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.

Abstract An individual’s brain-age is the difference between chronological age and age predicted from machine-learning models of brain-imaging data. Brain-age has been proposed as a biomarker of age-related deterioration of the brain. Having an older brain-age has been linked to Alzheimer’s, dementia and mortality. However, these findings are largely based on cross-sectional associations which can confuse age differences with cohort differences. To illuminate the validity of brain-age a biomarker of accelerated brain aging, a study is needed of a large cohort all born the same year who nevertheless vary on brain-age. In a population-representative 1972-73 birth cohort we measured brain-age at age 45, as well as the pace of biological aging and cognitive decline in longitudinal data from childhood to midlife (N=869). In this cohort, all chronological age 45 years, brain-age was measured reliably (ICC=.81) and ranged from 24 to 72 years. Those with older midlife brain-ages tended to have poorer cognitive function in both adulthood and childhood, as well as impaired brain health at age 3. Furthermore, those with older brain-ages had an accelerated pace of biological aging, older facial appearance and early signs of cognitive decline from childhood to midlife. These findings help to validate brain-age as a potential surrogate biomarker for midlife intervention studies that seek to measure treatment response to dementia-prevention efforts in midlife. However, the findings also caution against the assumption that brain-age scores represent only age-related deterioration of the brain as they may also index central nervous system variation present since childhood.

Abstract The size of the human head is determined by growth in the first years of life, while the rest of the body typically grows until early adulthood 1 . Such complex developmental processes are regulated by various genes and growth pathways 2 . Rare genetic syndromes have revealed genes that affect head size 3 , but the genetic drivers of variation in head size within the general population remain largely unknown. To elucidate biological pathways underlying the growth of the human head, we performed the largest genome-wide association study on human head size to date (N = 79,107). We identified 67 genetic loci, 50 of which are novel, and found that these loci are preferentially associated with head size and mostly independent from height. In subsequent neuroimaging analyses, the majority of genetic variants demonstrated widespread effects on the brain, whereas the effects of 17 variants could be localized to one or two specific brain regions. Through hypothesis-free approaches, we find a strong overlap of head size variants with both cancer pathways and cancer genes. Gene set analyses showed enrichment for different types of cancer and the p53, Wnt and ErbB signalling pathway. Genes overlapping or close to lead variants – such as TP53 , PTEN and APC – were enriched for genes involved in macrocephaly syndromes (up to 37-fold) and high-fidelity cancer genes (up to 9-fold), whereas this enrichment was not seen for human height variants. This indicates that genes regulating early brain and cranial growth are associated with a propensity to neoplasia later in life, irrespective of height. Our results warrant further investigations of the link between head size and cancer, as well as its clinical implications in the general population.

Abstract We investigated the extent to which measures of retinal neuronal thickness capture variability in the structural integrity of the brain in a large population-based cohort followed from birth to midlife. Using data from the Dunedin Multidisciplinary Health and Development Study ( n =1037; analytic n =828, aged 45 years), we specifically tested for associations between optical coherence tomography-measured retinal neuronal layers and MRI-measured structural brain integrity. We found that Study members who had thinner retinal neuronal layers had thinner average cortex, smaller total cortical surface area, smaller subcortical grey matter volumes, larger volume of white matter hyperintensities as well as older looking brains. This suggests that retinal neuronal thickness reflects differences in midlife structural brain integrity consistent with accelerated cognitive decline and increased risk for later dementia, further supporting the proposition that the retina may be a biomarker of brain aging as early as midlife.

ABSTRACT Background Alcohol use has been reliably associated with smaller subcortical and cortical regional gray matter volumes (GMVs). Whether these associations reflect shared predisposing risk factors and/or causal consequences of alcohol use remains poorly understood. Methods Data came from 3 neuroimaging samples (total n=2,423), spanning childhood/adolescence to middle age, with prospective or family-based data. First, we identified replicable GMV correlates of alcohol use. Next, we used family-based and longitudinal data to test whether these associations may plausibly reflect a predispositional liability for alcohol use, and/or a causal consequence of alcohol use. Finally, we evaluated whether GWAS-defined genomic risk for alcohol consumption is enriched for genes preferentially expressed in regions identified in our neuroimaging analyses, using heritability and gene-set enrichment, and transcriptome-wide association study (TWAS) approaches. Results Smaller right dorsolateral prefrontal cortex (DLPFC; i.e., middle and superior frontal gyri) and insula GMVs were associated with increased alcohol use across samples. Family-based and prospective longitudinal data suggest these associations are genetically conferred and that DLPFC GMV prospectively predicts future use and initiation. Genomic risk for alcohol use was enriched in gene-sets preferentially expressed in the DLPFC and associated with differential expression of C16orf93 , CWF19L1 , and C18orf8 in the DLPFC. Conclusions These data suggest that smaller DLPFC and insula GMV plausibly represent predispositional risk factors for, as opposed to consequences of, alcohol use. Alcohol use, particularly when heavy, may potentiate these predispositional risk factors. DLPFC and insula GMV represent promising biomarkers for alcohol consumption liability and related psychiatric and behavioral phenotypes.

Intelligence is highly heritable and a major determinant of human health and well-being. Recent genome-wide meta-analyses have identified 24 genomic loci linked to intelligence, but much about its genetic underpinnings remains to be discovered. Here, we present the largest genetic association study of intelligence to date (N=279,930), identifying 206 genomic loci (191 novel) and implicating 1,041 genes (963 novel) 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 identify 89 nonsynonymous exonic variants. Associated genes are strongly expressed in the brain and specifically in striatal medium spiny neurons and cortical and hippocampal pyramidal neurons. Gene-set analyses implicate pathways related to neurogenesis, neuron differentiation and synaptic structure. We confirm previous strong genetic correlations with several neuropsychiatric disorders, and Mendelian Randomization results suggest protective effects of intelligence for Alzheimer's dementia and ADHD, and bidirectional causation with strong pleiotropy for schizophrenia. These results are a major step forward in understanding the neurobiology of intelligence as well as genetically associated neuropsychiatric traits.

General cognitive function is a prominent human trait associated with many important life outcomes including longevity. The substantial heritability of general cognitive function is known to be polygenic, but it has had little explication in terms of the contributing genetic variants. Here, we combined cognitive and genetic data from the CHARGE and COGENT consortia, and UK Biobank (total N=280,360; age range = 16 to 102). We found 9,714 genome-wide significant SNPs (P<5 x 10-8) in 99 independent loci. Most showed clear evidence of functional importance. Among many novel genes associated with general cognitive function were SGCZ, ATXN1, MAPT, AUTS2, and P2RY6. Within the novel genetic loci were variants associated with neurodegenerative disorders, neurodevelopmental disorders, physical and psychiatric illnesses, brain structure, and BMI. Gene-based analyses found 536 genes significantly associated with general cognitive function; many were highly expressed in the brain, and associated with neurogenesis and dendrite gene sets. Genetic association results predicted up to 4% of general cognitive function variance in independent samples. There was significant genetic overlap between general cognitive function and information processing speed, as well as many health variables including longevity.

Objective: Neuroimaging research has revealed that structural brain alterations are common across broad diagnostic families of disorders rather than specific to a single psychiatric disorder. Such overlap in the structural brain correlates of mental disorders mirrors already well-documented phenotypic comorbidity of psychiatric symptoms and diagnoses, which can be indexed by a general psychopathology or p factor. We hypothesized that if general psychopathology drives the convergence of structural alterations common across disorders then 1) there should be few, if any, associations unique to any one diagnostic family of disorders, and 2) associations with the p factor should overlap with those for the broader diagnostic families. Methods: Analyses were conducted on structural MRI and psychopathology data collected from 861 members of the population representative Dunedin Study at age 45. Results: Study members with high scores across three broad diagnostic families of disorders (Externalizing, Internalizing, Thought Disorder) exhibited highly overlapping patterns of reduced global and widely distributed parcel-wise neocortical thickness. Study members with high p factor scores exhibited patterns of reduced global and parcel-wise neocortical thickness nearly identical to those associated with the three broad diagnostic families. Conclusions: A pattern of pervasively reduced neocortical thickness appears common across all forms of mental disorders and may represent a transdiagnostic feature of general psychopathology. As has been documented with regard to symptoms and diagnoses, the underlying brain structural correlates of mental disorders are unlikely to exhibit specificity, the continued pursuit of which may limit progress toward more effective strategies for etiological understanding, prevention, and intervention.

Transdiagnostic research has identified a general psychopathology factor – often called the ‘ p ’ factor – that accounts for shared variation across internalizing, externalizing, and thought disorders in diverse samples. It has been argued that the p factor may reflect dysfunctional thinking present in serious mental illness. In support of this, we previously used a theory-free, data-driven multimodal neuroimaging approach to find that higher p factor scores are associated with structural alterations within a cerebello-thalamo-cortical circuit (CTCC) and visual association cortex, both of which are important for monitoring and coordinating information processing in the service of executive control. Here we attempt to replicate these associations by conducting region-of-interest analyses of CTCC and visual association cortex using data from 875 members of the Dunedin Longitudinal Study, a five-decade study of a population-representative birth cohort now 45 years old. We further sought to replicate a more recent report that p factor scores can be predicted by patterns of distributed cerebellar morphology as estimated through independent component analysis. We successfully replicated associations between higher p factor scores and both reduced grey matter volume of the visual association cortex and fractional anisotropy of pontine white matter pathways within the CTCC. In contrast, we failed to replicate prior associations between cerebellar structure and p factor scores. Collectively, our findings encourage further focus on the CTCC and visual association cortex as core neural substrates and potential biomarkers of general psychopathology.

Attempts to link the Big Five personality traits of Openness-to-Experience, Conscientiousness, Extraversion, Agreeableness, and Neuroticism with variability in trait-like features of brain structure have produced inconsistent results. Small sample sizes and heterogeneous methodology have been suspected in driving these inconsistencies. Here, we tested for associations between the Big Five personality traits and multiple measures of brain structure using data from 1,107 university students (636 women, mean age 19.69±1.24 years) representing the largest attempt to date. In addition to replication analyses based on a prior study, we conducted exploratory whole-brain analyses. Four supplementary analyses were also conducted to examine 1) possible associations with lower-order facets of personality; 2) modulatory effects of sex; 3) effect of controlling for non-target personality traits; and 4) parcellation scheme effects. The analyses failed to identify any significant associations between the Big Five personality traits and variability in measures of cortical thickness, surface area, subcortical volume, or white matter microstructural integrity, except for an association between greater surface area of the superior temporal gyrus and lower scores on conscientiousness that explained 0.44% of the morphometric measure’s variance. Notably however, the latter association is largely not supported by previous studies. The supplementary analyses mirrored these largely null findings, suggesting they were not substantively biased by our choice of analytic model. Collectively, these results indicate that if there are direct associations between the Big Five personality traits and variability in brain structure, they are of likely very small effect sizes and will require very large samples for reliable detection.