DNA methylation (DNAm) has been reported to be associated with many diseases and with mortality. We hypothesized that the integration of DNAm with clinical risk factors would improve mortality prediction. We performed an epigenome-wide association study of whole blood DNAm in relation to mortality in 15 cohorts (n = 15,013). During a mean follow-up of 10 years, there were 4314 deaths from all causes including 1235 cardiovascular disease (CVD) deaths and 868 cancer deaths. Ancestry-stratified meta-analysis of all-cause mortality identified 163 CpGs in European ancestry (EA) and 17 in African ancestry (AA) participants at p < 1 × 10-7 , of which 41 (EA) and 16 (AA) were also associated with CVD death, and 15 (EA) and 9 (AA) with cancer death. We built DNAm-based prediction models for all-cause mortality that predicted mortality risk after adjusting for clinical risk factors. The mortality prediction model trained by integrating DNAm with clinical risk factors showed an improvement in prediction of cancer death with 5% increase in the C-index in a replication cohort, compared with the model including clinical risk factors alone. Mendelian randomization identified 15 putatively causal CpGs in relation to longevity, CVD, or cancer risk. For example, cg06885782 (in KCNQ4) was positively associated with risk for prostate cancer (Beta = 1.2, PMR = 4.1 × 10-4 ) and negatively associated with longevity (Beta = -1.9, PMR = 0.02). Pathway analysis revealed that genes associated with mortality-related CpGs are enriched for immune- and cancer-related pathways. We identified replicable DNAm signatures of mortality and demonstrated the potential utility of CpGs as informative biomarkers for prediction of mortality risk.

Intro: Exposure to atherogenic lipoproteins is a central determinant of atherosclerotic cardiovascular disease (ASCVD) events. Shared and unique biological pathways influence lipoprotein particle content (non-HDL-C, LDL-C) and number (apoB, LDL-P), but significant unexplained variance in blood lipoprotein levels remains. Understanding the associations between lipoprotein particle number, content, and repeated DNA methylation (DNAm) measures may provide novel insights into lipoprotein level determinants. Methods: We included 2962 participants from the Coronary Artery Risk Development in Young Adults study that had DNAm, LDL-C, non-HDL-C, apoB, and LDL-P measurements at exam years 15, 20, 25, and 30. Non-HDL-C and LDL-C were determined using standard laboratory technique. LDL particle number (LDL-P) and apoB were measured using NMR. DNAm was assessed using the Illumina Epic Array. We used separate mixed linear models adjusted for age, sex, race, and technical variables to quantify associations between DNAm sites and non-HDL-C, LDL-C, LDL-P, and apoB. We performed pathway analysis of DNAm located in gene promoter regions. We estimated % variance in lipid levels explained by associated DNAm sites using ANOVA. Results: There were 127, 182, 40, and 110 DNAm sites that were uniquely associated with LDL-C, non-HDL-C, LDL-P, and apoB, respectively. There were 114 DNAm sites associated with 3 or more of these atherogenic lipid measures. Of note, 6 DNAm sites were in the promoter of LDLR. Shared pathways included cholesterol and fatty acid metabolism, steroid and alcohol biosynthesis, as well as cellular protein transport (Table).Unique pathways generally included cholesterol synthesis for LDL-C, and energy metabolism, inflammation, and calcium transport for apoB and LDL-P. In total, identified CpGs in circulating blood leukocytes explained 14%, 24%, 16%, and 17% variance in LDL-C, non-HDL-C, LDL-P, and apoB, respectively. Conclusions: Assessment of longitudinal epigenetic patterns in peripheral leukocytes suggest unique and shared pathways mediate a large % variance in atherogenic lipids. Further exploration of the function of these DNAm sites may enhance mechanistic insight into the determinants of atherogenic lipid exposure.