ABSTRACT Common SNPs are predicted to collectively explain 40-50% of phenotypic variation in human height, but identifying the specific variants and associated regions requires huge sample sizes. Here we show, using GWAS data from 5.4 million individuals of diverse ancestries, that 12,111 independent SNPs that are significantly associated with height account for nearly all of the common SNP-based heritability. These SNPs are clustered within 7,209 non-overlapping genomic segments with a median size of ~90 kb, covering ~21% of the genome. The density of independent associations varies across the genome and the regions of elevated density are enriched for biologically relevant genes. In out-of-sample estimation and prediction, the 12,111 SNPs account for 40% of phenotypic variance in European ancestry populations but only ~10%-20% in other ancestries. Effect sizes, associated regions, and gene prioritization are similar across ancestries, indicating that reduced prediction accuracy is likely explained by linkage disequilibrium and allele frequency differences within associated regions. Finally, we show that the relevant biological pathways are detectable with smaller sample sizes than needed to implicate causal genes and variants. Overall, this study, the largest GWAS to date, provides an unprecedented saturated map of specific genomic regions containing the vast majority of common height-associated variants.

Abstract Individuals with psychiatric disorders perform differently in school compared to the general population. Genetic factors contribute substantially to such differences. It is however unclear if differential performance is seen across all cognitive domains such as math and language. Here we report a genome-wide association study (GWAS) of school grades in 30,982 individuals (18,495 with and 12,487 without one or more of six major psychiatric disorders) and a replication study in 4,547 individuals. GWAS of overall school performance yielded results that were highly similar to the results of a previous GWAS of educational attainment. Analyzing subject specific grades, we observed that math performance was severely affected whereas language performance (Danish and English) was relatively unaffected or enhanced in those with psychiatric disorders compared to controls. We found that the genetic variants associated with poor math performance, but better language performance were also associated with increased risk for multiple psychiatric disorders. The same variants were also associated with creativity, which we show through a polygenic score analysis of 2953 creative professionals and 164,622 controls. The results overall suggest that risk for psychiatric disorders, language ability and creativity might have overlapping genetic roots.

Introductory paragraph Cannabis is the most frequently used illicit psychoactive substance worldwide 1 . Life time use has been reported among 35-40% of adults in Denmark 2 and the United States 3 . Cannabis use is increasing in the population 4–6 and among users around 9% become dependent 7 . The genetic risk component is high with heritability estimates of 51 8 –70% 9 . Here we report the first genome-wide significant risk locus for cannabis use disorder (CUD, P=9.31×10 −12 ) that replicates in an independent population (P replication =3.27×10 −3 , P metaanalysis =9.09×10 −12 ). The finding is based on a genome-wide association study (GWAS) of 2,387 cases and 48,985 controls followed by replication in 5,501 cases and 301,041 controls. The index SNP (rs56372821) is a strong eQTL for CHRNA2 and analyses of the genetic regulated gene expressions identified significant association of CHRNA2 expression in cerebellum with CUD. This indicates a potential therapeutic use in CUD of compounds with agonistic effect on the neuronal acetylcholine receptor alpha-2 subunit encoded by CHRNA2 . At the polygenic level analyses revealed a significant decrease in the risk of CUD with increased load of variants associated with cognitive performance.

Abstract Mitochondria play a significant role in human diseases. However, disease associations with mitochondrial DNA (mtDNA) SNPs have proven difficult to replicate. A reanalysis of eight schizophrenia-associated mtDNA SNPs, in 23,743 normal Danes and 2,538 schizophrenia patients, revealed marked inter-allelic differences in haplogroup affiliation and nuclear ancestry, genogeophraphic affinity (GGA). This bi-genomic linkage disequilibrium (2GLD) could entail population stratification. Only two mitochondrial SNPs, m. 15043A and m. 15218G, were significantly associated with schizophrenia. However, these associations disappeared when corrected for haplogroup affiliation. The extensive 2GLD documented is a major concern when interpreting historic as well as designing future mtDNA association studies.

Importance Recurrent copy number variants (rCNVs) have been associated with increased risk of psychiatric disorders in case-control studies, but their population-level impact is unknown. Objective To provide unbiased population-based estimates of prevalence and risk associated with psychiatric disorders for rCNVs and to compare risks across outcomes, rCNV dosage type (deletions or duplications), and locus features. Design, Setting, and Participants This genetic association study is an analysis of data from the Lundbeck Foundation Initiative for Integrative Psychiatric Research (iPSYCH) case-cohort sample of individuals born in Denmark in 1981-2008 and followed up until 2015, including (1) all individuals (n = 92 531) with a hospital discharge diagnosis of attention-deficit/hyperactivity disorder (ADHD), autism spectrum disorder (ASD), bipolar disorder, major depressive disorder (MDD), or schizophrenia spectrum disorder (SSD) and (2) a subcohort (n = 50 625) randomly drawn from the source population. Data were analyzed from January 2021 to August 2023. Exposures Carrier status of deletions and duplications at 27 autosomal rCNV loci was determined from neonatal blood samples genotyped on single-nucleotide variant microarrays. Main Outcomes and Measures Population-based rCNV prevalence was estimated with a survey model using finite population correction to account for oversampling of cases. Hazard ratio (HR) estimates and 95% CIs for psychiatric disorders were derived using weighted Cox proportional hazard models. Risks were compared across outcomes, dosage type, and locus features using generalized estimating equation models. Results A total of 3547 rCNVs were identified in 64 735 individuals assigned male at birth (53.8%) and 55 512 individuals assigned female at birth (46.2%) whose age at the end of follow-up ranged from 7.0 to 34.7 years (mean, 21.8 years). Most observed increases in rCNV-associated risk for ADHD, ASD, or SSD were moderate, and risk estimates were highly correlated across these disorders. Notable exceptions included high ASD-associated risk observed for Prader-Willi/Angelman syndrome duplications (HR, 20.8; 95% CI, 7.9-55). No rCNV was associated with increased MDD risk. Also, rCNV-associated risk was positively correlated with locus size and gene constraint but not with dosage type. Comparison with published case-control and community-based studies revealed a higher prevalence of deletions and lower associated increase in risk for several rCNVs in iPSYCH2015. Conclusions and Relevance This study found that several rCNVs were more prevalent and conferred less risk of psychiatric disorders than estimated previously. Most case-control studies overestimate rCNV-associated risk of psychiatric disorders, likely because of selection bias. In an era where genetics is increasingly being clinically applied, these results highlight the importance of population-based risk estimates for genetics-based predictions.

Abstract Stratified medicine holds great promise to tailor treatment to the needs of individual patients. While genetics holds great potential to aid patient stratification, it remains a major challenge to operationalize complex genetic risk factor profiles to deconstruct clinical heterogeneity. Contemporary approaches to this problem rely on polygenic risk scores (PRS), which provide only limited clinical utility and lack a clear biological foundation. To overcome these limitations, we develop the CASTom-iGEx approach to stratify individuals based on the aggregated impact of their genetic risk factor profiles on tissue specific gene expression levels. The paradigmatic application of this approach to coronary artery disease or schizophrenia patient cohorts identified diverse strata or biotypes. These biotypes are characterized by distinct endophenotype profiles as well as clinical parameters and are fundamentally distinct from PRS based groupings. In stark contrast to the latter, the CASTom-iGEx strategy discovers biologically meaningful and clinically actionable patient subgroups, where complex genetic liabilities are not randomly distributed across individuals but rather converge onto distinct disease relevant biological processes. These results support the notion of different patient biotypes characterized by partially distinct pathomechanisms. Thus, the universally applicable approach presented here has the potential to constitute an important component of future personalized medicine paradigms.

Abstract Sample recruitment for research consortia, hospitals, biobanks, and personal genomics companies span years, necessitating genotyping in batches, using different technologies. As marker content on genotyping arrays varies systematically, integrating such datasets is non-trivial and its impact on haplotype estimation (phasing) and whole genome imputation, necessary steps for complex trait analysis, remains under-evaluated. Using the iPSYCH consortium dataset, comprising 130,438 individuals, genotyped in two stages, on different arrays, we evaluated phasing and imputation performance across multiple phasing methods and data integration protocols. While phasing accuracy varied both by choice of method and data integration protocol, imputation accuracy varied mostly between data integration protocols. We demonstrate an attenuation in imputation accuracy within samples of non-European origin, highlighting challenges to studying complex traits in diverse populations. Finally, imputation errors can modestly bias association tests and reduce predictive utility of polygenic scores. This is the largest, most comprehensive comparison of data integration approaches in the context of a large psychiatric biobank.

Major depressive disorder (MDD) and cardiovascular disease (CVD) are often comorbid, resulting in excess morbidity and mortality. Here we show that CVDs share most of their genetic risk factors with MDD. Multivariate genome-wide association analysis of shared genetic liability between MDD and atherosclerotic CVD revealed seven loci and distinct patterns of tissue and brain cell-type enrichments, suggesting the involvement of the thalamus. Part of the genetic overlap was explained by shared inflammatory, metabolic and psychosocial or lifestyle risk factors. Our data indicated causal effects of genetic liability to MDD on CVD risk, but not from most CVDs to MDD, and showed that the causal effects were partly explained by metabolic and psychosocial or lifestyle factors. The distinct signature of MDD-atherosclerotic CVD comorbidity suggests an immunometabolic subtype of MDD that is more strongly associated with CVD than overall MDD. In summary, we identified biological mechanisms underlying MDD-CVD comorbidity and modifiable risk factors for prevention of CVD in individuals with MDD.

Anxiety disorders are common, complex psychiatric disorders with twin heritabilities of 30-60%. We conducted a genome-wide association study of Lifetime Anxiety Disorder (n = 83 565) and an additional Current Anxiety Symptoms (n= 77 125) analysis. The liability scale common variant heritability estimate for Lifetime Anxiety Disorder was 26%, and for Current Anxiety Symptoms was 31%. Five novel genome-wide significant loci were identified including an intergenic region on chromosome 9 that has previously been associated with neuroticism, and a locus overlapping the BDNF receptor gene, NTRK2 . Anxiety showed significant genetic correlations with depression and insomnia as well as coronary artery disease, mirroring findings from epidemiological studies. We conclude that common genetic variation accounts for a substantive proportion of the genetic architecture underlying anxiety.

The Psychiatric Genomics Consortium (PGC) is the largest consortium in the history of psychiatry. In the past decade, this global effort has delivered a rapidly increasing flow of new knowledge about the fundamental basis of common psychiatric disorders, particularly given its dedication to rapid progress and open science. The PGC has recently commenced a program of research designed to deliver “actionable” findings - genomic results that (a) reveal the fundamental biology, (b) inform clinical practice, and (c) deliver new therapeutic targets. This is the central idea of the PGC: to convert the family history risk factor into biologically, clinically, and therapeutically meaningful insights. The emerging findings suggest that we are entering into a phase of accelerated translation of genetic discoveries to impact psychiatric practice within a precision medicine framework.