ABSTRACT Bipolar disorder (BD) is characterized by cyclical alternations between mania and depression, often comorbid with psychosis, and suicide. The mood stabilizer lithium, compared to other medications, is the most efficient treatment for prevention of manic and depressive episodes. The pathophysiology of BD, and lithium’s mode of action, are yet to be fully understood. Evidence suggests a change in the balance of excitatory/inhibitory activity, favouring excitation in BD. Here, we sought to establish a holistic appreciation of the neuronal consequences of lithium exposure in mouse cortical neurons and identify underlying mechanisms. We found that chronic (but not acute) lithium treatment significantly reduced intracellular calcium flux, specifically through the activation of the metabotropic glutamatergic receptor mGluR5. This was associated with altered phosphorylation of PKC and GSK3 kinases, reduced neuronal excitability, and several alterations to synapse function. Consequently, lithium treatment shifts the excitatory/inhibitory balance in the network toward inhibition. Together, the results revealed how lithium dampens neuronal excitability and glutamatergic network activity, which are predicted to be overactive in the manic phase of BD. Our working model of lithium action enables the development of targeted strategies to restore the balance of overactive networks, mimicking the therapeutic benefits of lithium, but with reduced toxicity.

Multivariate techniques better fit the anatomy of complex neuropsychiatric disorders which are characterized not by alterations in a single region, but rather by variations across distributed brain networks. Here, we used principal component analysis (PCA) to identify patterns of covariance across brain regions and relate them to clinical and demographic variables in a large generalizable dataset of individuals with bipolar disorders and controls. We then compared performance of PCA and clustering on identical sample to identify which methodology was better in capturing links between brain and clinical measures. Using data from the ENIGMA-BD working group, we investigated T1-weighted structural MRI data from 2436 participants with BD and healthy controls, and applied PCA to cortical thickness and surface area measures. We then studied the association of principal components with clinical and demographic variables using mixed regression models. We compared the PCA model with our prior clustering analyses of the same data and also tested it in a replication sample of 327 participants with BD or schizophrenia and healthy controls. The first principal component, which indexed a greater cortical thickness across all 68 cortical regions, was negatively associated with BD, BMI, antipsychotic medications, and age and was positively associated with Li treatment. PCA demonstrated superior goodness of fit to clustering when predicting diagnosis and BMI. Moreover, applying the PCA model to the replication sample yielded significant differences in cortical thickness between healthy controls and individuals with BD or schizophrenia. Cortical thickness in the same widespread regional network as determined by PCA was negatively associated with different clinical and demographic variables, including diagnosis, age, BMI, and treatment with antipsychotic medications or lithium. PCA outperformed clustering and provided an easy-to-use and interpret method to study multivariate associations between brain structure and system-level variables. PRACTITIONER POINTS: In this study of 2770 Individuals, we confirmed that cortical thickness in widespread regional networks as determined by principal component analysis (PCA) was negatively associated with relevant clinical and demographic variables, including diagnosis, age, BMI, and treatment with antipsychotic medications or lithium. Significant associations of many different system-level variables with the same brain network suggest a lack of one-to-one mapping of individual clinical and demographic factors to specific patterns of brain changes. PCA outperformed clustering analysis in the same data set when predicting group or BMI, providing a superior method for studying multivariate associations between brain structure and system-level variables.

Abstract Background Lithium (Li) remains the treatment of choice for bipolar disorders (BP). Its mood-stabilizing effects help reduce the long-term burden of mania, depression and suicide risk in patients with BP. It also has been shown to have beneficial effects on disease-associated conditions, including sleep and cardiovascular disorders. However, the individual responses to Li treatment vary within and between diagnostic subtypes of BP (e.g. BP-I and BP-II) according to the clinical presentation. Moreover, long-term Li treatment has been linked to adverse side-effects that are a cause of concern and non-adherence, including the risk of developing chronic medical conditions such as thyroid and renal disease. In recent years, studies by the Consortium on Lithium Genetics (ConLiGen) have uncovered a number of genetic factors that contribute to the variability in Li treatment response in patients with BP. Here, we leveraged the ConLiGen cohort (N = 2064) to investigate the genetic basis of Li effects in BP. For this, we studied how Li response and linked genes associate with the psychiatric symptoms and polygenic load for medical comorbidities, placing particular emphasis on identifying differences between BP-I and BP-II. Results We found that clinical response to Li treatment, measured with the Alda scale, was associated with a diminished burden of mania, depression, substance and alcohol abuse, psychosis and suicidal ideation in patients with BP-I and, in patients with BP-II, of depression only. Our genetic analyses showed that a stronger clinical response to Li was modestly related to lower polygenic load for diabetes and hypertension in BP-I but not BP-II. Moreover, our results suggested that a number of genes that have been previously linked to Li response variability in BP differentially relate to the psychiatric symptomatology, particularly to the numbers of manic and depressive episodes, and to the polygenic load for comorbid conditions, including diabetes, hypertension and hypothyroidism. Conclusions Taken together, our findings suggest that the effects of Li on symptomatology and comorbidity in BP are partially modulated by common genetic factors, with differential effects between BP-I and BP-II.

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.

Bipolar disorder (BD) is a genetically complex mental illness characterized by severe oscillations of mood and behavior. Genome-wide association studies (GWAS) have identified several risk loci that together account for a small portion of the heritability. To identify additional risk loci, we performed a two-stage meta-analysis of >9 million genetic variants in 9,784 bipolar disorder patients and 30,471 controls, the largest GWAS of BD to date. In this study, to increase power we used ~2,000 lithium-treated cases with a long-term diagnosis of BD from the Consortium on Lithium Genetics, excess controls, and analytic methods optimized for markers on the X-chromosome. In addition to four known loci, results revealed genome-wide significant associations at two novel loci: an intergenic region on 9p21.3 (rs12553324, p = 5.87×10-9; odds ratio = 1.12) and markers within ERBB2 (rs2517959, p = 4.53×10-9; odds ratio = 1.13). No significant X-chromosome associations were detected and X-linked markers explained very little BD heritability. The results add to a growing list of common autosomal variants involved in BD and illustrate the power of comparing well-characterized cases to an excess of controls in GWAS.

Patients with bipolar disorder (BD) demonstrate episodic memory deficits, which may be hippocampal-dependent and may be attenuated in lithium responders. Induced pluripotent stem-cell derived CA3 pyramidal cell-like neurons show significant hyperexcitability in lithium responsive BD patients, while lithium nonresponders show marked variance in hyperexcitability. We hypothesize that this variable excitability will impair episodic memory recall, as assessed by cued retrieval (pattern completion) within a computational model of the hippocampal CA3. We simulated pattern completion tasks using a computational model of the CA3 with different degrees of pyramidal cell excitability variance. Since pyramidal cell excitability variance naturally leads to a mix of hyperexcitability and hypoexcitability, we also examined what fraction (hyper- vs. hypoexcitable) was predominantly responsible for pattern completion errors in our model. Pyramidal cell excitability variance impaired pattern completion (linear model beta =-1.94, SE=0.01, p<0.001). The effect was invariant to the number of patterns stored in the network, as well as general inhibitory tone and pyramidal cell sparsity in the network. Excitability variance, and more specifically hyperexcitability, increased the number of spuriously active neurons, increasing false alarm rates and producing pattern completion deficits. Excessive inhibition also induces pattern completion deficits by limiting the number of correctly active neurons during pattern retrieval. Excitability variance in CA3 pyramidal cell-like neurons observed in lithium nonresponders may predict pattern completion deficits in these patients. These cognitive deficits may not be fully corrected by medications that minimize excitability. Future studies should test our predictions by examining behavioural correlates of pattern completion in lithium responsive and nonresponsive BD patients.

Background: Major depressive disorder (MDD) is associated with an increased risk of brain atrophy, aging-related diseases, and mortality. We examined potential advanced brain aging in MDD patients, and whether this process is associated with clinical characteristics in a large multi-center international dataset. Methods: We performed a mega-analysis by pooling brain measures derived from T1-weighted MRI scans from 29 samples worldwide. Normative brain aging was estimated by predicting chronological age (10-75 years) from 7 subcortical volumes, 34 cortical thickness and 34 surface area, lateral ventricles and total intracranial volume measures separately in 1,147 male and 1,386 female controls from the ENIGMA MDD working group. The learned model parameters were applied to 1,089 male controls and 1,167 depressed males, and 1,326 female controls and 2,044 depressed females to obtain independent unbiased brain-based age predictions. The difference between predicted brain age and chronological age was calculated to indicate brain predicted age difference (brain-PAD). Findings: On average, MDD patients showed a higher brain-PAD of +0.90 (SE 0.21) years (Cohen's d=0.12, 95% CI 0.06-0.17) compared to controls. Relative to controls, first-episode and currently depressed patients showed higher brain-PAD (+1.2 [0.3] years), and the largest effect was observed in those with late-onset depression (+1.7 [0.7] years). In addition, higher brain-PAD was associated with higher self-reported depressive symptomatology (b=0.05, p=0.004). Interpretation: This highly powered collaborative effort showed subtle patterns of abnormal structural brain aging in MDD. Substantial within-group variance and overlap between groups were observed. Longitudinal studies of MDD and somatic health outcomes are needed to further assess the predictive value of these brain-PAD estimates.

Background: Lithium is a first-line medication for bipolar disorder (BD), but only ~30% of patients respond optimally to the drug. Since genetic factors are known to mediate lithium treatment response, we hypothesized whether polygenic susceptibility to the spectrum of depression traits is associated with treatment outcomes in patients with BD. In addition, we explored the potential molecular underpinnings of this relationship. Methods: Weighted polygenic scores (PGSs) were computed for major depressive disorder (MDD) and depressive symptoms (DS) in BD patients from the Consortium on Lithium Genetics (ConLi+Gen; n=2,586) who received lithium treatment. Lithium treatment outcome was assessed using the ALDA scale. Summary statistics from genome-wide association studies (GWAS) in MDD (130,664 cases and 330,470 controls) and DS (n=161,460) were used for PGS weighting. Associations between PGSs of depression traits and lithium treatment response were assessed by binary logistic regression. We also performed a cross-trait meta-GWAS, followed by Ingenuity Pathway Analysis. Outcomes: BD patients with a low polygenic load for depressive traits were more likely to respond well to lithium, compared to patients with high polygenic load (MDD: OR =1.64 [95%CI: 1.26-2.15], lowest vs highest PGS quartiles; DS: OR=1.53 [95%CI: 1.18-2.00]). Associations were significant for type 1, but not type 2 BD. Cross-trait GWAS and functional characterization implicated voltage-gated potassium channels, insulin-related pathways, mitogen-activated protein-kinase (MAPK) signaling, and miRNA expression. Interpretation: Genetic loading to depression traits in BD patients lower their odds of responding optimally to lithium. Our findings support the emerging concept of a lithium-responsive biotype in BD. Funding: see attached details. Keywords: lithium treatment, Major depressive disorder, depressive symptoms, depressive traits, bipolar disorder, polygenic score, pharmacogenomics, Voltage-gated potassium channel, insulin, MAPK.

Lithium is a first-line mood stabilizer for the maintenance treatment of Bipolar Disorder (BPD). However, the efficacy of lithium varies widely, with a non-response rate of up to 30%. Biological response markers and predictors are lacking. Objective: Genetic factors are thought to mediate lithium treatment response, and the previously reported genetic overlap between BPD and schizophrenia (SCZ) led us to test whether a polygenic score (PGS) for SCZ could predict lithium treatment response in BPD. Further, we explored the potential molecular underpinnings of this association. Design: Weighted SCZ PGSs were computed at ten p-value thresholds (PT) using summary statistics from a genome-wide association study (GWAS) of 36,989 SCZ cases, and genotype data for BPD patients from the Consortium on Lithium Genetics (ConLi+Gen). For functional exploration, we performed a cross-trait meta-GWAS and pathway analysis, combining GWAS summary statistics on SCZ and lithium treatment response. Setting: International multicenter GWAS. Participants: Patients with BPD who had undergone lithium treatment were genotyped and retrospectively assessed for long-term treatment response (n=2,586). Main outcome measures: Clinical treatment response to lithium was defined on both the categorical and continuous scales using the ALDA score. The effect measures include odds ratios (ORs) and the proportion of variance explained (R2), and a significant association was determined at p<0.05. Results: The PGS for SCZ was inversely associated with lithium treatment response in the categorical outcome (p=8x10-5), at PT <5x10-2. Patients with BPD who had low polygenic load for SCZ responded better to lithium, with ORs for lithium response ranging from 3.46 [95%CI: 1.42-8.41 at 1st decile] to 2.03 [95%CI: 0.86-4.81 at the 9th decile], compared to the patients in the 10th decile of SCZ risk. In the cross-trait meta-GWAS, 15 genetic loci that may have overlapping effects on lithium treatment response and susceptibility to SCZ were identified. Functional pathway and network analysis of these loci point to the HLA complex and inflammatory cytokines (TNFα, IL-4, IFNγ) as molecular contributors to lithium treatment response in BPD. Conclusions and Relevance: The study provides, for the first-time, evidence for a negative association between high genetic loading for SCZ and poor response to lithium in patients with BPD. These results suggest the potential for translational research aimed at personalized prescribing of lithium.

The Alda score is commonly used to quantify lithium responsiveness in bipolar disorder. Most often, this score is dichotomized into "responder" and "non-responder" categories, respectively. This practice is often criticized as inappropriate, since continuous variables are thought to invariably be "more informative" than their dichotomizations. We therefore investigated the degree of informativeness across raw and dichotomized versions of the Alda score, using data from a published study of the scale's inter-rater reliability (n=59 raters of 12 standardized vignettes each). After learning a generative model for the relationship between observed and ground truth scores (the latter defined by a consensus rating of the 12 vignettes), we show that the dichotomized scale is more robust to inter-rater disagreement than the raw 0-10 scale. Further theoretical analysis shows that when a measure's reliability is stronger at one extreme of the continuum—a scenario which has received little-to-no statistical attention, but which likely occurs for the Alda score ≥7—dichotomization of a continuous variable may be more informative concerning its ground truth value, particularly in the presence of noise. Our study suggests that research employing the Alda score of lithium responsiveness should continue using the dichotomous definition, particularly when data are sampled across multiple raters.