Abstract Alzheimer’s disease (AD) is a public health priority for the 21 st century. Risk reduction currently revolves around lifestyle changes with much research trying to elucidate the biological underpinnings. Using self-report of parental history of Alzheimer’s dementia for case ascertainment in a genome-wide association study of over 300,000 participants from UK Biobank (32,222 maternal cases, 16,613 paternal cases) and meta-analysing with published consortium data (n=74,046 with 25,580 cases across the discovery and replication analyses), six new AD-associated loci (P<5x10 −8 ) are identified. Three contain genes relevant for AD and neurodegeneration: ADAM10, ADAMTS4, and ACE . Suggestive loci include drug targets such as VKORC1 (warfarin dose) and BZRAP1 (benzodiazepine receptor). We report evidence that association of SNPs and AD at the PVR gene is potentially mediated by both gene expression and DNA methylation in the prefrontal cortex. Our discovered loci may help to elucidate the biological mechanisms underlying AD and, given that many are existing drug targets for other diseases and disorders, warrant further exploration for potential precision medicine applications.

Abstract We analysed the genomic architecture of neuroanatomical diversity using magnetic resonance imaging and single nucleotide polymorphism (SNP) data from >26,000 individuals from the UK Biobank project and 5 other projects that had previously participated in the ENIGMA consortium. Our results confirm the polygenic architecture of neuroanatomical diversity, with SNPs capturing from 40% to 54% of regional brain volume variance. Chromosomal length correlated with the amount of phenotypic variance captured, r∼0.64 on average, suggesting that at a global scale causal variants are homogeneously distributed across the genome. At a local scale, SNPs within genes (∼51%) captured ∼1.5 times more genetic variance than the rest; and SNPs with low minor allele frequency (MAF) captured less variance than the rest: the 40% of SNPs with MAF<5% captured <1/4th of the genetic variance. We also observed extensive pleiotropy across regions, with an average genetic correlation of r G ∼0.45. Genetic correlations were similar to phenotypic and environmental correlations, however, genetic correlations were often larger than phenotypic correlations for the left/right volumes of the same region. The heritability of differences in left/right volumes was generally not statistically significant, suggesting an important influence of environmental causes in the variability of brain asymmetry. Our code is available at https://github.com/neuroanatomy/genomic-architecture .

Abstract The Trail Making Test is a widely used test of executive function and has been thought to be strongly associated with general cognitive function. We examined the genetic architecture of the trail making test and its shared genetic aetiology with other tests of cognitive function in 23 821 participants from UK Biobank. The SNP-based heritability estimates for trail-making measures were 7.9 % (part A), 22.4 % (part B), and 17.6 % (part B – part A). Significant genetic correlations were identified between trail-making measures and verbal-numerical reasoning (r g > 0.6), general cognitive function (r g > 0.6), processing speed (r g > 0.7), and memory (r g > 0.3). Polygenic profile analysis indicated considerable shared genetic aetiology between trail making, general cognitive function, processing speed, and memory (standardized β between 0.03 and 0.08). These results suggest that trail making is both phenotypically and genetically strongly associated with general cognitive function and processing speed.

Abstract Background Poorer self-rated health (SRH) predicts worse health outcomes, even when adjusted for objective measures of disease at time of rating. Twin studies indicate SRH has a heritability of up to 60% and that its genetic architecture may overlap with that of personality and cognition. Methods We carried out a genome-wide association study (GWAS) of SRH on 111 749 members of the UK Biobank sample. Univariate genome-wide complex trait analysis (GCTA)-GREML analyses were used to estimate the proportion of variance explained by all common autosomal SNPs for SRH. Linkage Disequilibrium (LD) score regression and polygenic risk scoring, two complementary methods, were used to investigate pleiotropy between SRH in UK Biobank and up to 21 health-related and personality and cognitive traits from published GWAS consortia. Results The GWAS identified 13 independent signals associated with SRH, including several in regions previously associated with diseases or disease-related traits. The strongest signal was on chromosome 2 (rs2360675, p = 1.77x10-10) close to KLF7, which has previously been associated with obesity and type 2 diabetes. A second strong peak was identified on chromosome 6 in the major histocompatibility region (rs76380179, p = 6.15x10-10). The proportion of variance in SRH that was explained by all common genetic variants was 13%. Polygenic scores for the following traits and disorders were associated with SRH: cognitive ability, education, neuroticism, BMI, longevity, ADHD, major depressive disorder, schizophrenia, lung function, blood pressure, coronary artery disease, large vessel disease stroke, and type 2 diabetes. Conclusions Individual differences in how people respond to a single item on SRH are partly explained by their genetic propensity to many common psychiatric and physical disorders and psychological traits.

Neuroticism is a stable personality trait; twin studies report heritability between 30% and 50%, and SNP-based heritability is about 15%. Higher levels of neuroticism are associated with poorer mental and physical health, and the economic burden of neuroticism for societies is high. To date, genome-wide association (GWA) studies of neuroticism have identified up to 11 genetic loci. Here we report 116 significant independent genetic loci from a GWA of neuroticism in 329,821 UK Biobank participants, with replication available in a GWA meta-analysis of neuroticism in 122,867 individuals. Genetic signals for neuroticism were enriched in neuronal genesis and differentiation pathways, and substantial genetic correlations were found between neuroticism and depressive symptoms (rg = .82, SE=.03), major depressive disorder (rg = .69, SE=.07) and subjective wellbeing (rg = -.68, SE=.03) alongside other mental health traits. These discoveries significantly advance our understanding of neuroticism and its association with major depressive disorder.

There is considerable evidence that people with higher levels of the personality trait neuroticism have an increased risk of several types of mental disorder. Higher neuroticism has also been associated, less consistently, with increased risk of various physical health outcomes. We hypothesised that these associations may, in part, be due to shared genetic influences. We tested for pleiotropy between neuroticism and 12 mental and physical diseases or health traits using linkage disequilibrium regression and polygenic profile scoring. Genetic correlations were derived between neuroticism scores in 108 038 people in UK Biobank and health-related measures from 12 large genome-wide association studies(GWAS). Summary information for the 12 GWAS was used to create polygenic risk scores for the health-related measures in the UK Biobank participants. Associations between the health-related polygenic scores and neuroticism were examined using regression, adjusting for age, sex, genotyping batch, genotyping array, assessment centre, and population stratification. Genetic correlations were identified between neuroticism and anorexia nervosa(rg = 0.17), major depressive disorder (rg = 0.66) and schizophrenia (rg = 0.21). Polygenic risk for several health-related measures were associated with neuroticism, in a positive direction in the case of bipolar disorder (β = 0.017), major depressive disorder (β = 0.036), schizophrenia (β = 0.036), and coronary artery disease (β = 0.011), and in a negative direction in the case of BMI (β = -0.0095). These findings indicate that a high level of pleiotropy exists between neuroticism and some measures of mental and physical health, particularly major depressive disorder and schizophrenia.

Few replicable genetic associations for Major Depressive Disorder (MDD) have been identified. However recent studies of depression have identified common risk variants by using either a broader phenotype definition in very large samples, or by reducing the phenotypic and ancestral heterogeneity of MDD cases. Here, a range of genetic analyses were applied to data from two large British cohorts, Generation Scotland and UK Biobank, to ascertain whether it is more informative to maximize the sample size by using data from all available cases and controls, or to use a refined subset of the data - stratifying by MDD recurrence or sex. Meta-analysis of GWAS data in males from these two studies yielded one genome-wide significant locus on 3p22.3. Three associated genes within this region (CRTAP, GLB1, and TMPPE) were significantly associated in subsequent gene-based tests. Meta-analyzed MDD, recurrent MDD and female MDD were each genetically correlated with 6 of 200 health-correlated traits, namely neuroticism, depressive symptoms, subjective well-being, MDD, a cross-disorder phenotype and Bipolar Disorder. Meta-analyzed male MDD showed no statistically significant correlations with these traits after correction for multiple testing. Whilst stratified GWAS analysis revealed a genome-wide significant locus for male MDD, the lack of independent replication, the equivalent SNP-based heritability estimates and the consistent pattern of genetic correlation with other health-related traits suggests that phenotypic stratification in currently available sample sizes is currently weakly justified. Based upon existing studies and our findings, the strategy of maximizing sample sizes is likely to provide the greater gain.

Neuroticism is a personality trait of fundamental importance for psychological wellbeing and public health. It is strongly associated with major depressive disorder (MDD) and several other psychiatric conditions. Although neuroticism is heritable, attempts to identify the alleles involved in previous studies have been limited by relatively small sample sizes and heterogeneity in the measurement of neuroticism. Here we report a genome-wide association study of neuroticism in 91,370 participants of the UK Biobank cohort and a combined meta-analysis which includes a further 6,659 participants from the Generation Scotland Scottish Family Health Study (GS:SFHS) and 8,687 participants from a QIMR Berghofer Medical Research Institute (QIMR) cohort. All participants were assessed using the same neuroticism instrument, the Eysenck Personality Questionnaire-Revised (EPQ-R-S) Short Form Neuroticism scale. We found a SNP-based heritability estimate for neuroticism of approximately 15% (SE = 0.7%). Meta-analysis identified 9 novel loci associated with neuroticism. The strongest evidence for association was at a locus on chromosome 8 (p = 1.5x10-15) spanning 4 Mb and containing at least 36 genes. Other associated loci included interesting candidate genes on chromosome 1 (GRIK3, glutamate receptor ionotropic kainate 3), chromosome 4 (KLHL2, Kelch-like protein 2), chromosome 17 (CRHR1, corticotropin-releasing hormone receptor 1 and MAPT, microtubule-associated protein Tau), and on chromosome 18 (CELF4, CUGBP elav-like family member 4). We found no evidence for genetic differences in the common allelic architecture of neuroticism by sex. By comparing our findings with those of the Psychiatric Genetics Consortia, we identified a strong genetic correlation between neuroticism and MDD (0.64) and a less strong but significant genetic correlation with schizophrenia (0.22), although not with bipolar disorder. Polygenic risk scores derived from the primary UK Biobank sample captured about 1% of the variance in neuroticism in independent samples. Overall, our findings confirm a polygenic basis for neuroticism and substantial shared genetic architecture between neuroticism and MDD. The identification of 9 new neuroticism-associated loci will drive forward future work on the neurobiology of neuroticism and related phenotypes.

Individuals with lower socio-economic status (SES) are at increased risk of physical and mental illnesses and tend to die at an earlier age [1-3]. Explanations for the association between SES and health typically focus on factors that are environmental in origin [4]. However, common single nucleotide polymorphisms (SNPs) have been found collectively to explain around 18% (SE = 5%) of the phenotypic variance of an area-based social deprivation measure of SES [5]. Molecular genetic studies have also shown that physical and psychiatric diseases are at least partly heritable [6]. It is possible, therefore, that phenotypic associations between SES and health arise partly due to a shared genetic etiology. We conducted a genome-wide association study (GWAS) on social deprivation and on household income using the 112,151 participants of UK Biobank. We find that common SNPs explain 21% (SE = 0.5%) of the variation in social deprivation and 11% (SE = 0.7%) in household income. Two independent SNPs attained genome-wide significance for household income, rs187848990 on chromosome 2, and rs8100891 on chromosome 19. Genes in the regions of these SNPs have been associated with intellectual disabilities, schizophrenia, and synaptic plasticity. Extensive genetic correlations were found between both measures of socioeconomic status and illnesses, anthropometric variables, psychiatric disorders, and cognitive ability. These findings show that some SNPs associated with SES are involved in the brain and central nervous system. The genetic associations with SES are probably mediated via other partly-heritable variables, including cognitive ability, education, personality, and health.

Male pattern baldness can have substantial psychosocial effects, and it has been phenotypically linked to adverse health outcomes such as prostate cancer and cardiovascular disease. We explored the genetic architecture of the trait using data from over 52,000 male participants of UK Biobank, aged 40-69 years. We identified over 250 independent novel genetic loci associated with severe hair loss. By developing a prediction algorithm based entirely on common genetic variants, and applying it to an independent sample, we could discriminate accurately (AUC = 0.82) between those with no hair loss from those with severe hair loss. The results of this study might help identify those at the greatest risk of hair loss and also potential genetic targets for intervention.