Abstract The “antidepressant efficacy” survey (AES) was deployed to > 50,000 23andMe, Inc. research participants to investigate the genetic basis of treatment-resistant depression (TRD) and non-treatment-resistant depression (NTRD). Genome-wide association studies (GWAS) were performed, including TRD vs. NTRD, selective serotonin reuptake inhibitor (SSRI) responders vs. non-responders, serotonin-norepinephrine reuptake inhibitor (SNRI) responders vs. non-responders, and norepinephrine-dopamine reuptake inhibitor responders vs. non-responders. Only the SSRI association reached the genome-wide significance threshold ( p < 5 × 10 −8 ): one genomic region in RNF219-AS1 (SNP rs4884091, p = 2.42 × 10 −8 , OR = 1.21); this association was also observed in the meta-analysis (13,130 responders vs. 6,610 non-responders) of AES and an earlier “antidepressant efficacy and side effects” survey (AESES) cohort. Meta-analysis for SNRI response phenotype derived from AES and AESES (4030 responders vs. 3049 non-responders) identified another genomic region (lead SNP rs4955665, p = 1.62 × 10 −9 , OR = 1.25) in an intronic region of MECOM passing the genome-wide significance threshold. Meta-analysis for the TRD phenotype (31,068 NTRD vs 5,714 TRD) identified one additional genomic region (lead SNP rs150245813, p = 8.07 × 10 −9 , OR = 0.80) in 10p11.1 passing the genome-wide significance threshold. A stronger association for rs150245813 was observed in current study ( p = 7.35 × 10 −7 , OR = 0.79) than the previous study ( p = 1.40 × 10 −3 , OR = 0.81), and for rs4955665, a stronger association in previous study ( p = 1.21 × 10 −6 , OR = 1.27) than the current study ( p = 2.64 × 10 −4 , OR = 1.21). In total, three novel loci associated with SSRI or SNRI (responders vs. non-responders), and NTRD vs TRD were identified; gene level association and gene set enrichment analyses implicate enrichment of genes involved in immune process.

Abstract Phenome-wide association studies (PheWAS), which assess whether a genetic variant is associated with multiple phenotypes across a phenotypic spectrum, have been proposed as a possible aid to drug development through elucidating mechanisms of action, identifying alternative indications, or predicting adverse drug events (ADEs). Here, we evaluate whether PheWAS can inform target validation during drug development. We selected 25 single nucleotide polymorphisms (SNPs) linked through genome-wide association studies (GWAS) to 19 candidate drug targets for common disease therapeutic indications. We independently interrogated these SNPs through PheWAS in four large “real-world data” cohorts (23andMe, UK Biobank, FINRISK, CHOP) for association with a total of 1,892 binary endpoints. We then conducted meta-analyses for 145 harmonized disease endpoints in up to 697,815 individuals and joined results with summary statistics from 57 published GWAS. Our analyses replicate 70% of known GWAS associations and identify 10 novel associations with study-wide significance after multiple test correction (P<1.8x10 -6 ; out of 72 novel associations with FDR<0.1). By leveraging directionality and point estimate of the effect sizes, we describe new associations that may predict ADEs, e.g., acne, high cholesterol, gout and gallstones for rs738409 (p.I148M) in PNPLA3 ; or asthma for rs1990760 (p.T946A) in IFIH1 . We further propose how quantitative estimates of genetic safety/efficacy profiles can be used to help prioritize candidate targets for a specific indication. Our results demonstrate PheWAS as a powerful addition to the toolkit for drug discovery. One Sentence Summary Matching genetics with phenotypes in 800,000 individuals predicts efficacy and on-target safety of future drugs.

Abstract Humans vary substantially in their willingness to take risks. In a combined sample of over one million individuals, we conducted genome-wide association studies (GWAS) of general risk tolerance, adventurousness, and risky behaviors in the driving, drinking, smoking, and sexual domains. We identified 611 approximately independent genetic loci associated with at least one of our phenotypes, including 124 with general risk tolerance. We report evidence of substantial shared genetic influences across general risk tolerance and risky behaviors: 72 of the 124 general risk tolerance loci contain a lead SNP for at least one of our other GWAS, and general risk tolerance is moderately to strongly genetically correlated ( to 0.50) with a range of risky behaviors. Bioinformatics analyses imply that genes near general-risk-tolerance-associated SNPs are highly expressed in brain tissues and point to a role for glutamatergic and GABAergic neurotransmission. We find no evidence of enrichment for genes previously hypothesized to relate to risk tolerance.

ABSTRACT Background Mendelian randomization (MR) is a method for exploring observational associations to find evidence of causality. Objective To apply MR between multiple risk factors/phenotypic traits (exposures) and Parkinson’s disease (PD) in a large, unbiased manner, and to create a public resource for research. Methods We used two-sample MR in which the summary statistics relating to SNPs from genome wide association studies (GWASes) of 5,839 exposures curated on MR Base were used to assess causal relationships with PD. We selected the highest quality exposure GWASes for this report (n=401). For the disease outcome, summary statistics from the largest published PD GWAS were used. For each exposure, the causal effect on PD was assessed using the inverse variance weighted (IVW) method, followed by a range of sensitivity analyses. We used a false discovery rate (FDR) corrected p-value of <0.05 from the IVW analysis to prioritize traits of interest. Results We observed evidence for causal associations between twelve exposures and risk of PD. Of these, nine were causal effects related to increasing adiposity and decreasing risk of PD. The remaining top exposures that affected PD risk were tea drinking, time spent watching television and forced vital capacity, but the latter two appeared to be biased by violations of underlying MR assumptions. Discussion We present a new platform which offers MR analyses for a total of 5,839 GWASes versus the largest PD GWASes available ( https://pdgenetics.shinyapps.io/pdgenetics/ ). Alongside, we report further evidence to support a causal role for adiposity on lowering the risk of PD.

Abstract Polygenic indexes (PGIs) are DNA-based predictors. Their value for research in many scientific disciplines is rapidly growing. As a resource for researchers, we used a consistent methodology to construct PGIs for 47 phenotypes in 11 datasets. To maximize the PGIs’ prediction accuracies, we constructed them using genome-wide association studies—some of which are novel—from multiple data sources, including 23andMe and UK Biobank. We present a theoretical framework to help interpret analyses involving PGIs. A key insight is that a PGI can be understood as an unbiased but noisy measure of a latent variable we call the “additive SNP factor.” Regressions in which the true regressor is the additive SNP factor but the PGI is used as its proxy therefore suffer from errors-in-variables bias. We derive an estimator that corrects for the bias, illustrate the correction, and make a Python tool for implementing it publicly available.

Abstract Handedness, a consistent asymmetry in skill or use of the hands, has been studied extensively because of its relationship with language and the over-representation of left-handers in some neurodevelopmental disorders. Using data from the UK Biobank, 23andMe and 32 studies from the International Handedness Consortium, we conducted the world’s largest genome-wide association study of handedness (1,534,836 right-handed, 194,198 (11.0%) left-handed and 37,637 (2.1%) ambidextrous individuals). We found 41 genetic loci associated with left-handedness and seven associated with ambidexterity at genome-wide levels of significance (P < 5×10 −8 ). Tissue enrichment analysis implicated the central nervous system and brain tissues including the hippocampus and cerebrum in the etiology of left-handedness. Pathways including regulation of microtubules, neurogenesis, axonogenesis and hippocampus morphology were also highlighted. We found suggestive positive genetic correlations between being left-handed and some neuropsychiatric traits including schizophrenia and bipolar disorder. SNP heritability analyses indicated that additive genetic effects of genotyped variants explained 5.9% (95% CI = 5.8% – 6.0%) of the underlying liability of being left-handed, while the narrow sense heritability was estimated at 12% (95% CI = 7.2% – 17.7%). Further, we show that genetic correlation between left-handedness and ambidexterity is low (r g = 0.26; 95% CI = 0.08 – 0.43) implying that these traits are largely influenced by different genetic mechanisms. In conclusion, our findings suggest that handedness, like many other complex traits is highly polygenic, and that the genetic variants that predispose to left-handedness may underlie part of the association with some psychiatric disorders that has been observed in multiple observational studies.

Using data from 697,828 research participants from 23andMe and UK Biobank, we identified 351 loci associated with being a morning person, a behavioural indicator of a person's underlying circadian rhythm. These loci were validated in 85,760 individuals with activity-monitor derived measures of sleep timing: the mean sleep timing of the 5% of individuals carrying the most "morningness" alleles was 25.1 minutes (95% CI: 22.5, 27.6) earlier than the 5% carrying the fewest. The loci were enriched for genes involved in circadian rhythm and insulin pathways, and those expressed in the retina, hindbrain, hypothalamus, and pituitary (all FDR<1%). We provide some evidence that being a morning person was causally associated with reduced risk of schizophrenia (OR: 0.89; 95% CI: 0.82, 0.96), depression (OR: 0.94; 95% CI: 0.91, 0.98) and a lower age at last childbirth in women (β: -0.046 years; 95% CI: -0.067, -0.025), but was not associated with BMI (β: -4.6x10-4; 95% CI: -0.044, 0.043) or type 2 diabetes (OR: 1.00; 95% CI: 0.91, 1.1). This study offers new insights into the biology of circadian rhythms and disease links in humans.

Increasing evidence supports an extensive and complex genetic contribution to Parkinson's disease (PD). Previous genome-wide association studies (GWAS) have shed light on the genetic basis of risk for this disease. However, the genetic determinants of PD age of onset are largely unknown. Here we performed an age of onset GWAS based on 28,568 PD cases. We estimated that the heritability of PD age of onset due to common genetic variation was ~0.11, lower than the overall heritability of risk for PD (~0.27) likely in part because of the subjective nature of this measure. We found two genome-wide significant association signals, one at SNCA and the other a protein-coding variant in TMEM175, both of which are known PD risk loci and a Bonferroni corrected significant effect at other known PD risk loci, INPP5F/BAG3, FAM47E/SCARB2, and MCCC1. In addition, we identified that GBA coding variant carriers had an earlier age of onset compared to non-carriers. Notably, SNCA, TMEM175, SCARB2, BAG3 and GBA have all been shown to either directly influence alpha-synuclein aggregation or are implicated in alpha-synuclein aggregation pathways. Remarkably, other well-established PD risk loci such as GCH1, MAPT and RAB7L1/NUCKS1 (PARK16) did not show a significant effect on age of onset of PD. While for some loci, this may be a measure of power, this is clearly not the case for the MAPT locus; thus genetic variability at this locus influences whether but not when an individual develops disease. We believe this is an important mechanistic and therapeutic distinction. Furthermore, these data support a model in which alpha-synuclein and lysosomal mechanisms impact not only PD risk but also age of disease onset and highlights that therapies that target alpha-synuclein aggregation are more likely to be disease-modifying than therapies targeting other pathways.

Migraine is a debilitating neurological disorder affecting around 1 in 7 people worldwide, but its molecular mechanisms remain poorly understood. Some debate exists over whether migraine is a disease of vascular dysfunction, or a result of neuronal dysfunction with secondary vascular changes. Genome-wide association (GWA) studies have thus far identified 13 independent loci associated with migraine. To identify new susceptibility loci, we performed the largest genetic study of migraine to date, comprising 59,674 cases and 316,078 controls from 22 GWA studies. We identified 45 independent single nucleotide polymorphisms (SNPs) significantly associated with migraine risk (P < 5 x 10-8) that map to 38 distinct genomic loci, including 28 loci not previously reported and the first locus identified on chromosome X. Furthermore, a subset analysis for migraine without aura (MO) identified seven of the same loci as from the full sample, whereas no loci reached genome-wide significance in the migraine with aura (MA) subset. In subsequent computational analyzes, the identified loci showed enrichment for genes expressed in vascular and smooth muscle tissues, consistent with a predominant theory of migraine that highlights vascular etiologies.