Intelligence is highly heritable1 and a major determinant of human health and well-being2. Recent genome-wide meta-analyses have identified 24 genomic loci linked to variation in intelligence3-7, but much about its genetic underpinnings remains to be discovered. Here, we present a large-scale genetic association study of intelligence (n = 269,867), identifying 205 associated genomic loci (190 new) and 1,016 genes (939 new) via positional mapping, expression quantitative trait locus (eQTL) mapping, chromatin interaction mapping, and gene-based association analysis. We find enrichment of genetic effects in conserved and coding regions and associations with 146 nonsynonymous exonic variants. Associated genes are strongly expressed in the brain, specifically in striatal medium spiny neurons and hippocampal pyramidal neurons. Gene set analyses implicate pathways related to nervous system development and synaptic structure. We confirm previous strong genetic correlations with multiple health-related outcomes, and Mendelian randomization analysis results suggest protective effects of intelligence for Alzheimer's disease and ADHD and bidirectional causation with pleiotropic effects for schizophrenia. These results are a major step forward in understanding the neurobiology of cognitive function as well as genetically related neurological and psychiatric disorders.

Genetic discoveries of Alzheimer's disease are the drivers of our understanding, and together with polygenetic risk stratification can contribute towards planning of feasible and efficient preventive and curative clinical trials. We first perform a large genetic association study by merging all available case-control datasets and by-proxy study results (discovery n = 409,435 and validation size n = 58,190). Here, we add six variants associated with Alzheimer's disease risk (near APP, CHRNE, PRKD3/NDUFAF7, PLCG2 and two exonic variants in the SHARPIN gene). Assessment of the polygenic risk score and stratifying by APOE reveal a 4 to 5.5 years difference in median age at onset of Alzheimer's disease patients in APOE ɛ4 carriers. Because of this study, the underlying mechanisms of APP can be studied to refine the amyloid cascade and the polygenic risk score provides a tool to select individuals at high risk of Alzheimer's disease.

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 INTRODUCTION This study investigates the relationship between cognitive functioning and 59 modifiable and intrinsic factors at the cusp of midlife. METHODS We analyzed data from 1221 participants in the Colorado Adoption/Twin Study of Lifespan behavioral development and cognitive aging (CATSLife; M age = 33.20, %Female = 52.74). We assessed the impact of 59 factors on cognitive functioning using regularized regression and co‐twin control models, controlling for earlier‐life cognitive functioning and gray matter volume. RESULTS Eight robust factors were identified, including education attainment, cognitive complexity, purpose‐in‐life, and smoking status. Twins reporting higher levels of cognitive complexity and purpose‐in‐life showed better cognitive performance than their cotwin, while smoking was negatively associated. Using meta‐analytically derived effect size threshold, we additionally identified that twins experiencing more financial difficulty tend to perform less well compared with their cotwin. DISCUSSION The findings highlight the early midlife link between cognitive functioning and lifestyle/psychological factors, beyond prior cognitive performance, brain status, genetic and familial confounders. Our results further highlight the potential of established adulthood as a crucial window for dementia prevention interventions targeting lifestyle and psychosocial factors. Highlights Cog complexity(+), purpose‐in‐life(+) were associated with cognition in early midlife. Smoking(−) was also associated with cognition in early midlife. Results were consistent controlling for genetic and environmental confounds. Association between EA and cognition might be mostly genetic and familial confounded.

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 Genome-wide association studies (GWAS) have successfully identified common variants associated with BMI. However, the stability of genetic variation influencing BMI from midlife and beyond is unknown. By analyzing BMI data collected from 165,717 men and 193,073 women from the UKBiobank, we performed BMI GWAS on six independent five-year age intervals between 40 and 73 years. We then applied genomic structural equation modeling (gSEM) to test competing hypotheses regarding the stability of genetic effects for BMI. LDSR genetic correlations between BMI assessed between ages 40 to 73 were all very high and ranged 0.89 to 1.00. Genomic structural equation modeling revealed that genetic variance in BMI at each age interval could not be explained by the accumulation of any age-specific genetic influences or autoregressive processes. Instead, a common set of stable genetic influences appears to underpin variation in BMI from middle to early old age in men and women alike.

Increased exposure to ambient air pollution, especially fine particulate matter

BACKGROUND: Alzheimer's disease (AD) is under considerable genetic influence. However, known susceptibility loci only explain a modest proportion of variance in disease outcomes. This small proportion could occur if the etiology of AD is heterogeneous. We previously found that an AD polygenic risk score (PRS) was significantly associated with mild cognitive impairment (MCI), an early stage of AD. Poor cardiovascular health is also associated with increased risk for AD and has been found to interact with AD pathology. Conditions such as coronary artery disease (CAD) are also heritable, and may contribute to heterogeneity if there are interactions of genetic risk for these conditions as there is phenotypically. However, case-control designs based on prevalent cases of a disease with relatively high case-fatality rate such as CAD may be biased toward individuals who have long post-event survival times and may therefore also identify loci with protective effects. METHODS: We compared interactions between an AD-PRS and two CAD-PRSs, one based on a GWAS of incident cases and one on prevalent cases, on MCI status in 1,209 individuals. RESULTS: As expected, the incidence-based CAD-PRS interacts with the AD-PRS to further increase MCI risk. Conversely, higher prevalence-based CAD-PRSs reduced the effect of AD genetic risk on MCI status. CONCLUSIONS: These results demonstrate: i) the utility of including multiple PRSs and their interaction effects; ii) how genetic risk for one disease may modify the impact of genetic risk for another; and iii) the importance of considering ascertainment procedures of GWAS being used for genetic risk prediction.

Abstract The amyloid-tau-neurodegeneration (ATN) framework has led to an increased focus on Alzheimer’s disease (AD) biomarkers. The cost and invasiveness of obtaining biomarkers via cerebrospinal fluid has motivated efforts to develop sensitive blood-based biomarkers. Although AD is highly heritable, the biometric genetic and environmental etiology of blood-based biomarkers has never been explored. We therefore, analyzed plasma beta-amyloid (Aβ40, Aβ42, Aβ42/40), total tautau (t-tautau), and neurofilament light (NFL) biomarkers in a sample of 1,050 men aged 60 to 73 years (m=68.2, SD=2.5) from the Vietnam Era Twin Study of Aging (VETSA). Unlike Aβ and tautau, NFL does not define AD; however, as a biomarker of neurodegeneration it serves as the N component in the ATN framework. Univariate estimates suggest that familial aggregation in Aβ42, Aβ42/40, t-tau, and NFL is entirely explained by additive genetic influences accounting for 40%-58% of the total variance. All remaining variance is associated with unshared or unique environmental influences. For Aβ40, a additive genetic (31%), shared environmental (44%), and unshared environmental (25%) influences contribute to the total variance. In the more powerful multivariate analysis of Aβ42, Aβ40, t-tau, and NFL, heritability estimates range from 32% to 58%. Aβ40 and Aβ42 are statistically genetically identical (r g = 1.00, 95%CI = 0.92,1.00) and are also moderately environmentally correlated (r e = 0.66, 95%CI = 0.59, 0.73). All other genetic and environmental associations were non-significant or small. Our results suggest that plasma biomarkers are heritable and that Aβ40 and Aβ42 share the same genetic influences, whereas the genetic influences on plasma t-tau and NFL are mostly unique and uncorrelated with plasma Aβ in early old-age men.

Background. Epigenetic changes may result from the interplay of environmental exposures and genetic influences and contribute to differences in age-related disease, disability, and mortality risk. However, the etiologies contributing to stability and change in DNA methylation have rarely been examined longitudinally. Methods. We considered DNA methylation in whole blood leukocyte DNA across a 10-year span in two samples of same-sex aging twins: (a) Swedish Adoption Twin Study of Aging (SATSA; N = 53 pairs, 53% female; 62.9 and 72.5 years, SD=7.2 years); (b) Longitudinal Study of Aging Danish Twins (LSADT; N = 43 pairs, 72% female, 76.2 and 86.1 years, SD=1.8 years). Joint biometrical analyses were conducted on 358,836 methylation probes in common. Bivariate twin models were fitted, adjusting for age, sex and country. Results. Overall, results suggest genetic contributions to DNA methylation across 358,836 sites tended to be small and lessen across 10 years (broad heritability M=23.8% and 18.0%) but contributed to stability across time while person-specific environments explained emergent influences across the decade. Aging-specific sites identified from prior EWAS and methylation age clocks were more heritable than background sites. The 5,037 sites that showed the greatest heritable/familial influences (p<1E-07) were enriched for immune and inflammation pathways while 2,020 low stability sites showed enrichment in stress-related pathways. Conclusions. Across time, stability in methylation is primarily due to genetic contributions, while novel experiences and exposures contribute to methylation differences. Elevated genetic contributions at age-related methylation sites suggest that adaptions to aging and senescence may be differentially impacted by genetic background.### Competing Interest StatementThe authors have declared no competing interest.