Abstract Psychiatric disorders exact immense human and economic tolls in societies globally. Underlying many of these disorders is a complex repertoire of genomic variants that influence the expression of genes involved in pathways and processes in the brain. Identifying such variants and their associated brain functions is thus essential for understanding the molecular underpinnings of psychiatric disorders. Genome-wide association studies (GWASes) have provided many variants associated with these disorders; however, our knowledge of the precise biological mechanisms by which these contribute to disease remains limited. In connection with this, expression quantitative trait loci (eQTLs) have provided useful information linking variants to genes and functions. However, most eQTL studies on human brain have focused exclusively on cis-eQTLs. A complete understanding of disease etiology should also include trans-regulatory mechanisms. Thus, we conduct one of the first genome-wide surveys of trans-eQTLs in the dorsolateral prefrontal cortex (DLPFC) by leveraging the large datasets from the PsychENCODE consortium. We identified ∼80,000 trans-eQTLs. We found that a significant number of these overlap with cis-eQTLs, thereby implicating cis-mediators as key players in trans-acting regulation. We show, furthermore, that trans-regulatory mechanisms provide novel insights into psychiatric disease. Particularly, colocalization analysis between trans-eQTLs and schizophrenia (SCZ) GWAS loci identified 90 novel SCZ risk genes and 23 GWAS loci previously uncharacterized by cis-eQTLs. Moreover, these 90 genes tend to be more central in transcriptome-wide co-expression networks and more susceptible to rare variants than SCZ-risk genes associated by cis-variation.

Abstract Cigarette smoking and alcohol use are among the most prevalent substances used worldwide and account for a substantial proportion of preventable morbidity and mortality, underscoring the public health significance of understanding their etiology. Genome-wide association studies (GWAS) have successfully identified genetic variants associated with cigarette smoking and alcohol use traits. However, the vast majority of risk variants reside in non-coding regions of the genome, and their target genes and neurobiological mechanisms are unknown. Chromosomal conformation mappings can address this knowledge gap by charting the interaction profiles of risk-associated regulatory variants with target genes. To investigate the functional impact of common variants associated with cigarette smoking and alcohol use traits, we applied Hi-C coupled MAGMA (H-MAGMA) built upon cortical and midbrain dopaminergic neuronal Hi-C datasets to GWAS summary statistics of nicotine dependence, cigarettes per day, problematic alcohol use, and drinks per week. The identified risk genes mapped to key pathways associated with cigarette smoking and alcohol use traits, including drug metabolic processes and neuronal apoptosis. Risk genes were highly expressed in cortical glutamatergic, midbrain dopaminergic, GABAergic, and serotonergic neurons, suggesting them as relevant cell types in understanding the mechanisms by which genetic risk factors influence cigarette smoking and alcohol use. Lastly, we identified pleiotropic genes between cigarette smoking and alcohol use traits under the assumption that they may reveal substance-agnostic, shared neurobiological mechanisms of addiction. The number of pleiotropic genes was ∼26-fold higher in dopaminergic neurons than in cortical neurons, emphasizing the critical role of ascending dopaminergic pathways in mediating general addiction phenotypes. Collectively, brain region- and neuronal subtype-specific 3D genome architecture refines neurobiological hypotheses for smoking, alcohol, and general addiction phenotypes by linking genetic risk factors to their target genes.

Abstract Recent successes in genome-wide association studies (GWASs) make it possible to address important questions about the genetic architecture of complex traits, such as allele frequency and effect size. One lesser-known aspect of complex traits is the extent of allelic heterogeneity (AH) arising from multiple causal variants at a locus. We developed a computational method to infer the probability of AH and applied it to three GWAS and four expression quantitative trait loci (eQTL) datasets. We identified a total of 4152 loci with strong evidence of AH. The proportion of all loci with identified AH is 4-23% in eQTLs, 35% in GWAS of High-Density Lipoprotein (HDL), and 23% in schizophrenia. For eQTLs, we observed a strong correlation between sample size and the proportion of loci with AH ( R 2 =0.85, P = 2.2e-16), indicating that statistical power prevents identification of AH in other loci. Understanding the extent of AH may guide the development of new methods for fine mapping and association mapping of complex traits.

Abstract Our understanding of the genetic architecture of the human cerebral cortex is limited both in terms of the diversity of brain structural phenotypes and the anatomical granularity of their associations with genetic variants. Here, we conducted genome-wide association meta-analysis of 13 structural and diffusion magnetic resonance imaging derived cortical phenotypes, measured globally and at 180 bilaterally averaged regions in 36,843 individuals from the UK Biobank and the ABCD cohorts. These phenotypes include cortical thickness, surface area, grey matter volume, and measures of folding, neurite density, and water diffusion. We identified 4,349 experiment-wide significant loci associated with global and regional phenotypes. Multiple lines of analyses identified four genetic latent structures and causal relationships between surface area and some measures of cortical folding. These latent structures partly relate to different underlying gene expression trajectories during development and are enriched for different cell types. We also identified differential enrichment for neurodevelopmental and constrained genes and demonstrate that common genetic variants associated with surface area and volume specifically are associated with cephalic disorders. Finally, we identified complex inter-phenotype and inter-regional genetic relationships among the 13 phenotypes which reflect developmental differences among them. These analyses help refine the role of common genetic variants in human cortical development and organisation. One sentence summary GWAS of 2,347 neuroimaging phenotypes shed light on the global and regional genetic organisation of the cortex, underlying cellular and developmental processes, and links to neurodevelopmental and cephalic disorders.

Single-cell genomics is a powerful tool for studying heterogeneous tissues such as the brain. Yet, little is understood about how genetic variants influence cell-level gene expression. Addressing this, we uniformly processed single-nuclei, multi-omics datasets into a resource comprising >2.8M nuclei from the prefrontal cortex across 388 individuals. For 28 cell types, we assessed population-level variation in expression and chromatin across gene families and drug targets. We identified >550K cell-type-specific regulatory elements and >1.4M single-cell expression-quantitative-trait loci, which we used to build cell-type regulatory and cell-to-cell communication networks. These networks manifest cellular changes in aging and neuropsychiatric disorders. We further constructed an integrative model accurately imputing single-cell expression and simulating perturbations; the model prioritized ~250 disease-risk genes and drug targets with associated cell types.

SUMMARY To infer potential causal relationships between 3D chromatin structure, enhancers, and gene transcription, we mapped each feature in a genome-wide fashion across eight narrowly-spaced timepoints of macrophage activation. Enhancers and genes connected by loops exhibited stronger correlations between histone H3K27 acetylation and expression than can be explained by genomic distance or physical proximity alone. Changes in acetylation at looped distal enhancers preceded changes in gene expression. Changes in gene expression exhibit a directional bias at differential loop anchors; gained loops are associated with increased expression of genes oriented away from the center of the loop, while lost loops were often accompanied by high levels of transcription with the loop boundaries themselves. Taken together, these results are consistent with a reciprocal relationship in which loops can facilitate increased transcription by connecting promoters to distal enhancers while high levels of transcription can impede loop formation. HIGHLIGHTS LPS + IFNγ triggers genome-wide changes in chromatin looping, enhancer acetylation, and gene expression Looped enhancer-promoter pairs exhibit ordered and correlated changes in acetylation and expression Changes in gene expression exhibit a directional bias at differential loop anchors Lost loops are associated with high levels of transcription within loop boundaries

There is mounting evidence that seemingly diverse psychiatric disorders share genetic etiology, but the biological substrates mediating this overlap are not well characterized. Here, we leverage the unique iPSYCH study, a nationally representative cohort ascertained through clinical psychiatric diagnoses indicated in Danish national health registers. We confirm previous reports of individual and cross-disorder SNP-heritability for major psychiatric disorders and perform a cross-disorder genome-wide association study. We identify four novel genome-wide significant loci encompassing variants predicted to regulate genes expressed in radial glia and interneurons in the developing neocortex during midgestation. This epoch is supported by partitioning cross-disorder SNP-heritability which is enriched at regulatory chromatin active during fetal neurodevelopment. These findings indicate that dysregulation of genes that direct neurodevelopment by common genetic variants results in general liability for many later psychiatric outcomes.

Abstract Hi-C coupled multimarker analysis of genomic annotation (H-MAGMA) was initially developed to advance MAGMA by assigning non-coding SNPs to their cognate genes based on threedimensional chromatin architecture. Yurko and colleagues raised concerns that the SNP-wise mean gene-analysis model of MAGMA may allow inflation in type I errors. Accordingly, we updated MAGMA and found that the updated version (MAGMA v.1.08) effectively controls for error rate inflation. Intrigued by this result, H-MAGMA was also updated by implementing MAGMA v.1.08. As expected, H-MAGMA v.1.08 detected a smaller set of risk genes than its original version (v.1.07), but the overall statistical architecture remained largely unchanged between v.1.07 and v.1.08. H-MAGMA v.1.08 was then applied to genome-wide association studies (GWAS) of five psychiatric disorders, from which we recapitulated our previous findings that psychiatric disorder risk genes display neuronal and prenatal enrichment. Therefore, issues raised by Yurko and colleagues can be overcome by using (H-)MAGMA v.1.08.

Abstract Cellular heterogeneity in the human brain obscures the identification of robust cellular regulatory networks. Here we integrated genome-wide chromosome conformation in purified neurons and glia with transcriptomic and enhancer profiles to build the gene regulatory landscape of two major cell classes in the human brain. Within glutamatergic and GABAergic neurons, we were able to link enhancers to their cognate genes via neuronal chromatin interaction profiles. These cell-type-specific regulatory landscapes were then leveraged to gain insight into the cellular etiology of several brain disorders. We found that Alzheimer’s disease (AD)-associated epigenetic dysregulation was linked to neurons and oligodendrocytes, whereas genetic risk factors for AD highlighted microglia as a central cell type, suggesting that different cell types may confer risk to the disease via different genetic mechanisms. Moreover, neuronal subtype-specific annotation of genetic risk factors for schizophrenia and bipolar disorder identified shared (parvalbumin-expressing interneurons) and distinct cellular etiology (upper layer neurons for bipolar and deeper layer projection neurons for schizophrenia) between these two closely related psychiatric illnesses. Collectively, these findings shed new light on cell-type-specific gene regulatory networks in brain disorders.

De novo mutations in hundreds of different genes collectively cause 25-42% of severe developmental disorders (DD). The cause in the remaining cases is largely unknown. The role of de novo mutations in regulatory elements affecting known DD-associated genes or other genes is essentially unexplored. We identified de novo mutations in three classes of putative regulatory elements in almost 8,000 DD patients. Here we show that de novo mutations in highly conserved fetal-brain active elements are significantly and specifically enriched in neurodevelopmental disorders. We identified a significant two-fold enrichment of recurrently mutated elements. We estimate that, genome-wide, de novo mutations in fetal-brain active elements are likely to be causal for 1-3% of patients without a diagnostic coding variant and that only a small fraction (<2%) of de novo mutations in these elements are pathogenic. Our findings represent a robust estimate of the contribution of de novo mutations in regulatory elements to this genetically heterogeneous set of disorders, and emphasise the importance of combining functional and evolutionary evidence to delineate regulatory causes of genetic disorders.