Abstract Gaining insight into the downstream consequences of non-coding variants is an essential step towards the identification of therapeutic targets from genome-wide association study (GWAS) findings. Here we have harmonized and integrated 8,727 RNA-seq samples with accompanying genotype data from multiple brain-regions from 14 datasets. This sample size enabled us to perform both cis - and trans -expression quantitative locus (eQTL) mapping. Upon comparing the brain cortex cis -eQTLs (for 12,307 unique genes at FDR<0.05) with a large blood cis- eQTL analysis (n=31,684 samples), we observed that brain eQTLs are more tissue specific than previously assumed. We inferred the brain cell type for 1,515 cis -eQTLs by using cell type proportion information. We conducted Mendelian Randomization on 31 brain-related traits using cis -eQTLs as instruments and found 159 significant findings that also passed colocalization. Furthermore, two multiple sclerosis (MS) findings had cell type specific signals, a neuron-specific cis- eQTL for CYP24A1 and a macrophage specific cis -eQTL for CLECL1 . To further interpret GWAS hits, we performed trans -eQTL analysis. We identified 2,589 trans -eQTLs (at FDR<0.05) for 373 unique SNPs, affecting 1,263 unique genes, and 21 replicated significantly using single-nucleus RNA-seq data from excitatory neurons. We also generated a brain-specific gene-coregulation network that we used to predict which genes have brain-specific functions, and to perform a novel network analysis of Alzheimer’s disease (AD), amyotrophic lateral sclerosis (ALS), multiple sclerosis (MS) and Parkinson’s disease (PD) GWAS data. This resulted in the identification of distinct sets of genes that show significantly enriched co-regulation with genes inside the associated GWAS loci, and which might reflect drivers of these diseases.

Abstract Genetic colocalisation is an important tool to test for shared genetic aetiology and is commonly used to strengthen causal inference in genetic studies of molecular traits and drug targets. However, the single causal variant assumption of the original colocalization method is a considerable limitation in genomic regions with multiple causal effects. We integrated conditional analyses (GCTA-COJO) and colocalisation analyses (coloc), into a novel analysis tool called Pair-Wise Conditional Colocalization (PWCoCo). PWCoCo performs conditional analyses to identify independent signals for the two tested traits in a genomic region and then conducts colocalisation of each pair of conditionally independent signals for the two traits using summary-level data. This allows for the stringent single-variant assumption to hold for each pair of colocalisation analysis. We found that the computational efficiency of PWCoCo is on average better than colocalisation with Sum of Single Effects Regression using Summary Stats (SuSiE-RSS), with greater gains in efficiency for high-throughput analysis. In a case study using GWAS data for multiple sclerosis and brain cortex-derived eQTLs (MetaBrain), we recapitulated all previously identified genes, which showcased the robustness of the method. We further found colocalisation evidence for secondary signals in nine additional loci, which was not identifiable in conventional GWAS and/or colocalisation. PWCoCo offers key improvements over existing methods, including: (1) robust colocalisation when the single variant assumption is violated; (2) independent colocalisation of secondary signals, which enables identification of novel disease-causing variants; (3) an easy-to-use and computationally efficient tool to test for colocalisation of high-dimensional omics data.

Author summary Schizophrenia is a severe psychiatric disorder with a lifetime risk of about 1% world-wide. Most large schizophrenia genetic studies have studied people of primarily European ancestry, potentially missing important biological insights. Here we present a study of East Asian participants (22,778 schizophrenia cases and 35,362 controls), identifying 21 genome-wide significant schizophrenia associations in 19 genetic loci. Over the genome, the common genetic variants that confer risk for schizophrenia have highly similar effects in those of East Asian and European ancestry (r g =0.98), indicating for the first time that the genetic basis of schizophrenia and its biology are broadly shared across these world populations. A fixed-effect meta-analysis including individuals from East Asian and European ancestries revealed 208 genome-wide significant schizophrenia associations in 176 genetic loci (53 novel). Trans-ancestry fine-mapping more precisely isolated schizophrenia causal alleles in 70% of these loci. Despite consistent genetic effects across populations, polygenic risk models trained in one population have reduced performance in the other, highlighting the importance of including all major ancestral groups with sufficient sample size to ensure the findings have maximum relevance for all populations.

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 Molecular quantitative trait loci (molQTL), which can provide functional evidence on the mechanisms underlying phenotype-genotype associations, are increasingly used in drug target validation and safety assessment. In particular, protein abundance QTLs (pQTLs) and gene expression QTLs (eQTLs) are the most commonly used for this purpose. However, questions remain on how to best consolidate results from pQTLs and eQTLs for target validation. In this study, we combined blood cell-derived eQTLs and plasma-derived pQTLs to form QTL pairs representing each gene and its product. We performed a series of enrichment analyses to identify features of QTL pairs that provide consistent evidence for drug targets based on the concordance of the direction of effect of the pQTL and eQTL. We repeated these analyses using eQŢLs derived in 49 tissues. We found that 25-30% of blood-cell derived QTL pairs have discordant effects. The difference in tissues of origin for molecular markers contributes to, but is not likely a major source of, this observed discordance. Finally, druggable genes were as likely to have discordant QTL pairs as concordant. Our analyses suggest combining and consolidating evidence from pQTLs and eQTLs for drug target validation is crucial and should be done whenever possible, as many potential drug targets show discordance between the two molecular phenotypes that could be misleading if only one is considered. We also encourage investigating QTL tissue-specificity in target validation applications to help identify reasons for discordance and emphasise that concordance and discordance of QTL pairs across tissues are both informative in target validation.

Abstract Background Genetic risk for bipolar disorder (BD) is conferred through many common alleles, while a role for rare copy number variants (CNVs) is less clear. BD subtypes schizoaffective disorder bipolar type (SAB), bipolar I disorder (BD I) and bipolar II disorder (BD II) differ according to the prominence and timing of psychosis, mania and depression. The factors contributing to the combination of symptoms within a given patient are poorly understood. Methods Rare, large CNVs were analyzed in 6353 BD cases (3833 BD I [2676 with psychosis, 850 without psychosis], 1436 BD II, 579 SAB) and 8656 controls. Measures of CNV burden were integrated with polygenic risk scores (PRS) for schizophrenia (SCZ) to evaluate the relative contributions of rare and common variants to psychosis risk. Results CNV burden did not differ in BD relative to controls when treated as a single diagnostic entity. Burden in SAB was increased compared to controls (p-value = 0.001), BD I (p-value = 0.0003) and BD II (p-value = 0.0007). Burden and SCZ PRS were higher in SAB compared to BD I with psychosis (CNV p-value = 0.0007, PRS p-value = 0.004) and BD I without psychosis (CNV p-value = 0.0004, PRS p-value = 3.9 × 10 −5 ). Within BD I, psychosis was associated with higher SCZ PRS (p-value = 0.005) but not with CNV burden. Conclusions CNV burden in BD is limited to SAB. Rare and common genetic variants may contribute differently to risk for psychosis and perhaps other classes of psychiatric symptoms.

Miscarriage is a common complex trait that affects 10-25% of clinically confirmed pregnancies. Here we present the first large-scale genetic association analyses with 69,118 cases from five different ancestries for sporadic miscarriage and 750 cases of European ancestry for recurrent miscarriage, and up to 359,469 female controls. We identify one genome-wide significant association on chromosome 13 (rs146350366, minor allele frequency (MAF) 1.2%, Pmeta=3.2×10-8, odds ratio (OR) 1.4 (95% confidence interval (CI) 1.2-1.6) for sporadic miscarriage in our European ancestry meta-analysis (50,060 cases and 174,109 controls), located near FGF9 involved in pregnancy maintenance and progesterone production. Additionally, we identified three genome-wide significant associations for recurrent miscarriage, including a signal on chromosome 9 (rs7859844, MAF=6.4%, Pmeta=1.3×10-8, OR=1.7 (1.4-2.0)) physically interacting with TLE1/TLE4 involved in controlling extravillous trophoblast motility. We further investigate the genetic architecture of miscarriage with biobank-scale Mendelian randomization, heritability and, genetic correlation analyses. Our results implicate that miscarriage etiopathogenesis is partly driven by genetic variation related to gonadotropin regulation, placental biology and progesterone production.

Background: Cognitive traits demonstrate significant genetic correlations with many psychiatric disorders and other health-related traits, and many neuropsychiatric and neurodegenerative disorders are marked by cognitive deficits. Therefore, genome-wide association studies (GWAS) of general cognitive ability might suggest potential targets for nootropic drug repurposing. Our previous effort to identify "druggable genes" (i.e., GWAS-identified genes that produce proteins targeted by known small molecules) was modestly powered due to the small cognitive GWAS sample available at the time. Since then, two large cognitive GWAS meta-analyses have reported 148 and 205 genome-wide significant loci, respectively. Additionally, large-scale gene expression databases, derived from post-mortem human brain, have recently been made available for GWAS annotation. Here, we 1) reconcile results from these two cognitive GWAS meta-analyses to further enhance power for locus discovery; 2) employ several complementary transcriptomic methods to identify genes in these loci with variants that are credibly associated with cognition, and 3) further annotate the resulting genes to identify "druggable" targets. Methods: GWAS summary statistics were harmonized and jointly analysed using Multi-Trait Analysis of GWAS [MTAG], which is optimized for handling sample overlaps. Downstream gene identification was carried out using MAGMA, S-PrediXcan/S-TissueXcan Transcriptomic Wide Analysis, and eQTL mapping, as well as more recently developed methods that integrate GWAS and eQTL data via Summary-statistics Mendelian Randomization [SMR] and linkage methods [HEIDI]. Available brain-specific eQTL databases included GTEXv7, BrainEAC, CommonMind, ROSMAP, and PsychENCODE. Intersecting credible genes were then annotated against multiple chemoinformatic databases [DGIdb, KI, and a published review on "druggability"]. Results: Using our meta-analytic data set (N = 373,617) we identified 241 independent cognition-associated loci (29 novel), and 76 genes were identified by 2 or more methods of gene identification. 26 genes were associated with general cognitive ability via SMR, 16 genes via STissueXcan/S-PrediXcan, 47 genes via eQTL mapping, and 68 genes via MAGMA pathway analysis. The use of the HEIDI test permitted the exclusion of candidate genes that may have been artifactually associated to cognition due to linkage, rather than direct causal or indirect pleiotropic effects. Actin and chromatin binding gene sets were identified as novel pathways that could be targeted via drug repurposing. Leveraging on our various transcriptome and pathway analyses, as well as available chemoinformatic databases, we identified 16 putative genes that may suggest drug targets with nootropic properties. Discussion: Results converged on several categories of significant drug targets, including serotonergic and glutamatergic genes, voltage-gated ion channel genes, carbonic anhydrase genes, and phosphodiesterase genes. The current results represent the first efforts to apply a multi-method approach to integrate gene expression and SNP level data to identify credible actionable genes for general cognitive ability.

ABSTRACT Recent development of SARS-CoV-2 spike mRNA vaccines to control the pandemic is a breakthrough in the field of vaccine development. mRNA vaccines are generally formulated with lipid nanoparticles (LNPs) which are composed of several lipids with specific ratios; however, they generally lack selective delivery. To develop a simpler method selective delivery of mRNA, we reported here the synthesis of biodegradable copolymers decorated with guanidine and zwitterionic groups and an aryltrimannoside ligand as polymeric nanoparticles (PNPs) for encapsulation and selective delivery of an mRNA to dendritic cells (DCs). A representative DC-targeted SARS-CoV-2 spike mRNA-PNP vaccine was shown to elicit a stronger protective immune response in mice as compared to the mRNA-LNP and mRNA-PNP vaccines without the selective delivery design. It is anticipated that this technology will be generally applicable to development of DC-targeted mRNA vaccines with enhanced immune response. TOC Dendritic cell-targeted mRNA-PNP vaccines

Polygenic prediction has shown promise in identifying individuals at high risk for complex diseases, and may become clinically useful as the predictive performance of polygenic risk scores (PRS) improves. Here, we present PRS-CS, a novel polygenic prediction method that infers posterior SNP effect sizes using GWAS summary statistics and an external linkage disequilibrium (LD) reference panel. PRS-CS utilizes a high-dimensional Bayesian regression framework, and is distinct from previous work by placing a continuous shrinkage (CS) prior on SNP effect sizes, which is robust to varying genetic architectures, provides substantial computational advantages, and enables multivariate modeling of local LD patterns. Simulation studies using data from the UK Biobank show that PRS-CS outperforms existing methods across a wide range of effect size distributions, especially when the training sample size is large. We apply PRS-CS to predict six complex diseases and six quantitative traits in the Partners HealthCare Biobank, and further demonstrate the improvement of PRS-CS in prediction accuracy over alternative methods.