Hugh Markus, Peter Donnelly and colleagues report a genome-wide association study for ischemic stroke. They identify a SNP in HDAC9, a histone deacetylase gene, that is associated with large vessel ischemic stroke and suggest subtype-specific associations to ischemic stroke. Genetic factors have been implicated in stroke risk, but few replicated associations have been reported. We conducted a genome-wide association study (GWAS) for ischemic stroke and its subtypes in 3,548 affected individuals and 5,972 controls, all of European ancestry. Replication of potential signals was performed in 5,859 affected individuals and 6,281 controls. We replicated previous associations for cardioembolic stroke near PITX2 and ZFHX3 and for large vessel stroke at a 9p21 locus. We identified a new association for large vessel stroke within HDAC9 (encoding histone deacetylase 9) on chromosome 7p21.1 (including further replication in an additional 735 affected individuals and 28,583 controls) (rs11984041; combined P = 1.87 × 10−11; odds ratio (OR) = 1.42, 95% confidence interval (CI) = 1.28–1.57). All four loci exhibited evidence for heterogeneity of effect across the stroke subtypes, with some and possibly all affecting risk for only one subtype. This suggests distinct genetic architectures for different stroke subtypes.

The contribution of genetics to stroke risk, and whether this differs for different stroke subtypes, remainsuncertain. Genomewide complex trait analysis allows heritability to be assessed from genomewide association study (GWAS) data. Previous candidate gene studies have identified many associations with stoke but whether these are important requires replication in large independent data sets. GWAS data sets provide a powerful resource to perform replication studies.We applied genomewide complex trait analysis to a GWAS data set of 3752 ischemic strokes and 5972 controls and determined heritability for all ischemic stroke and the most common subtypes: large-vessel disease, small-vessel disease, and cardioembolic stroke. By systematic review we identified previous candidate gene and GWAS associations with stroke and previous GWAS associations with related cardiovascular phenotypes (myocardial infarction, atrial fibrillation, and carotid intima-media thickness). Fifty associations were identified.For all ischemic stroke, heritability was 37.9%. Heritability varied markedly by stroke subtype being 40.3% for large-vessel disease and 32.6% for cardioembolic but lower for small-vessel disease (16.1%). No previously reported candidate gene was significant after rigorous correction for multiple testing. In contrast, 3 loci from related cardiovascular GWAS studies were significant: PHACTR1 in large-vessel disease (P=2.63e(-6)), PITX2 in cardioembolic stroke (P=4.78e(-8)), and ZFHX3 in cardioembolic stroke (P=5.50e(-7)).There is substantial heritability for ischemic stroke, but this varies for different stroke subtypes. Previous candidate gene associations contribute little to this heritability, but GWAS studies in related cardiovascular phenotypes are identifying robust associations. The heritability data, and data from GWAS, suggest detecting additional associations will depend on careful stroke subtyping.

Abstract

 

Objective

 To determine which potentially modifiable risk factors, including socioeconomic, lifestyle/dietary, cardiometabolic, and inflammatory factors, are associated with Alzheimer’s disease. 

Design

 Mendelian randomisation study using genetic variants associated with the modifiable risk factors as instrumental variables. 

Setting

 International Genomics of Alzheimer’s Project. 

Participants

 17 008 cases of Alzheimer’s disease and 37 154 controls. 

Main outcome measures

 Odds ratio of Alzheimer’s per genetically predicted increase in each modifiable risk factor estimated with Mendelian randomisation analysis. 

Results

 This study included analyses of 24 potentially modifiable risk factors. A Bonferroni corrected threshold of P=0.002 was considered to be significant, and P<0.05 was considered suggestive of evidence for a potential association. Genetically predicted educational attainment was significantly associated with Alzheimer’s. The odds ratios were 0.89 (95% confidence interval 0.84 to 0.93; P=2.4×10⁻⁶) per year of education completed and 0.74 (0.63 to 0.86; P=8.0×10⁻⁵) per unit increase in log odds of having completed college/university. The correlated trait intelligence had a suggestive association with Alzheimer’s (per genetically predicted 1 SD higher intelligence: 0.73, 0.57 to 0.93; P=0.01). There was suggestive evidence for potential associations between genetically predicted higher quantity of smoking (per 10 cigarettes a day: 0.69, 0.49 to 0.99; P=0.04) and 25-hydroxyvitamin D concentrations (per 20% higher levels: 0.92, 0.85 to 0.98; P=0.01) and lower odds of Alzheimer’s and between higher coffee consumption (per one cup a day: 1.26, 1.05 to 1.51; P=0.01) and higher odds of Alzheimer’s. Genetically predicted alcohol consumption, serum folate, serum vitamin B₁₂, homocysteine, cardiometabolic factors, and C reactive protein were not associated with Alzheimer’s disease. 

Conclusion

 These results provide support that higher educational attainment is associated with a reduced risk of Alzheimer’s disease.

Abstract Objective To evaluate the associations of a polygenic risk score and healthy lifestyle with incident stroke. Design Prospective population based cohort study. Setting UK Biobank Study, UK. Participants 306 473 men and women, aged 40-73 years, recruited between 2006 and 2010. Main outcome measure Hazard ratios for a first stroke, estimated using Cox regression. A polygenic risk score of 90 single nucleotide polymorphisms previously associated with stroke was constructed at P<1×10 −5 to test for an association with incident stroke. Adherence to a healthy lifestyle was determined on the basis of four factors: non-smoker, healthy diet, body mass index <30 kg/m 2 , and regular physical exercise. Results During a median follow-up of 7.1 years (2 138 443 person years), 2077 incident strokes (1541 ischaemic stroke, 287 intracerebral haemorrhage, and 249 subarachnoid haemorrhage) were ascertained. The risk of incident stroke was 35% higher among those at high genetic risk (top third of polygenic score) compared with those at low genetic risk (bottom third): hazard ratio 1.35 (95% confidence interval 1.21 to 1.50), P=3.9×10 −8 . Unfavourable lifestyle (0 or 1 healthy lifestyle factors) was associated with a 66% increased risk of stroke compared with a favourable lifestyle (3 or 4 healthy lifestyle factors): 1.66 (1.45 to 1.89), P=1.19×10 −13 . The association with lifestyle was independent of genetic risk stratums. Conclusion In this cohort study, genetic and lifestyle factors were independently associated with incident stroke. These results emphasise the benefit of entire populations adhering to a healthy lifestyle, independent of genetic risk.

Major depressive disorder (MDD) is a notably complex illness with a lifetime prevalence of 14%. 1 It is often chronic or recurrent and is thus accompanied by considerable morbidity, excess mortality, substantial costs, and heightened risk of suicide. 2-7 MDD is a major cause of disability worldwide. 8 We conducted a genome-wide association (GWA) meta-analysis in 130,664 MDD cases and 330,470 controls, and identified 44 independent loci that met criteria for statistical significance. We present extensive analyses of these results which provide new insights into the nature of MDD. The genetic findings were associated with clinical features of MDD, and implicated prefrontal and anterior cingulate cortex in the pathophysiology of MDD (regions exhibiting anatomical differences between MDD cases and controls). Genes that are targets of antidepressant medications were strongly enriched for MDD association signals (P=8.5×10 −10 ), suggesting the relevance of these findings for improved pharmacotherapy of MDD. Sets of genes involved in gene splicing and in creating isoforms were also enriched for smaller MDD GWA P-values, and these gene sets have also been implicated in schizophrenia and autism. Genetic risk for MDD was correlated with that for many adult and childhood onset psychiatric disorders. Our analyses suggested important relations of genetic risk for MDD with educational attainment, body mass, and schizophrenia: the genetic basis of lower educational attainment and higher body mass were putatively causal for MDD whereas MDD and schizophrenia reflected a partly shared biological etiology. All humans carry lesser or greater numbers of genetic risk factors for MDD, and a continuous measure of risk underlies the observed clinical phenotype. MDD is not a distinct entity that neatly demarcates normalcy from pathology but rather a useful clinical construct associated with a range of adverse outcomes and the end result of a complex process of intertwined genetic and environmental effects. These findings help refine and define the fundamental basis of MDD.

Background: Rapid advances in scientific research have led to an increase in public awareness of genetic testing and pharmacogenetics. Direct-to-consumer (DTC) genetic testing companies, such as 23andMe, allow consumers to access their genetic information directly through an online service without the involvement of healthcare professionals. Here, we evaluate the clinical relevance of such pharmacogenetic tests reported by 23andMe. Methods: The research papers listed under each 23andMe report were evaluated, extracting information on effect size, sample size and ethnicity. A wider literature search was performed to provide a fuller assessment of the pharmacogenetic test and variants were matched to FDA recommendations. Additional evidence from CPIC guidelines, PharmGKB, and Dutch Pharmacogenetics Working Group was reviewed to determine current clinical practice. The value of the tests across ethnic groups was determined, including information on linkage disequilibrium between the tested SNP and causal pharmacogenetic variant, where relevant. Results: 23andMe offers 12 pharmacogenetic tests, some of which are in standard clinical practice, and others which are less widely applied. The clinical validity and clinical utility varies extensively between tests. The variants tested are likely to have different degrees of sensitivity due to different risk allele frequencies and linkage disequilibrium patterns across populations. The clinical relevance depends on the ethnicity of the individual and variability of pharmacogenetic markers. Further research is required to determine causal variants and provide more complete assessment of drug response and side effects. Conclusion: 23andMe reports provide some useful pharmacogenetics information, mirroring clinical tests that are in standard use. Other tests are unspecific, providing limited guidance and may not be useful for patients without professional interpretation. Nevertheless, DTC companies like 23andMe act as a powerful intermediate step to integrate pharmacogenetic testing into clinical practice.

Introduction: It's imperative to understand the specific and shared aetiologies of major depression and cardio-metabolic disease, as both traits are frequently comorbid and each represents a major burden to society. This study examined whether there is a genetic association between major depression and cardio-metabolic traits and if this association is stratified by age at onset for major depression. Methods: Polygenic risk scores analysis and linkage disequilibrium score regression was performed to examine whether differences in shared genetic aetiology exist between depression case control status (N cases = 40,940, N controls = 67,532), earlier (N = 15,844), and later onset depression (N = 15,800) with body mass index, coronary artery disease, stroke, and type 2 diabetes in eleven data sets from the Psychiatric Genomics Consortium, Generation Scotland, and UK Biobank. Results: All cardio-metabolic polygenic risk scores were associated with depression status. Significant genetic correlations were found between depression and body mass index, coronary artery disease, and type 2 diabetes. Higher polygenic risk for body mass index, coronary artery disease and type 2 diabetes was associated with both early and later onset depression, while higher polygenic risk for stroke was associated with later onset depression only. Significant genetic correlations were found between body mass index and later onset depression, and between coronary artery disease and both early and late onset depression. Conclusions: The phenotypic associations between major depression and cardio-metabolic traits may partly reflect their overlapping genetic aetiology irrespective of the age depression first presents.

Abstract The UK Biobank Pharma Proteomics Project (UKB-PPP) is a collaboration between the UK Biobank (UKB) and thirteen biopharmaceutical companies characterising the plasma proteomic profiles of 54,306 UKB participants. Here, we describe results from the first phase of UKB-PPP, including protein quantitative trait loci (pQTL) mapping of 1,463 proteins that identifies 10,248 primary genetic associations, of which 85% are newly discovered. We also identify independent secondary associations in 92% of cis and 29% of trans loci, expanding the catalogue of genetic instruments for downstream analyses. The study provides an updated characterisation of the genetic architecture of the plasma proteome, leveraging population-scale proteomics to provide novel, extensive insights into trans pQTLs across multiple biological domains. We highlight genetic influences on ligand-receptor interactions and pathway perturbations across a diverse collection of cytokines and complement proteins, and illustrate long-range epistatic effects of ABO blood group and FUT2 secretor status on proteins with gastrointestinal tissue-enriched expression. We demonstrate the utility of these data for drug target discovery by extending the genetic proxied effect of PCSK9 levels on lipid concentrations, cardio- and cerebro-vascular diseases, and additionally disentangle specific genes and proteins perturbed at COVID-19 susceptibility loci. This public-private partnership provides the scientific community with an open-access proteomics resource of unprecedented breadth and depth to help elucidate biological mechanisms underlying genetic discoveries and accelerate the development of novel biomarkers and therapeutics.

Objective: Relatives of individuals with Crohn's disease (CD) carry an increased number of CD-associated genetic variants and are at increased risk of developing the disease. Multiple environmental and genetic factors contribute to this increased risk. We aimed to estimate the utility of genotype, smoking, family history, and a panel of biomarkers to predict risk in asymptomatic first-degree relatives (FDRs) of CD patients. Design: We calculated a combined genotype (72 CD-associated genetic markers) and smoking relative risk score in 454 FDRs, and performed capsule endoscopy and collected 22 biomarkers in individuals from the highest and lowest risk quartiles. We then predicted small intestinal inflammation using genetic risk score, smoking status, number of relatives with CD, capsule transit time, and the panel of biomarkers in 124 individuals with complete data. Our principal analysis was to calculate the predictive utility from two machine learning classifiers: an elastic net and a random forest. Results: Both classifiers successfully predicted FDRs with intestinal inflammation: elastic net (AUC=0.80, 95% CI: 0.62-0.98), random forest (AUC=0.87, 95% CI: 0.75-1.00). The elastic net selected a 3-predictor solution: CD family history (OR=1.31), genetic risk score (OR=1.14), and faecal calprotectin (OR=1.04). The same 3 variables were among the top 5 most important predictors as ranked by the random forest. Conclusion: A readily collectable panel of genetic risk variants, added to family history and faecal calprotectin, predicts those at greatest risk for developing CD with a good degree of accuracy.

The Pharma Proteomics Project is a precompetitive biopharmaceutical consortium characterizing the plasma proteomic profiles of 54,219 UK Biobank participants. Here we provide a detailed summary of this initiative, including technical and biological validations, insights into proteomic disease signatures, and prediction modelling for various demographic and health indicators. We present comprehensive protein quantitative trait locus (pQTL) mapping of 2,923 proteins that identifies 14,287 primary genetic associations, of which 81% are previously undescribed, alongside ancestry-specific pQTL mapping in non-European individuals. The study provides an updated characterization of the genetic architecture of the plasma proteome, contextualized with projected pQTL discovery rates as sample sizes and proteomic assay coverages increase over time. We offer extensive insights into trans pQTLs across multiple biological domains, highlight genetic influences on ligand–receptor interactions and pathway perturbations across a diverse collection of cytokines and complement networks, and illustrate long-range epistatic effects of ABO blood group and FUT2 secretor status on proteins with gastrointestinal tissue-enriched expression. We demonstrate the utility of these data for drug discovery by extending the genetic proxied effects of protein targets, such as PCSK9, on additional endpoints, and disentangle specific genes and proteins perturbed at loci associated with COVID-19 susceptibility. This public–private partnership provides the scientific community with an open-access proteomics resource of considerable breadth and depth to help to elucidate the biological mechanisms underlying proteo-genomic discoveries and accelerate the development of biomarkers, predictive models and therapeutics1.