Introductory paragraph Cannabis is the most frequently used illicit psychoactive substance worldwide 1 . Life time use has been reported among 35-40% of adults in Denmark 2 and the United States 3 . Cannabis use is increasing in the population 4–6 and among users around 9% become dependent 7 . The genetic risk component is high with heritability estimates of 51 8 –70% 9 . Here we report the first genome-wide significant risk locus for cannabis use disorder (CUD, P=9.31×10 −12 ) that replicates in an independent population (P replication =3.27×10 −3 , P metaanalysis =9.09×10 −12 ). The finding is based on a genome-wide association study (GWAS) of 2,387 cases and 48,985 controls followed by replication in 5,501 cases and 301,041 controls. The index SNP (rs56372821) is a strong eQTL for CHRNA2 and analyses of the genetic regulated gene expressions identified significant association of CHRNA2 expression in cerebellum with CUD. This indicates a potential therapeutic use in CUD of compounds with agonistic effect on the neuronal acetylcholine receptor alpha-2 subunit encoded by CHRNA2 . At the polygenic level analyses revealed a significant decrease in the risk of CUD with increased load of variants associated with cognitive performance.

ABSTRACT Dopaminergic neurons are critical to movement, mood, addiction, and stress. Current techniques for generating dopaminergic neurons from human induced pluripotent stem cells (hiPSCs) yield heterogenous cell populations with variable purity and inconsistent reproducibility between donors, hiPSC clones, and experiments. Here, we report the rapid (5 weeks) and efficient (~90%) induction of induced dopaminergic neurons (iDANs) through transient overexpression of lineage-promoting transcription factors combined with stringent selection across five donors. We observe maturation-dependent increase in dopamine synthesis, together with electrophysiological properties consistent with midbrain dopaminergic neuron identity, such as slow-rising after hyperpolarization potentials, an action potential duration of ~3ms, tonic sub-threshold oscillatory activity, and spontaneous burst firing at frequency of ~1.0-1.75 Hz. Transcriptome analysis reveals robust expression of genes involved in fetal midbrain dopaminergic neuron identity. Specifically expressed genes in iDANs, relative to their isogenic glutamatergic and GABAergic counterparts, were linked to the genetic risk architecture of a broad range of psychiatric traits, with iDANs showing particularly strong enrichment in loci conferring heritability for cannabis use disorder, schizophrenia, and bipolar disorder. Therefore, iDANs provide a critical tool for modeling midbrain dopaminergic neuron development and dysfunction in psychiatric disease.

To explain why individuals exposed to identical stressors experience divergent clinical outcomes, we determine how molecular encoding of stress modifies genetic risk for brain disorders. Analysis of post-mortem brain (n=304) revealed 8557 stress-interactive expression quantitative trait loci (eQTLs) that dysregulate expression of 915 eGenes in response to stress, and lie in stress-related transcription factor binding sites. Response to stress is robust across experimental paradigms: up to 50% of stress-interactive eGenes validate in glucocorticoid treated hiPSC-derived neurons (n=39 donors). Stress-interactive eGenes show brain region- and cell type-specificity, and, in post-mortem brain, implicate glial and endothelial mechanisms. Stress dysregulates long-term expression of disorder risk genes in a genotype-dependent manner; stress-interactive transcriptomic imputation uncovered 139 novel genes conferring brain disorder risk only in the context of traumatic stress. Molecular stress-encoding explains individualized responses to traumatic stress; incorporating trauma into genomic studies of brain disorders is likely to improve diagnosis, prognosis, and drug discovery.

Genome-wide association studies (GWAS) have laid the foundation for many downstream investigations, including the biology of complex traits, drug development, and clinical guidelines. However, the dominance of European-ancestry populations in GWAS creates a biased view of human variation and hinders the translation of genetic associations into clinical and public health applications. To demonstrate the benefit of studying underrepresented populations, the Population Architecture using Genomics and Epidemiology (PAGE) study conducted a GWAS of 26 clinical and behavioral phenotypes in 49,839 non-European individuals. Using novel strategies for multi-ethnic analysis of admixed populations, we confirm 574 GWAS catalog variants across these traits, and find 28 novel loci and 42 residual signals in known loci. Our data show strong evidence of effect-size heterogeneity across ancestries for published GWAS associations, which substantially restricts genetically-guided precision medicine. We advocate for new, large genome-wide efforts in diverse populations to reduce health disparities.

Bipolar disorder is a complex neuropsychiatric disorder presenting with episodic mood disturbances. In this study we use a transcriptomic imputation approach to identify novel genes and pathways associated with bipolar disorder, as well as three diagnostically and genetically distinct subtypes. Transcriptomic imputation approaches leverage well-curated and publicly available eQTL reference panels to create gene-expression prediction models, which may then be applied to impute genetically regulated gene expression (GREX) in large GWAS datasets. By testing for association between phenotype and GREX, rather than genotype, we hope to identify more biologically interpretable associations, and thus elucidate more of the genetic architecture of bipolar disorder. We applied GREX prediction models for 13 brain regions (derived from CommonMind Consortium and GTEx eQTL reference panels) to 21,488 bipolar cases and 54,303 matched controls, constituting the largest transcriptomic imputation study of bipolar disorder (BPD) to date. Additionally, we analyzed three specific BPD subtypes, including 14,938 individuals with subtype 1 (BD-I), 3,543 individuals with subtype 2 (BD-II), and 1,500 individuals with schizoaffective subtype (SAB). We identified 125 gene-tissue associations with BPD, of which 53 represent independent associations after FINEMAP analysis. 29/53 associations were novel; i.e., did not lie within 1Mb of a locus identified in the recent PGC-BD GWAS. We identified 37 independent BD-I gene-tissue associations (10 novel), 2 BD-II associations, and 2 SAB associations. Our BPD, BD-I and BD-II associations were significantly more likely to be differentially expressed in post-mortem brain tissue of BPD, BD-I and BD-II cases than we might expect by chance. Together with our pathway analysis, our results support long-standing hypotheses about bipolar disorder risk, including a role for oxidative stress and mitochondrial dysfunction, the post-synaptic density, and an enrichment of circadian rhythm and clock genes within our results.

Genetic liability associated with schizophrenia most frequently arises from common genetic variation that confers small individual effects and contributes to phenotypes only when considered in aggregate. These risk variants are typically non-coding and act by genetically regulating the expression of one or more gene targets (eGenes), but the mechanisms by which insular eGenes interact to contribute to complex genetic risk remains unclear. Here we apply a pooled CRISPR approach to evaluate in parallel ten schizophrenia eGenes in human glutamatergic neurons. Querying the shared neuronal impacts across eGenes reveals shared downstream transcriptomic impacts ("convergence") concentrated on pathways of brain development and synaptic signaling. The composition and strength of convergent networks is influenced by both the similarity of eGene functional annotation and the strength of eGene co-expression in human postmortem brain tissue. Convergent networks resolve distinct patterns of eGene up-regulation associated with individual-level risk in the post-mortem dorsolateral prefrontal cortex that are broadly enriched for neuropsychiatric disorder risk genes and may represent molecular subtypes of schizophrenia. Convergent gene targets are druggable as novel points of therapeutic intervention. Overall, convergence suggests a model to explain how non-additive interactions arise between risk genes and may explain cross-disorder pleiotropy of genetic risk for psychiatric disorders.

Transcriptomic imputation approaches offer an opportunity to test associations between disease and gene expression in otherwise inaccessible tissues, such as brain, by combining eQTL reference panels with large-scale genotype data. These genic associations could elucidate signals in complex GWAS loci and may disentangle the role of different tissues in disease development. Here, we use the largest eQTL reference panel for the dorso-lateral pre-frontal cortex (DLPFC), collected by the CommonMind Consortium, to create a set of gene expression predictors and demonstrate their utility. We applied these predictors to 40,299 schizophrenia cases and 65,264 matched controls, constituting the largest transcriptomic imputation study of schizophrenia to date. We also computed predicted gene expression levels for 12 additional brain regions, using publicly available predictor models from GTEx. We identified 413 genic associations across 13 brain regions. Stepwise conditioning across the genes and tissues identified 71 associated genes (67 outside the MHC), with the majority of associations found in the DLPFC, and of which 14/67 genes did not fall within previously genome-wide significant loci. We identified 36 significantly enriched pathways, including hexosaminidase-A deficiency, and multiple pathways associated with porphyric disorders. We investigated developmental expression patterns for all 67 non-MHC associated genes using BRAINSPAN, and identified groups of genes expressed specifically pre-natally or post-natally.

Causal genes and variants within genome-wide association study (GWAS) loci can be identified by integrating GWAS statistics with expression quantitative trait loci (eQTL) and determining which SNPs underlie both GWAS and eQTL signals. Most analyses, however, consider only the marginal eQTL signal, rather than dissecting this signal into multiple independent eQTL for each gene. Here we show that analyzing conditional eQTL signatures, which could be important under specific cellular or temporal contexts, leads to improved fine mapping of GWAS associations. Using genotypes and gene expression levels from post-mortem human brain samples (N=467) reported by the CommonMind Consortium (CMC), we find that conditional eQTL are widespread; 63% of genes with primary eQTL also have conditional eQTL. In addition, genomic features associated with conditional eQTL are consistent with context specific (i.e. tissue, cell type, or developmental time point specific) regulation of gene expression. Integrating the Psychiatric Genomics Consortium schizophrenia (SCZ) GWAS and CMC conditional eQTL data reveals forty loci with strong evidence for co-localization (posterior probability >0.8), including six loci with co-localization of conditional eQTL. Our co-localization analyses support previously reported genes and identify novel genes for schizophrenia risk, and provide specific hypotheses for their functional follow-up. Note: Eli A. Stahl and Solveig K. Sieberts are co-corresponding authors

The host response to SARS-CoV-2, the etiologic agent of the COVID-19 pandemic, demonstrates significant inter-individual variability. In addition to showing more disease in males, the elderly, and individuals with underlying comorbidities, SARS-CoV-2 can seemingly render healthy individuals with profound clinical complications. We hypothesize that, in addition to viral load and host antibody repertoire, host genetic variants also impact vulnerability to infection. Here we apply human induced pluripotent stem cell (hiPSC)-based models and CRISPR-engineering to explore the host genetics of SARS-CoV-2. We demonstrate that a single nucleotide polymorphism (rs4702), common in the population at large, and located in the 3'UTR of the protease FURIN, impacts alveolar and neuron infection by SARS-CoV-2 in vitro. Thus, we provide a proof-of-principle finding that common genetic variation can impact viral infection, and thus contribute to clinical heterogeneity in SARS-CoV-2. Ongoing genetic studies will help to better identify high-risk individuals, predict clinical complications, and facilitate the discovery of drugs that might treat disease.

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.