Suicides have increased to over 48,000 deaths yearly in the United States. Major depressive disorder (MDD) is the most common diagnosis among suicides, and identifying those at the highest risk for suicide is a pressing challenge. The objective of this study is to identify changes in gene expression associated with suicide in brain and blood for the development of biomarkers for suicide. Blood and brain were available for 45 subjects (53 blood samples and 69 dorsolateral prefrontal cortex (DLPFC) samples in total). Samples were collected from MDD patients who died by suicide (MDD-S), MDDs who died by other means (MDD-NS) and non-psychiatric controls. We analyzed gene expression using RNA and the NanoString platform. In blood, we identified 14 genes which significantly differentiated MDD-S versus MDD-NS. The top six genes differentially expressed in blood were: PER3, MTPAP, SLC25A26, CD19, SOX9, and GAR1. Additionally, four genes showed significant changes in brain and blood between MDD-S and MDD-NS; SOX9 was decreased and PER3 was increased in MDD-S in both tissues, while CD19 and TERF1 were increased in blood but decreased in DLPFC. To our knowledge, this is the first study to analyze matched blood and brain samples in a well-defined population of MDDs demonstrating significant differences in gene expression associated with completed suicide. Our results strongly suggest that blood gene expression is highly informative to understand molecular changes in suicide. Developing a suicide biomarker signature in blood could help health care professionals to identify subjects at high risk for suicide.

Bipolar disorder is a highly heritable psychiatric disorder that features episodes of mania and depression. We performed the largest genome-wide association study to date, including 20,352 cases and 31,358 controls of European descent, with follow-up analysis of 822 sentinel variants at loci with P<1x10-4 in an independent sample of 9,412 cases and 137,760 controls. In the combined analysis, 30 loci reached genome-wide significant evidence for association, of which 20 were novel. These significant loci contain genes encoding ion channels and neurotransmitter transporters (CACNA1C, GRIN2A, SCN2A, SLC4A1), synaptic components (RIMS1, ANK3), immune and energy metabolism components. Bipolar disorder type I (depressive and manic episodes; ~73% of our cases) is strongly genetically correlated with schizophrenia whereas bipolar disorder type II (depressive and hypomanic episodes; ~17% of our cases) is more strongly correlated with major depressive disorder. These findings address key clinical questions and provide potential new biological mechanisms for bipolar disorder.

Schizophrenia (SZ) and bipolar disorder (BP) patients share overlapping and distinct neurocognitive deficits. Neuroimaging of these patients and postmortem gene expression analyses suggest that compromised cingulate gyrus GABA-ergic interneurons may contribute to cognitive impairments in SZ and BP. Therefore, we investigated potential gene expression signatures for SZ and BP using interneuron cell-type specific markers including glutamic acid decarboxylase (GAD67), parvalbumin (PV), somatostatin (SST), and vasoactive intestinal peptide (VIP) within cingulate Brodmann areas (BA). We report reduced GAD67 mRNA in anterior midcingulate cortex (aMCC) of SZ and BP subjects with BA24c being most dysregulated across disorders, demonstrating reduced PV (SZ), SST (BP), and VIP mRNA (SZ and BP). Dorsal posterior cingulate (dPCC) displayed decreased SST (BP) whereas retrosplenial cortex (RSC) showed reduced PV (SZ and BP) and SST mRNA (BP). Our results show shared and unique transcription signatures of two disorders in specific cingulate gyrus regions and cell types. SZ and BP show a similar profile of aMCC gene expression reductions suggesting subregional dysregulation within areas associated with error/action monitoring and the saliency network. In dPCC/RSC, transcriptional changes are associated with disease-specific gene/subregion signatures, possibly underlying differential effects on allocation of attentional resources and visuospatial memory processing unique to each disorder.

Psychiatric illness is unlikely to arise from pathology occurring uniformly across all cell types in affected brain regions. Despite this, transcriptomic analyses of the human brain have typically been conducted using macro-dissected tissue due to the difficulty of performing single-cell type analyses with donated post-mortem brains. To address this issue statistically, we compiled a database of several thousand transcripts that were specifically-enriched in one of 10 primary cortical cell types in previous publications. Using this database, we predicted the relative cell type composition for 833 human cortical samples using microarray or RNA-Seq data from the Pritzker Consortium (GSE92538) or publicly-available databases (GSE53987, GSE21935, GSE21138, CommonMind Consortium). These predictions were generated by averaging normalized expression levels across transcripts specific to each cell type using our R-package BrainInABlender (validated and publicly-released: https://github.com/hagenaue/BrainInABlender). Using this method, we found that the principal components of variation in the datasets strongly correlated with the neuron to glia ratio of the samples. This variability was not simply due to dissection - the relative balance of brain cell types appeared to be influenced by a variety of demographic, pre- and post-mortem variables. Prolonged hypoxia around the time of death predicted increased astrocytic and endothelial gene expression, illustrating vascular upregulation. Aging was associated with decreased neuronal gene expression. Red blood cell gene expression was reduced in individuals who died following systemic blood loss. Subjects with Major Depressive Disorder had decreased astrocytic gene expression, mirroring previous morphometric observations. Subjects with Schizophrenia had reduced red blood cell gene expression, resembling the hypofrontality detected in fMRI experiments. Finally, in datasets containing samples with especially variable cell content, we found that controlling for predicted sample cell content while evaluating differential expression improved the detection of previously-identified psychiatric effects. We conclude that accounting for cell type can greatly improve the interpretability of transcriptomic data.

Schizophrenia (SCZ) and bipolar disorder (BD) are highly heritable disorders that share a significant proportion of common risk variation. Understanding the genetic factors underlying the specific symptoms of these disorders will be crucial for improving diagnosis, intervention and treatment. In case-control data consisting of 53,555 cases (20,129 BD, 33,426 SCZ) and 54,065 controls, we identified 114 genome-wide significant loci (GWS) when comparing all cases to controls, of which 41 represented novel findings. Two genome-wide significant loci were identified when comparing SCZ to BD and a third was found when directly incorporating functional information. Regional joint association identified a genomic region of overlapping association in BD and SCZ with disease-independent causal variants indicating a fourth region contributing to differences between these disorders. Regional SNP-heritability analyses demonstrated that the estimated heritability of BD based on the SCZ GWS regions was significantly higher than that based on the average genomic region (91 regions, p = 1.2x10-6) while the inverse was not significant (19 regions, p=0.89). Using our BD and SCZ GWAS we calculated polygenic risk scores and identified several significant correlations with: 1) SCZ subphenotypes: negative symptoms (SCZ, p=3.6x10-6) and manic symptoms (BD, p=2x10-5), 2) BD subphenotypes: psychotic features (SCZ p=1.2x10-10, BD p=5.3x10-5) and age of onset (SCZ p=7.9x10-4). Finally, we show that psychotic features in BD has significant SNP-heritability (h2snp=0.15, SE=0.06), and a significant genetic correlation with SCZ (rg=0.34) in addition there is a significant sign test result between SCZ GWAS and a GWAS of BD cases contrasting those with and without psychotic features (p=0.0038, one-side binomial test). For the first time, we have identified specific loci pointing to a potential role of 4 genes (DARS2, ARFGEF2, DCAKD and GATAD2A) that distinguish between BD and SCZ, providing an opportunity to understand the biology contributing to clinical differences of these disorders. Our results provide the best evidence so far of genomic components distinguishing between BD and SCZ that contribute directly to specific symptom dimensions.

Background: Psychiatric disorders are multigenic diseases with complex etiology contributing significantly to human morbidity and mortality. Although clinically distinct, several disorders share many symptoms suggesting common underlying molecular changes exist that may implicate important regulators of pathogenesis and new therapeutic targets. Results: We compared molecular signatures across brain regions and disorders in the transcriptomes of postmortem human brain samples. We performed RNA sequencing on tissue from the anterior cingulate cortex, dorsolateral prefrontal cortex, and nucleus accumbens from three groups of 24 patients each diagnosed with schizophrenia, bipolar disorder, or major depressive disorder, and from 24 control subjects, and validated the results in an independent cohort. The most significant disease differences were in the anterior cingulate cortex of schizophrenia samples compared to controls. Transcriptional changes were assessed in an independent cohort, revealing the transcription factor EGR1 as significantly down regulated in both cohorts and as a potential regulator of broader transcription changes observed in schizophrenia patients. Additionally, broad down regulation of genes specific to neurons and concordant up regulation of genes specific to astrocytes was observed in SZ and BPD patients relative to controls. We also assessed the biochemical consequences of gene expression changes with untargeted metabolomic profiling and identified disruption of GABA levels in schizophrenia patients. Conclusions: We provide a comprehensive post-mortem transcriptome profile of three psychiatric disorders across three brain regions. We highlight a high-confidence set of independently validated genes differentially expressed between schizophrenia and control patients in the anterior cingulate cortex and integrate transcriptional changes with untargeted metabolite profiling.