronary ARtery DIsease Genome-wide Replication and Meta-analysis (CARDIoGRAMplusC4D) Consortium (N ∼ 190 000) and functional annotation for the top ranking variants. In total, 956 variants were associated (P < 0.01) with either ΔTC or ΔTG in GLACIER. In GLACIER, chr19:50121999 at APOE was associated with ΔTG and multiple SNPs in the APOA1/A4/C3/A5 region at genome-wide significance (P < 5 × 10-8), whereas variants in four loci, DOCK7, BRE, SYNE1 and KCNIP1, reached study-wide significance (P < 1.7 × 10-6). The rs7412 variant at APOE was associated with ΔTC in GLACIER (P < 1.7 × 10-6). In pooled analyses of all cohorts, 139 SNPs at six and five loci were associated with ΔTC and for ΔTG, respectively (P < 10-3). Of these, a variant at CAPN3 (P = 1.2 × 10-4), multiple variants at HPR (Pmin = 1.5 × 10-6) and a variant at SIX5 (P = 1.9 × 10-4) showed evidence for association with CAD. We identified seven novel genomic regions associated with long-term changes in blood lipids, of which three also raise CAD risk.

Abstract Background Risk prediction is crucial for early detection and prognosis of breast cancer. Circulating plasma proteins could provide a valuable source to increase the validity of risk prediction models, however, no such markers have yet been identified for clinical use. Methods EDTA plasma samples from 183 breast cancer cases and 366 age-matched controls were collected prior to diagnosis from the Swedish breast cancer cohort KARMA. The samples were profiled on 700 circulating proteins using an exploratory affinity proteomics approach. Linear association analyses were performed on case-control status and a data-driven analysis strategy was applied to cluster the women on their plasma proteome profiles in an unsupervised manner. The resulting clusters were subsequently annotated for the differences in phenotypic characteristics, clinical parameters, and genetic risk. Results Using the data-driven approach we identified five clusters with distinct proteomic plasma profiles. Women in a particular sub-group (cluster 1) were significantly more likely to have used menopausal hormonal therapy (MHT), more likely to get a breast cancer diagnosis, and were older compared to the remaining clusters. The levels of circulating proteins in cluster 1 were decreased for proteins related to DNA repair and cell replication and increased for proteins related to mammographic density and female tissues. In contrast, classical dichotomous case-control analyses did not reveal any proteins significantly associated with future breast cancer. Conclusion Using a data-driven approach, we identified a subset of women with circulating proteins associated with previous use of MHT and risk of breast cancer. Our findings point to the potential long-lasting effects of MHT on the circulating proteome even after ending the treatment, and hence provide valuable insights concerning risk predication of breast cancer. Highlights Current risk prediction models use a variety of factors to identify women at risk of developing breast cancer. Proteins circulating in blood represent an attractive but currently still underrepresented source of candidates serving as molecular risk factors. Plasma proteomes from women participating in a prospective breast cancer cohort study were studied for proteomic risk factors related to a future breast cancer diagnosis. Using data-driven approaches, women with future breast cancers and previous use of menopausal hormone therapy were identified based on their circulating proteins. Menopausal hormone therapy was found to altered the levels of the circulating proteins even years after the treatment ended.