Importance

 Selecting effective antidepressants for the treatment of major depressive disorder (MDD) is an imprecise practice, with remission rates of about 30% at the initial treatment. 

Objective

 To determine whether pharmacogenomic testing affects antidepressant medication selection and whether such testing leads to better clinical outcomes. 

Design, Setting, and Participants

 A pragmatic, randomized clinical trial that compared treatment guided by pharmacogenomic testing vs usual care. Participants included 676 clinicians and 1944 patients. Participants were enrolled from 22 Department of Veterans Affairs medical centers from July 2017 through February 2021, with follow-up ending November 2021. Eligible patients were those with MDD who were initiating or switching treatment with a single antidepressant. Exclusion criteria included an active substance use disorder, mania, psychosis, or concurrent treatment with a specified list of medications. 

Interventions

 Results from a commercial pharmacogenomic test were given to clinicians in the pharmacogenomic-guided group (n = 966). The comparison group received usual care and access to pharmacogenomic results after 24 weeks (n = 978). 

Main Outcomes and Measures

 The co–primary outcomes were the proportion of prescriptions with a predicted drug-gene interaction written in the 30 days after randomization and remission of depressive symptoms as measured by the Patient Health Questionnaire–9 (PHQ-9) (remission was defined as PHQ-9 ≤ 5). Remission was analyzed as a repeated measure across 24 weeks by blinded raters. 

Results

 Among 1944 patients who were randomized (mean age, 48 years; 491 women [25%]), 1541 (79%) completed the 24-week assessment. The estimated risks for receiving an antidepressant with none, moderate, and substantial drug-gene interactions for the pharmacogenomic-guided group were 59.3%, 30.0%, and 10.7% compared with 25.7%, 54.6%, and 19.7% in the usual care group. The pharmacogenomic-guided group was more likely to receive a medication with a lower potential drug-gene interaction for no drug-gene vs moderate/substantial interaction (odds ratio [OR], 4.32 [95% CI, 3.47 to 5.39];P < .001) and no/moderate vs substantial interaction (OR, 2.08 [95% CI, 1.52 to 2.84];P = .005) (P < .001 for overall comparison). Remission rates over 24 weeks were higher among patients whose care was guided by pharmacogenomic testing than those in usual care (OR, 1.28 [95% CI, 1.05 to 1.57];P = .02; risk difference, 2.8% [95% CI, 0.6% to 5.1%]) but were not significantly higher at week 24 when 130 patients in the pharmacogenomic-guided group and 126 patients in the usual care group were in remission (estimated risk difference, 1.5% [95% CI, −2.4% to 5.3%];P = .45). 

Conclusions and Relevance

 Among patients with MDD, provision of pharmacogenomic testing for drug-gene interactions reduced prescription of medications with predicted drug-gene interactions compared with usual care. Provision of test results had small nonpersistent effects on symptom remission. 

Trial Registration

 ClinicalTrials.gov Identifier:NCT03170362

Genetic influences on psychiatric disorders transcend diagnostic boundaries, suggesting substantial pleiotropy of contributing loci. However, the nature and mechanisms of these pleiotropic effects remain unclear. We performed a meta-analysis of 232,964 cases and 494,162 controls from genome-wide studies of anorexia nervosa, attention-deficit/hyperactivity disorder, autism spectrum disorder, bipolar disorder, major depression, obsessive-compulsive disorder, schizophrenia, and Tourette syndrome. Genetic correlation analyses revealed a meaningful structure within the eight disorders identifying three groups of inter-related disorders. We detected 109 loci associated with at least two psychiatric disorders, including 23 loci with pleiotropic effects on four or more disorders and 11 loci with antagonistic effects on multiple disorders. The pleiotropic loci are located within genes that show heightened expression in the brain throughout the lifespan, beginning in the second trimester prenatally, and play prominent roles in a suite of neurodevelopmental processes. These findings have important implications for psychiatric nosology, drug development, and risk prediction.

The Million Veteran Program (MVP), initiated by the Department of Veterans Affairs (VA), aims to collect consented biosamples from at least one million Veterans. Presently, blood samples have been collected from over 800,000 enrolled participants. The size and diversity of the MVP cohort, as well as the availability of extensive VA electronic health records make it a promising resource for precision medicine. MVP is conducting array-based genotyping to provide genome-wide scan of the entire cohort, in parallel with whole genome sequencing, methylation, and other omics assays. Here, we present the design and performance of MVP 1.0 custom Axiom array, which was designed and developed as a single assay to be used across the multi-ethnic MVP cohort. A unified genetic quality control analysis was developed and conducted on an initial tranche of 485,856 individuals leading to a high-quality dataset of 459,777 unique individuals. 668,418 genetic markers passed quality control and showed high quality genotypes not only on common variants but also on rare variants. We confirmed the substantial ancestral diversity of MVP with nearly 30% non-European individuals, surpassing other large biobanks. We also demonstrated the quality of the MVP dataset by replicating established genetic associations with height in European Americans and African Americans ancestries. This current data set has been made available to approved MVP researchers for genome-wide association studies and other downstream analyses. Further data releases will be available for analysis as recruitment at the VA continues and the cohort expands both in size and diversity.

Cannabis use is a heritable trait [1] that has been associated with adverse mental health outcomes. To identify risk variants and improve our knowledge of the genetic etiology of cannabis use, we performed the largest genome-wide association study (GWAS) meta-analysis for lifetime cannabis use (N=184,765) to date. We identified 4 independent loci containing genome-wide significant SNP associations. Gene-based tests revealed 29 genome-wide significant genes located in these 4 loci and 8 additional regions. All SNPs combined explained 10% of the variance in lifetime cannabis use. The most significantly associated gene, CADM2, has previously been associated with substance use and risk-taking phenotypes [2-4]. We used S-PrediXcan to explore gene expression levels and found 11 unique eGenes. LD-score regression uncovered genetic correlations with smoking, alcohol use and mental health outcomes, including schizophrenia and bipolar disorder. Mendelian randomisation analysis provided evidence for a causal positive influence of schizophrenia risk on lifetime cannabis use.

We used GWAS in the Million Veteran Program sample (nearly 200,000 informative individuals) using a continuous trait for anxiety (GAD-2) to identify 5 genome-wide significant (GWS) signals for European Americans (EA) and 1 for African Americans. The strongest findings were on chromosome 3 (rs4603973, p=7.40×10-11) near the SATB1 locus, a global regulator of gene expression and on chromosome 6 (rs6557168, p=1.04×10-9) near ESR1 which encodes estrogen receptor &alpha. A locus identified on chromosome 7 near MAD1L1 (p=1.62×10-8) has been previously identified in GWAS of bipolar disorder and of schizophrenia and may represent a risk factor for psychiatric disorders broadly. SNP-based heritability was estimated to be ~6% for GAD-2. We also GWASed for self-reported anxiety disorder diagnoses (N=224,330) and identified two GWS loci, one (rs35546597, MAF=0.42, p=1.88×10-8) near the AURKB locus, and the other (rs10534613, MAF=0.41, p=4.92×10-8) near the IQCHE and MAD1L1 locus identified in the GAD-2 analysis. We demonstrate reproducibility by replicating our top findings in the summary statistics from the Anxiety NeuroGenetics Study (ANGST) and a UK Biobank neuroticism GWAS. We also replicated top findings from a large UK Biobank preprint, demonstrating stability of GWAS findings in complex traits once sufficient power is attained. Finally, we found evidence of significant genetic overlap between anxiety and major depression using polygenic risk scores, but also found that the main anxiety signals are independent of those for MDD. This work presents novel insights into the neurobiological risk underpinning anxiety and related psychiatric disorders.

Background: Despite established clinical associations among major depression (MD), alcohol dependence (AD), and alcohol consumption (AC), the nature of the causal relationship between them is not completely understood. Methods: This study was conducted using genome-wide data from the Psychiatric Genomics Consortium (MD: 135,458 cases and 344,901 controls; AD: 10,206 cases and 28,480 controls) and UK Biobank (AC-Frequency: from 'daily or almost daily' to 'never', 438,308 individuals; AC-Quantity: total units of alcohol per week, 307,098 individuals). Linkage disequilibrium score regression and Mendelian Randomization (MR) analyses were applied to investigate shared genetic mechanisms (horizontal pleiotropy) and causal relationships (mediated pleiotropy) among these traits. Outcomes: Positive genetic correlation was observed between MD and AD (rgMD-AD=+0.47, P=6.6x10-10). AC-Quantity showed positive genetic correlation with both AD (rgAD-AC-Quantity=+0.75, P=1.8x10-14) and MD (rgMD-AC-Quantity=+0.14, P=2.9x10-7), while there was negative correlation of AC-Frequency with MD (rgMD-AC-Frequency=-0.17, P=1.5x10-10) and a non-significant result with AD. MR analyses confirmed the presence of pleiotropy among these traits. However, the MD-AD results reflect a mediated-pleiotropy mechanism (i.e., causal relationship) with a causal role of MD on AD (beta=0.28, P=1.29x10-6) that does not appear to be biased by confounding such as horizontal pleiotropy. No evidence of reverse causation was observed as the AD genetic instrument did not show a causal effect on MD. Interpretation: Results support a causal role for MD on AD based on genetic datasets including thousands of individuals. Understanding mechanisms underlying MD-AD comorbidity not only addresses important public health concerns but also has the potential to facilitate prevention and intervention efforts.

Cigarette smoking is the leading cause of preventable morbidity and mortality. Knowledge is evolving on genetics underlying initiation, regular smoking, nicotine dependence (ND), and cessation. We performed a genome-wide association study using the Fagerström Test for ND (FTND) in 58,000 smokers of European or African ancestry. Five genome-wide significant loci, including two novel loci MAGI2/GNAI1 (rs2714700) and TENM2 (rs1862416) were identified, and loci reported for other smoking traits were extended to ND. Using the heaviness of smoking index (HSI) in the UK Biobank (N=33,791), rs2714700 was consistently associated, but rs1862416 was not associated, likely reflecting ND features not captured by the HSI. Both variants were cis-eQTLs (rs2714700 for MAGI2-AS3 in hippocampus, rs1862416 for TENM2 in lung), and expression of genes spanning ND-associated variants was enriched in cerebellum. SNP-based heritability of ND was 8.6%, and ND was genetically correlated with 13 other smoking traits (rg=0.40-0.95) and co-morbid diseases. Our results emphasize the FTND as a composite phenotype that expands genetic knowledge of smoking, including loci specific to ND.

Epidemiological observations and molecular-level experiments have indicated that brain disorders in the realm of psychiatry may be influenced by immune dysregulation. However, the degree of genetic overlap between immune disorders and psychiatric disorders has not been well established. We investigated this issue by integrative analysis of genome-wide association studies (GWAS) of 18 complex human traits/diseases (five psychiatric disorders, seven autoimmune disorders, and others) and multiple genome-wide annotation resources (Central nervous system genes, immune-related expression-quantitative trait loci (eQTL) and DNase I hypertensive sites from 98 cell-lines). We detected pleiotropy in 24 of the 35 psychiatric-autoimmune disorder pairs, with statistical significance as strong as p=3.9e-285 (schizophrenia-rheumatoid arthritis). Strong enrichment (>1.4 fold) of immune-related eQTL was observed in four psychiatric disorders. Genomic regions responsible for pleiotropy between psychiatric disorders and autoimmune disorders were detected. The MHC region on chromosome 6 appears to be the most important (and it was indeed previously noted (1-3) as a confluence between schizophrenia and immune disorder risk regions), with many other regions, such as cytoband 1p13.2. We also found that most alleles shared between schizophrenia and Crohn's disease have the same effect direction, with similar trend found for other disorder pairs, such as bipolar-Crohn's disease. Our results offer a novel bird's-eye view of the genetic relationship and demonstrate strong evidence for mediated pleiotropy between psychiatric disorders and autoimmune disorders. Our findings might open new routes for prevention and treatment strategies for these disorders based on a new appreciation of the importance of immunological mechanisms in mediating risk.

Objectives: To investigate the genetic overlap and causal relationship between posttraumatic stress disorder (PTSD) and traits related to educational attainment. Design: Genetic correlation, polygenic risk scoring, and causal inference via multivariable Mendelian randomization (MR). Setting: Psychiatric Genomics Consortium for PTSD, UK Biobank, 23andMe, and Social Science Genetic Association Consortium. Participants: 23,185 PTSD cases and 151,309 controls; up to 1,131,881 individuals assessed for educational attainment and related traits. Main outcome measures: Genetic correlation obtained from linkage disequilibrium score regression, phenotypic variance explained by polygenic risk scores, and casual effects (beta values) estimated with MR. Results: PTSD showed strong negative genetic correlations with educational attainment (EdAtt; rg=−0.26, p=4.6x10−8). PRS based on genome-wide significant variants associated with EdAtt significantly predicted PTSD (p=6.16x10−4), but PRS based on variants associated with PTSD did not predict EdAtt (p>0.05). MR analysis indicated that EdAtt has negative causal effects on PTSD (beta=−0.23, p=0.004). Investigating potential mediators of the EdAtt-PTSD relationship, we observed that propensity for trauma exposure and risk-taking behaviors are risk factors for PTSD independently from EdAtt (beta = 0.36, p = 2.57x10−5 and beta = 0.76, p = 6.75x10−4, respectively), while income fully mediates the causal effect of EdAtt on PSTD (MR: Income beta = −0.18, p =0.001; EdAtt beta =−0.23, p=0.004; multivariable MR: Income beta = −0.32, p = 0.017; EdAtt beta = −0.04, p = 0.786). Conclusions: We report novel findings based on large-scale datasets regarding the relationship between educational attainment and PTSD, supporting the role of economic status as the key mediator in the causal relationship observed.

Attention-Deficit/Hyperactivity Disorder (ADHD) is a highly heritable childhood behavioral disorder affecting 5% of school-age children and 2.5% of adults. Common genetic variants contribute substantially to ADHD susceptibility, but no individual variants have been robustly associated with ADHD. We report a genome-wide association meta-analysis of 20,183 ADHD cases and 35,191 controls that identifies variants surpassing genome-wide significance in 12 independent loci, revealing new and important information on the underlying biology of ADHD. Associations are enriched in evolutionarily constrained genomic regions and loss-of-function intolerant genes, as well as around brain-expressed regulatory marks. These findings, based on clinical interviews and/or medical records are supported by additional analyses of a self-reported ADHD sample and a study of quantitative measures of ADHD symptoms in the population. Meta-analyzing these data with our primary scan yielded a total of 16 genome-wide significant loci. The results support the hypothesis that clinical diagnosis of ADHD is an extreme expression of one or more continuous heritable traits.