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.

Abstract Background The origin of sex differences in prevalence and presentation of neuropsychiatric and behavioral traits is largely unknown. Given established genetic contributions and correlations across these traits, we tested for a sex-differentiated genetic architecture within and between traits. Methods Using genome-wide association study (GWAS) summary statistics for 20 neuropsychiatric and behavioral traits, we tested for differences in SNP-based heritability (h 2 ) and genetic correlation (r g <1) between sexes. For each trait, we computed z-scores from sex-stratified GWAS regression coefficients and identified genes with sex-differentiated effects. We calculated Pearson correlation coefficients between z-scores for each trait pair, to assess whether specific pairs share variants with sex-differentiated effects. Finally, we tested for sex differences in between-trait genetic correlations. Results With current sample sizes (and power), we found no significant, consistent sex differences in SNP-based h 2 . Between-sex, within-trait genetic correlations were consistently high, although significantly less than 1 for educational attainment and risk-taking behavior. We identified genome-wide significant genes with sex-differentiated effects for eight traits. Several trait pairs shared sex-differentiated effects. The top 0.1% of genes with sex-differentiated effects across traits overlapped with neuron- and synapse-related gene sets. Most between-trait genetic correlation estimates were similar across sex, with several exceptions (e.g. educational attainment & risk-taking behavior). Conclusions Sex differences in the common autosomal genetic architecture of neuropsychiatric and behavioral phenotypes are small and polygenic, requiring large sample sizes. Genes with sex-differentiated effects are enriched for neuron-related gene sets. This work motivates further investigation of genetic, as well as environmental, influences on sex differences.

The cerebral cortex underlies our complex cognitive capabilities, yet we know little about the specific genetic loci influencing human cortical structure. To identify genetic variants, including structural variants, impacting cortical structure, we conducted a genome-wide association meta-analysis of brain MRI data from 51,662 individuals. We analysed the surface area and average thickness of the whole cortex and 34 regions with known functional specialisations. We identified 255 nominally significant loci ( P ≤ 5 × 10−8); 199 survived multiple testing correction ( P ≤ 8.3 × 10−10; 187 surface area; 12 thickness). We found significant enrichment for loci influencing total surface area within regulatory elements active during prenatal cortical development, supporting the radial unit hypothesis. Loci impacting regional surface area cluster near genes in Wnt signalling pathways, known to influence progenitor expansion and areal identity. Variation in cortical structure is genetically correlated with cognitive function, Parkinson’s disease, insomnia, depression and ADHD.One Sentence Summary Common genetic variation is associated with inter-individual variation in the structure of the human cortex, both globally and within specific regions, and is shared with genetic risk factors for some neuropsychiatric disorders.

For many traits, males show greater variability than females, with possible implications for understanding sex differences in health and disease. Here, the ENIGMA (Enhancing Neuro Imaging Genetics through Meta-Analysis) Consortium presents the largest-ever mega-analysis of sex differences in variability of brain structure, based on international data spanning nine decades of life. Subcortical volumes, cortical surface area and cortical thickness were assessed in MRI data of 16,683 healthy individuals 1-90 years old (47% females). We observed patterns of greater male than female between-subject variance for all brain measures. This pattern was stable across the lifespan for 50% of the subcortical structures, 70% of the regional area measures, and nearly all regions for thickness. Our findings that these sex differences are present in childhood implicate early life genetic or gene-environment interaction mechanisms. The findings highlight the importance of individual differences within the sexes, that may underpin sex-specific vulnerability to disorders.

Subcortical brain structures are integral to motion, consciousness, emotions, and learning. We identified common genetic variation related to the volumes of nucleus accumbens, amygdala, brainstem, caudate nucleus, globus pallidus, putamen, and thalamus, using genome-wide association analyses in over 40,000 individuals from CHARGE, ENIGMA and the UK-Biobank. We show that variability in subcortical volumes is heritable, and identify 25 significantly associated loci (20 novel). Annotation of these loci utilizing gene expression, methylation, and neuropathological data identified 62 candidate genes implicated in neurodevelopment, synaptic signaling, axonal transport, apoptosis, and susceptibility to neurological disorders. This set of genes is significantly enriched for Drosophila orthologs associated with neurodevelopmental phenotypes, suggesting evolutionarily conserved mechanisms. Our findings uncover novel biology and potential drug targets underlying brain development and disease.

Cortical thickness, surface area and volumes (MRI cortical measures) vary with age and cognitive function, and in neurological and psychiatric diseases. We examined heritability, genetic correlations and genome-wide associations of cortical measures across the whole cortex, and in 34 anatomically predefined regions. Our discovery sample comprised 22,824 individuals from 20 cohorts within the Cohorts for Heart and Aging Research in Genomic Epidemiology (CHARGE) consortium and the United Kingdom Biobank. Significant associations were replicated in the Enhancing Neuroimaging Genetics through Meta-analysis (ENIGMA) consortium, and their biological implications explored using bioinformatic annotation and pathway analyses. We identified genetic heterogeneity between cortical measures and brain regions, and 160 genome-wide significant associations pointing to wnt/β-catenin, TGF-β and sonic hedgehog pathways. There was enrichment for genes involved in anthropometric traits, hindbrain development, vascular and neurodegenerative disease and psychiatric conditions. These data are a rich resource for studies of the biological mechanisms behind cortical development and aging.

Migraine is a debilitating neurological disorder affecting around 1 in 7 people worldwide, but its molecular mechanisms remain poorly understood. Some debate exists over whether migraine is a disease of vascular dysfunction, or a result of neuronal dysfunction with secondary vascular changes. Genome-wide association (GWA) studies have thus far identified 13 independent loci associated with migraine. To identify new susceptibility loci, we performed the largest genetic study of migraine to date, comprising 59,674 cases and 316,078 controls from 22 GWA studies. We identified 45 independent single nucleotide polymorphisms (SNPs) significantly associated with migraine risk (P < 5 x 10-8) that map to 38 distinct genomic loci, including 28 loci not previously reported and the first locus identified on chromosome X. Furthermore, a subset analysis for migraine without aura (MO) identified seven of the same loci as from the full sample, whereas no loci reached genome-wide significance in the migraine with aura (MA) subset. In subsequent computational analyzes, the identified loci showed enrichment for genes expressed in vascular and smooth muscle tissues, consistent with a predominant theory of migraine that highlights vascular etiologies.

Attention Deficit/Hyperactivity Disorder (ADHD), Autism Spectrum Disorder (ASD), Obsessive-Compulsive Disorder (OCD), and Tourette Syndrome (TS) are among the most prevalent neurodevelopmental psychiatric disorders of childhood and adolescence. High comorbidity rates across these four disorders point toward a common etiological thread that could be connecting them across the repetitive behaviors-impulsivity-compulsivity continuum. Aiming to uncover the shared genetic basis across ADHD, ASD, OCD, and TS, we undertake a systematic cross-disorder meta-analysis, integrating summary statistics from all currently available genome-wide association studies (GWAS) for these disorders, as made available by the Psychiatric Genomics Consortium (PGC) and the Lundbeck Foundation Initiative for Integrative Psychiatric Research (iPSYCH). We present analysis of a combined dataset of 93,294 individuals, across 6,788,510 markers and investigate associations on the single-nucleotide polymorphism (SNP), gene and pathway levels across all four disorders but also pairwise. In the ADHD-ASD-OCD-TS cross disorder GWAS meta-analysis, we uncover in total 297 genomewide significant variants from six LD (linkage disequilibrium) -independent genomic risk regions. Out of these genomewide significant association results, 199 SNPs, that map onto four genomic regions, show high posterior probability for association with at least three of the studied disorders (m-value>0.9). Gene-based GWAS meta-analysis across ADHD, ASD, OCD, and TS identified 21 genes significantly associated under Bonferroni correction. Out of those, 15 could not be identified as significantly associated based on the individual disorder GWAS dataset, indicating increased power in the cross-disorder comparisons. Cross-disorder tissue-specificity analysis implicates the Hypothalamus-Pituitary-Adrenal axis (stress response) as possibly underlying shared pathophysiology across ADHD, ASD, OCD, and TS. Our work highlights genetic variants and genes that may contribute to overlapping neurobiology across the four studied disorders and highlights the value of re-defining the framework for the study across this spectrum of highly comorbid disorders, by using transdiagnostic approaches.

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.

Objective: Over 90% of suicide attempters have a psychiatric diagnosis, however twin and family studies suggest that the genetic etiology of suicide attempt (SA) is partially distinct from that of the psychiatric disorders themselves. Here, we present the largest genome-wide association study (GWAS) on suicide attempt using major depressive disorder (MDD), bipolar disorder (BIP) and schizophrenia (SCZ) cohorts from the Psychiatric Genomics Consortium. Method: Samples comprise 1622 suicide attempters and 8786 non-attempters with MDD, 3264 attempters and 5500 non-attempters with BIP and 1683 attempters and 2946 non-attempters with SCZ. SA GWAS were performed comparing attempters to non-attempters in each disorder followed by meta-analysis across disorders. Polygenic risk scoring investigated the genetic relationship between SA and the psychiatric disorders. Results: Three genome-wide significant loci for SA were found: one associated with SA in MDD, one in BIP, and one in the meta-analysis of SA in mood disorders. These associations were not replicated in independent mood disorder cohorts from the UK Biobank and iPSYCH. Polygenic risk scores for major depression were significantly associated with SA in MDD (P=0.0002), BIP (P=0.0006) and SCZ (P=0.0006). Conclusions: This study provides new information on genetic associations and the genetic etiology of SA across psychiatric disorders. The finding that polygenic risk scores for major depression predict suicide attempt across disorders provide a possible starting point for predictive modelling and preventative strategies. Further collaborative efforts to increase sample size hold potential to robustly identify genetic associations and gain biological insights into the etiology of suicide attempt.