Abstract The Adolescent Brain Cognitive Development (ABCD) Study is the largest single-cohort prospective longitudinal study of neurodevelopment and children’s health in the United States. A cohort of n= 11,880 children aged 9-10 years (and their parents/guardians) were recruited across 22 sites and are being followed with in-person visits on an annual basis for at least 10 years. The study approximates the US population on several key sociodemographic variables, including sex, race, ethnicity, household income, and parental education. Data collected include assessments of health, mental health, substance use, culture and environment and neurocognition, as well as geocoded exposures, structural and functional magnetic resonance imaging (MRI), and whole-genome genotyping. Here, we describe the ABCD Study aims and design, as well as issues surrounding estimation of meaningful associations using its data, including population inferences, hypothesis testing, power and precision, control of covariates, interpretation of associations, and recommended best practices for reproducible research, analytical procedures and reporting of results.

Abstract INTRODUCTION Predicting risk for Alzheimer’s disease when most people are likely still biomarker negative would aid earlier identification. We hypothesized that combining multiple memory tests and scores in middle-aged adults would provide useful, and non-invasive, prediction of 6-year progression to MCI. METHODS We examined 849 men who were cognitively normal at baseline (mean age=55.69±2.45). RESULTS California Verbal Learning Test learning trials was the best individual predictor of amnestic MCI (OR=4.75). A latent factor incorporating 7 measures across 3 memory tests provided much stronger prediction (OR=9.88). This compared favorably with biomarker-based prediction in a study of much older adults. DISCUSSION Neuropsychological tests are sensitive and early indicators of Alzheimer’s disease risk at an age when few individuals are likely to have yet become biomarker positive. Single best measures may appear time- and cost-effective, but 30 additional minutes of testing, and use of multiple scores within tests, provides substantially improved prediction

Abstract The assumption in the twin model that genotypic and environmental variables are uncorrelated is primarily made to ensure parameter identification, not because researchers necessarily think that these variables are uncorrelated. Although the biasing effects of such correlations are well understood, it would be useful to be able to estimate these parameters in the twin model. Here we consider the possibility of relaxing this assumption by adding polygenic score to the (univariate) twin model. We demonstrated numerically and analytically this extension renders the additive genetic (A) – unshared environmental correlation (E) and the additive genetic (A) - shared environmental (C) correlations simultaneously identified. We studied the statistical power to detect A-C and A-E correlations in the ACE model, and to detect A-E correlation in the AE model. The results showed that the power to detect these covariance terms, given 1000 MZ and 1000 DZ twin pairs (α=0.05), depends greatly on the parameter settings of the model. We show fixing the estimated percentage of variance in the outcome trait that is due to the polygenic scores greatly increases statistical power.

Importance Most research to understand postacute sequelae of SARS-CoV-2 infection (PASC), or long COVID, has focused on adults, with less known about this complex condition in children. Research is needed to characterize pediatric PASC to enable studies of underlying mechanisms that will guide future treatment. Objective To identify the most common prolonged symptoms experienced by children (aged 6 to 17 years) after SARS-CoV-2 infection, how these symptoms differ by age (school-age [6-11 years] vs adolescents [12-17 years]), how they cluster into distinct phenotypes, and what symptoms in combination could be used as an empirically derived index to assist researchers to study the likely presence of PASC. Design, Setting, and Participants Multicenter longitudinal observational cohort study with participants recruited from more than 60 US health care and community settings between March 2022 and December 2023, including school-age children and adolescents with and without SARS-CoV-2 infection history. Exposure SARS-CoV-2 infection. Main Outcomes and Measures PASC and 89 prolonged symptoms across 9 symptom domains. Results A total of 898 school-age children (751 with previous SARS-CoV-2 infection [referred to as infected ] and 147 without [referred to as uninfected ]; mean age, 8.6 years; 49% female; 11% were Black or African American, 34% were Hispanic, Latino, or Spanish, and 60% were White) and 4469 adolescents (3109 infected and 1360 uninfected; mean age, 14.8 years; 48% female; 13% were Black or African American, 21% were Hispanic, Latino, or Spanish, and 73% were White) were included. Median time between first infection and symptom survey was 506 days for school-age children and 556 days for adolescents. In models adjusted for sex and race and ethnicity, 14 symptoms in both school-age children and adolescents were more common in those with SARS-CoV-2 infection history compared with those without infection history, with 4 additional symptoms in school-age children only and 3 in adolescents only. These symptoms affected almost every organ system. Combinations of symptoms most associated with infection history were identified to form a PASC research index for each age group; these indices correlated with poorer overall health and quality of life. The index emphasizes neurocognitive, pain, and gastrointestinal symptoms in school-age children but change or loss in smell or taste, pain, and fatigue/malaise–related symptoms in adolescents. Clustering analyses identified 4 PASC symptom phenotypes in school-age children and 3 in adolescents. Conclusions and Relevance This study developed research indices for characterizing PASC in children and adolescents. Symptom patterns were similar but distinguishable between the 2 groups, highlighting the importance of characterizing PASC separately for these age ranges.

Abstract The classical twin model can be reparametrized as an equivalent multilevel model. The multilevel parameterization has underexplored advantages, such as the possibility to include higher-level clustering variables in which lower levels are nested. When this higher-level clustering is not modeled, its variance is captured by the common environmental variance component. In this paper we illustrate the application of a 3-level multilevel model to twin data by analyzing the regional clustering of 7-year-old children’s height in the Netherlands. Our findings show that 1.8%, of the phenotypic variance in children’s height is attributable to regional clustering, which is 7% of the variance explained by between-family or common environmental components. Since regional clustering may represent ancestry, we also investigate the effect of region after correcting for genetic principal components, in a subsample of participants with genome-wide SNP data. After correction, region did no longer explain variation in height. Our results suggest that the phenotypic variance explained by region actually represent ancestry effects on height.

Despite their increasing application, the genetic and environmental etiology of global predicted brain ageing (PBA) indices is unknown. Likewise, the degree to which genetic influences in PBA are longitudinally stable and how PBA changes over time are also unknown. We analyzed data from 734 men from the Vietnam Era Twin Study of Aging with repeated MRI assessments between the ages 52 to 72 years. Biometrical genetic analyses revealed significant and highly correlated estimates of additive genetic heritability ranging from 59% to 75%. Multivariate longitudinal modelling revealed that covariation between PBA at different timepoints could be explained by a single latent factor with 73% heritability. Our results suggest that genetic influences on PBA are detectable in midlife or earlier, are longitudinally very stable, and are largely explained by common genetic influences.

Abstract Establishing causality is an essential step towards developing interventions for psychiatric disorders, substance use and many other conditions. While randomized controlled trials (RCTs) are considered the gold standard for causal inference, they are unethical in many scenarios. Mendelian randomization (MR) can be used in such cases, but importantly both RCTs and MR assume unidirectional causality. In this paper, we developed a new model, MRDoC2, that can be used to identify bidirectional causation in the presence of confounding due to both familial and non- familial sources. Our model extends the MRDoC model (Minică et al 2018), by simultaneously including risk scores for each trait. Furthermore, the power to detect causal effects in MRDoC2 does not require the phenotypes to have different additive genetic or shared environmental sources of variance, as is the case in the direction of causation twin model (Heath et al., 1993).

Mendelian randomization (MR) is a widely-used method for causal inference using genetic data. Mendelian randomization studies of unrelated individuals may be susceptible to bias from family structure, for example, through dynastic effects which occur when parental genotypes directly affect offspring phenotypes. Here we describe methods for within-family Mendelian randomization and through simulations show that family-based methods can overcome bias due to dynastic effects. We illustrate these issues empirically using data from 61,008 siblings from the UK Biobank and Nord-Trøndelag Health Study. Both within-family and population-based Mendelian randomization analyses reproduced established effects of lower BMI reducing risk of diabetes and high blood pressure. However, while MR estimates from population-based samples of unrelated individuals suggested that taller height and lower BMI increase educational attainment, these effects largely disappeared in within-family MR analyses. We found differences between population-based and within-family based estimates, indicating the importance of controlling for family effects and population structure in Mendelian randomization studies.

Pathological changes in Alzheimer's disease (AD) begin decades before dementia onset. Because locus coeruleus tau pathology is the earliest occurring AD pathology, targeting indicators of locus coeruleus (dys)function may improve midlife screening for earlier identification of AD risk. Pupillary responses during cognitive tasks are driven by the locus coeruleus and index cognitive effort. Several findings suggest task-associated pupillary response as an early marker of AD risk. Requiring greater effort suggests being closer to one's compensatory capacity, and adults with mild cognitive impairment (MCI) have greater pupil dilation during digit span tasks than cognitively normal individuals, despite equivalent task performance. Higher AD polygenic risk scores (AD-PRSs) are associated with increased odds of MCI and tau positivity. We hypothesized that AD-PRSs would be associated with pupillary responses in cognitively normal middle-aged adults. We demonstrated that pupillary responses during digit span tasks were heritable (h2=.30-.36) in 1119 men ages 56-66. We then examined associations between AD-PRSs and pupillary responses in a cognitively normal subset who all had comparable span capacities (n=539). Higher AD-PRSs were associated with greater pupil dilation/effort in a high (9-digit recall) cognitive load condition; Cohen's d=.36 for the upper versus lower quartile of the AD-PRS distribution. Results held up after controlling for APOE genotype. The results support pupillary response -- and by inference, locus coeruleus dysfunction -- as a genetically-mediated biomarker of early MCI/AD risk. In some studies, cognition predicted disease progression earlier than biomarkers. Pupillary responses might improve screening and early identification of genetically at-risk individuals even before cognitive performance declines.

The quantitative relationship between the magnitude of variation in minor histocompatibility antigens (mHA) and graft versus host disease (GVHD) pathophysiology in stem cell transplant (SCT) donor-recipient pairs (DRP) is not established. In order to elucidate this relationship, whole exome sequencing (WES) was performed on 27 HLA matched related (MRD), & 50 unrelated donors (URD), to identify nonsynonymous single nucleotide polymorphisms (SNPs). An average 2,463 SNPs were identified in MRD, and 4,287 in URD DRP (p<0.01); resulting peptide antigens that may be presented on HLA class I molecules in each DRP were derived in silico (NetMHCpan ver2.0) and the tissue expression of proteins these were derived from determined (GTex). MRD DRP had an average 3,670 HLA-binding-alloreactive peptides, putative mHA (pmHA) with an IC50 of <500 nM, and URD, had 5,386 (p<0.01). To simulate an alloreactive donor cytotoxic T cell response, the array of pmHA in each patient was considered as an operator matrix modifying a hypothetical cytotoxic T cell clonal vector matrix; responding T cell clonal proliferation was determined by the logistic equation of growth, accounting for HLA binding affinity and tissue expression of each alloreactive peptide. The resulting simulated organ-specific alloreactive T cell clonal growth revealed marked variability, with the T cell count differences spanning orders of magnitude between different DRP. Despite an estimated, uniform set of constants used in the model for all DRP, and a heterogeneously treated group of patients higher total and organ-specific T cell counts were associated with cumulative incidence of GVHD in recipients in Cox proportional hazard models. In conclusion, exome wide sequence differences and the variable alloreactive peptide binding to HLA in each DRP yields a large range of possible alloreactive donor T cell responses. Our findings also help understand the apparent randomness observed in the development of alloimmune responses.