Brendan Bulik-Sullivan, Benjamin Neale, Hilary Finucane, Alkes Price and colleagues introduce a new technique for estimating genetic correlation that requires only genome-wide association summary statistics and that is not biased by sample overlap. Using this method, they find genetic correlations between anorexia nervosa and schizophrenia, and between educational attainment and autism spectrum disorder. Identifying genetic correlations between complex traits and diseases can provide useful etiological insights and help prioritize likely causal relationships. The major challenges preventing estimation of genetic correlation from genome-wide association study (GWAS) data with current methods are the lack of availability of individual-level genotype data and widespread sample overlap among meta-analyses. We circumvent these difficulties by introducing a technique—cross-trait LD Score regression—for estimating genetic correlation that requires only GWAS summary statistics and is not biased by sample overlap. We use this method to estimate 276 genetic correlations among 24 traits. The results include genetic correlations between anorexia nervosa and schizophrenia, anorexia and obesity, and educational attainment and several diseases. These results highlight the power of genome-wide analyses, as there currently are no significantly associated SNPs for anorexia nervosa and only three for educational attainment.

Autism spectrum disorder (ASD) is a highly heritable and heterogeneous group of neurodevelopmental phenotypes diagnosed in more than 1% of children. Common genetic variants contribute substantially to ASD susceptibility, but to date no individual variants have been robustly associated with ASD. With a marked sample-size increase from a unique Danish population resource, we report a genome-wide association meta-analysis of 18,381 individuals with ASD and 27,969 controls that identified five genome-wide-significant loci. Leveraging GWAS results from three phenotypes with significantly overlapping genetic architectures (schizophrenia, major depression, and educational attainment), we identified seven additional loci shared with other traits at equally strict significance levels. Dissecting the polygenic architecture, we found both quantitative and qualitative polygenic heterogeneity across ASD subtypes. These results highlight biological insights, particularly relating to neuronal function and corticogenesis, and establish that GWAS performed at scale will be much more productive in the near term in ASD. A genome-wide-association meta-analysis of 18,381 austim spectrum disorder (ASD) cases and 27,969 controls identifies five risk loci. The authors find quantitative and qualitative polygenic heterogeneity across ASD subtypes.

Analysis of de novo CNVs (dnCNVs) from the full Simons Simplex Collection (SSC) (N = 2,591 families) replicates prior findings of strong association with autism spectrum disorders (ASDs) and confirms six risk loci (1q21.1, 3q29, 7q11.23, 16p11.2, 15q11.2-13, and 22q11.2). The addition of published CNV data from the Autism Genome Project (AGP) and exome sequencing data from the SSC and the Autism Sequencing Consortium (ASC) shows that genes within small de novo deletions, but not within large dnCNVs, significantly overlap the high-effect risk genes identified by sequencing. Alternatively, large dnCNVs are found likely to contain multiple modest-effect risk genes. Overall, we find strong evidence that de novo mutations are associated with ASD apart from the risk for intellectual disability. Extending the transmission and de novo association test (TADA) to include small de novo deletions reveals 71 ASD risk loci, including 6 CNV regions (noted above) and 65 risk genes (FDR ≤ 0.1).

Mark Daly and colleagues present a statistical framework to evaluate the role of de novo mutations in human disease by calibrating a model of de novo mutation rates at the individual gene level. The mutation probabilities defined by their model and list of constrained genes can be used to help identify genetic variants that have a significant role in disease. Spontaneously arising (de novo) mutations have an important role in medical genetics. For diseases with extensive locus heterogeneity, such as autism spectrum disorders (ASDs), the signal from de novo mutations is distributed across many genes, making it difficult to distinguish disease-relevant mutations from background variation. Here we provide a statistical framework for the analysis of excesses in de novo mutation per gene and gene set by calibrating a model of de novo mutation. We applied this framework to de novo mutations collected from 1,078 ASD family trios, and, whereas we affirmed a significant role for loss-of-function mutations, we found no excess of de novo loss-of-function mutations in cases with IQ above 100, suggesting that the role of de novo mutations in ASDs might reside in fundamental neurodevelopmental processes. We also used our model to identify ∼1,000 genes that are significantly lacking in functional coding variation in non-ASD samples and are enriched for de novo loss-of-function mutations identified in ASD cases.

Genes overlap across psychiatric disease Many genome-wide studies have examined genes associated with a range of neuropsychiatric disorders. However, the degree to which the genetic underpinnings of these diseases differ or overlap is unknown. Gandal et al. performed meta-analyses of transcriptomic studies covering five major psychiatric disorders and compared cases and controls to identify coexpressed gene modules. From this, they found that some psychiatric disorders share global gene expression patterns. This overlap in polygenic traits in neuropsychiatric disorders may allow for better diagnosis and treatment. Science , this issue p. 693

Male preponderance in autistic behavioral impairment has been explained in terms of a hypothetical protective effect of female sex, yet little research has tested this hypothesis empirically. If females are protected, they should require greater etiologic load to manifest the same degree of impairment as males. The objective of this analysis was to examine whether greater familial etiologic load was associated with quantitative autistic impairments in females compared with males. Subjects included 3,842 dizygotic twin pairs from the Twins Early Development Study (TEDS) and 6,040 dizygotic twin pairs from the Child and Adolescent Twin Study of Sweden (CATSS). In both samples, we compared sibling autistic traits between female and male probands, who were identified as children scoring in the top 90th and 95th percentiles of the population autistic trait distributions. In both TEDS and CATSS, siblings of female probands above the 90th percentile had significantly more autistic impairments than the siblings of male probands above the 90th percentile. The siblings of female probands above the 90th percentile also had greater categorical recurrence risk in both TEDS and CATSS. Results were similar in probands above the 95th percentile. This finding, replicated across two nationally-representative samples, suggests that female sex protects girls from autistic impairments and that girls may require greater familial etiologic load to manifest the phenotype. It provides empirical support for the hypothesis of a female protective effect against autistic behavior and can be used to inform and interpret future gene finding efforts in autism spectrum disorders.

Autism spectrum disorder (ASD) risk is influenced by common polygenic and de novo variation. We aimed to clarify the influence of polygenic risk for ASD and to identify subgroups of ASD cases, including those with strongly acting de novo variants, in which polygenic risk is relevant. Using a novel approach called the polygenic transmission disequilibrium test and data from 6,454 families with a child with ASD, we show that polygenic risk for ASD, schizophrenia, and greater educational attainment is over-transmitted to children with ASD. These findings hold independent of proband IQ. We find that polygenic variation contributes additively to risk in ASD cases who carry a strongly acting de novo variant. Lastly, we show that elements of polygenic risk are independent and differ in their relationship with phenotype. These results confirm that the genetic influences on ASD are additive and suggest that they create risk through at least partially distinct etiologic pathways.

Elise Robinson, Mark Daly and colleagues present an analysis of genetic data from autism spectrum disorder (ASD) and population-based studies and find evidence for genetic correlations between ASDs and typical variation in social behavior and communication traits. These results may inform genetic models of ASDs and other neuropsychiatric disorders. Almost all genetic risk factors for autism spectrum disorders (ASDs) can be found in the general population, but the effects of this risk are unclear in people not ascertained for neuropsychiatric symptoms. Using several large ASD consortium and population-based resources (total n > 38,000), we find genome-wide genetic links between ASDs and typical variation in social behavior and adaptive functioning. This finding is evidenced through both LD score correlation and de novo variant analysis, indicating that multiple types of genetic risk for ASDs influence a continuum of behavioral and developmental traits, the severe tail of which can result in diagnosis with an ASD or other neuropsychiatric disorder. A continuum model should inform the design and interpretation of studies of neuropsychiatric disease biology.

Abstract Psychotic disorders including schizophrenia are commonly accompanied by cognitive deficits. Recent studies have reported negative genetic correlations between schizophrenia and indicators of cognitive ability such as general intelligence and processing speed. Here we compare the effect of the genetic risk of schizophrenia (PRS SCZ ) on measures that differ in their relationships with psychosis onset: a measure of current cognitive abilities (the Brief Assessment of Cognition in Schizophrenia, BACS) that is greatly reduced in psychosis patients; a measure of premorbid intelligence that is minimally affected by psychosis (the Wide-Range Achievement Test, WRAT); and educational attainment (EY), which covaries with both BACS and WRAT. Using genome-wide SNP data from 314 psychotic and 423 healthy research participants in the Bipolar-Schizophrenia Network for Intermediate Phenotypes (B-SNIP) Consortium, we investigated the association of PRS SCZ with BACS, WRAT and EY. Among apparently healthy individuals, greater genetic risk for schizophrenia (PRS SCZ ) was associated with lower BACS scores (r = −0.19, p = 1 × 10 −4 at P T = 1 × 10 −4 ) but did not associate with WRAT or EY, suggesting that these areas of cognition vary in their etiologic relationships with schizophrenia. Among individuals with psychosis, PRS SCZ did not associate with variation in cognitive performance. These findings suggest that the same cognitive abilities that are disrupted in psychotic disorders are also associated with schizophrenia genetic risk in the general population. Specific cognitive phenotypes, independent of education or general intelligence, could be more deeply studied for insight into the specific processes affected by the genetic influences on psychosis. Significance Psychotic disorders such as schizophrenia often involve profound cognitive deficits, the genetic underpinnings of which remain to be elucidated. Poor educational performance early in life is a well-known risk factor for future psychotic illness, potentially reflecting either shared genetic influences or other risk factors that are epidemiologically correlated. Here we show that, in apparently healthy individuals, common genetic risk factors for schizophrenia associate with lower performance in areas of cognition that are impaired in psychotic disorders but do not associate independently with educational attainment or more general measures of intelligence. These results suggest that specific cognitive phenotypes – independent of education or general intelligence – could be more deeply studied for insight into the processes affected by the genetic influences on psychosis.

Abstract Unknown SNP-to-gene regulatory architecture complicates efforts to link noncoding GWAS associations with genes implicated by sequencing or functional studies. eQTLs are used to link SNPs to genes, but expression in bulk tissue explains a small fraction of disease heritability. A simple but successful approach has been to link SNPs with nearby genes, but the fraction of heritability mediated by these genes is unclear, and gene-proximal (vs. gene-mediated) heritability enrichments are attenuated accordingly. We propose the Abstract Mediation Model (AMM) to estimate (1) the fraction of heritability mediated by the closest or k th -closest gene to each SNP and (2) the mediated heritability enrichment of a gene set (e.g. genes with rare-variant associations). AMM jointly estimates these quantities by matching the decay in SNP enrichment with distance from genes in the gene set. Across 47 complex traits and diseases, we estimate that the closest gene to each SNP mediates 27% (SE: 6%) of heritability, and that a substantial fraction is mediated by genes outside the ten closest. Mendelian disease genes are strongly enriched for common-variant heritability; for example, just 21 dyslipidemia genes mediate 25% of LDL heritability (211x enrichment, P = 0.01). Among brain-related traits, genes involved in neurodevelopmental disorders are only about 4x enriched, but gene expression patterns are highly informative, with detectable differences in per-gene heritability even among weakly brain-expressed genes.