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.

Author summary Schizophrenia is a severe psychiatric disorder with a lifetime risk of about 1% world-wide. Most large schizophrenia genetic studies have studied people of primarily European ancestry, potentially missing important biological insights. Here we present a study of East Asian participants (22,778 schizophrenia cases and 35,362 controls), identifying 21 genome-wide significant schizophrenia associations in 19 genetic loci. Over the genome, the common genetic variants that confer risk for schizophrenia have highly similar effects in those of East Asian and European ancestry (r g =0.98), indicating for the first time that the genetic basis of schizophrenia and its biology are broadly shared across these world populations. A fixed-effect meta-analysis including individuals from East Asian and European ancestries revealed 208 genome-wide significant schizophrenia associations in 176 genetic loci (53 novel). Trans-ancestry fine-mapping more precisely isolated schizophrenia causal alleles in 70% of these loci. Despite consistent genetic effects across populations, polygenic risk models trained in one population have reduced performance in the other, highlighting the importance of including all major ancestral groups with sufficient sample size to ensure the findings have maximum relevance for all populations.

Abstract Cerebrospinal fluid (CSF) biomarkers are important for multiple sclerosis (MS) diagnosis. Moreover, absent of autopsy or biopsy tissue, CSF is the most relevant source for studying the immune cells involved in MS pathophysiology. Single-cell RNA sequencing (scRNA-seq) provides new opportunities to advance our understanding of disease-associated changes in CSF immune cells. Here, using scRNA-seq data generated from 58 CSF and 10 PBMC samples, we provide an updated atlas of the immune cells present in human CSF in MS and other neuroinflammatory conditions, including novel lymphoid and myeloid cell clusters. Our atlas can thus serve as a reference for future studies of immune cells in neuroinflammation. Our further characterization of CSF myeloid cells suggests that most CSF microglia-like cells resemble two of the previously-described brain microglia signatures. Additionally, our data from a sex-mismatched bone marrow transplant recipient suggest that CSF microglia-like cells are of peripheral origin. Our comparisons between MS and other neuroinflammatory disorders show a highly-specific increase in plasma cells, along with reductions in the proportion of microglia-like cells in MS CSF. Furthermore, our analyses on MS patients receiving anti-CD20 therapy ocrelizumab suggest that the treatment effects are not limited to B cell depletion, and ocrelizumab appears to reverse some MS-associated T and myeloid changes in CSF. Finally, we utilized our atlas to prioritize (1) CSF cell types expressing genes associated with MS susceptibility, and (2) ligand-receptor gene pairs that are differentially expressed in MS CSF, providing targets for further mechanistic and causal investigations in pathophysiology and treatment of MS.

Abstract Noncoding regulatory elements control gene expression and govern all biological processes. Epigenomic profiling assays have identified millions of putative regulatory elements, but systematically determining the function of each of those regulatory elements remains a substantial challenge. Here we adapt CRISPR-dCas9-based epigenomic regulatory element screening (CERES) technology to screen all >100,000 putative non-coding regulatory elements defined by open chromatin sites in human K562 leukemia cells for their role in regulating essential cellular processes. In an initial screen containing more than 1 million gRNAs, we discovered approximately 12,000 regulatory elements with evidence of impact on cell fitness. We validated many of the screen hits in K562 cells, evaluated cell-type specificity in a second cancer cell line, and identified target genes of regulatory elements using CERES perturbations combined with single cell RNA-seq. This comprehensive and quantitative genome-wide map of essential regulatory elements represents a framework for extensive characterization of noncoding regulatory elements that drive complex cell phenotypes and for prioritizing non-coding genetic variants that likely contribute to common traits and disease risk.

ABSTRACT Translating genome-wide association loci to therapies requires knowledge of the causal genes, their directionality of effect and the cell-types in which they act. To infer these relationships in the human brain, we implemented Mendelian randomisation using single cell-type expression quantitative trait loci (eQTLs) as genetic anchors. Expression QTLs were mapped across 8 major cell-types in brain tissue exclusively ascertained from donors with no history of brain disease. We report evidence for a causal association between the change in expression of 118 genes and one or more of 16 brain phenotypes, revealing candidate targets for risk mitigation and opportunities for shared preventative therapeutic strategies. We highlight key causal genes for neurodegenerative and neuropsychiatric disease and for each, we report its cellular context and the therapeutic directionality required for risk mitigation. Our use of control samples establishes a new resource for the causal interpretation of GWAS risk alleles for human brain phenotypes.

Abstract Substantial genetic liability is shared across psychiatric disorders but less is known about risk variants that are specific to a given disorder. We used multi-trait conditional and joint analysis (mtCOJO) to adjust GWAS summary statistics of one disorder for the effects of genetically correlated traits to identify putative disorder-specific SNP associations. We applied mtCOJO to summary statistics for five psychiatric disorders from the Psychiatric Genomics Consortium – schizophrenia (SCZ), bipolar disorder (BIP), major depression (MD), attention-deficit hyperactivity disorder (ADHD) and autism (AUT). Most genom-wide significant variants for these disorders had evidence of pleiotropy (i.e., impact on multiple psychiatric disorders) and hence have reduced mtCOJO conditional effect sizes. However, subsets of genome-wide significant variants had larger conditional effect sizes consistent with disorder-specific effects: 15 of 130 genome-wide significant variants for schizophrenia, 5 of 40 for major depression, 3 of 11 for ADHD and 1 of 2 for autism. In addition, we identified a number of variants that approached genome-wide significance in the original GWAS and have larger conditional effect sizes after conditioning on the other disorders. We show that decreased expression of VPS29 in the brain may increase risk to SCZ only and increased expression of CSE1L is associated with SCZ and MD, but not with BIP. Likewise, decreased expression of PCDHA7 in the brain is linked to increased risk of MD but decreased risk of SCZ and BIP.

CRISPR epigenomic editing technologies enable functional interrogation of non-coding elements. However, current computational methods for guide RNA (gRNA) design do not effectively predict the power potential, molecular and cellular impact to optimize for efficient gRNAs, which are crucial for successful applications of these technologies. We present "launch-dCas9" (machine LeArning based UNified CompreHensive framework for CRISPR-dCas9) to predict gRNA impact from multiple perspectives, including cell fitness, wild-type abundance (gauging power potential), and gene expression in single cells. Our launch-dCas9, built and evaluated using experiments involving >1 million gRNAs targeted across the human genome, demonstrates relatively high prediction accuracy (AUC up to 0.81) and generalizes across cell lines. Method-prioritized top gRNA(s) are 4.6-fold more likely to exert effects, compared to other gRNAs in the same cis-regulatory region. Furthermore, launch-dCas9 identifies the most critical sequence-related features and functional annotations from >40 features considered. Our results establish launch-dCas9 as a promising approach to design gRNAs for CRISPR epigenomic experiments.

With few exceptions, the marked advances in knowledge about the genetic basis for schizophrenia have not converged on findings that can be confidently used for precise experimental modeling. Applying knowledge of the cellular taxonomy of the brain from single-cell RNA-sequencing, we evaluated whether the genomic loci implicated in schizophrenia map onto specific brain cell types. The common variant genomic results consistently mapped to pyramidal cells, medium spiny neurons, and certain interneurons but far less consistently to embryonic, progenitor, or glial cells. These enrichments were due to distinct sets of genes specifically expressed in each of these cell types. Many of the diverse gene sets associated with schizophrenia (including antipsychotic targets) implicate the same brain cell types. Our results provide a parsimonious explanation: the common-variant genetic results for schizophrenia point at a limited set of neurons, and the gene sets point to the same cells. While some of the genetic risk is associated with GABAergic interneurons, this risk largely does not overlap with that from projecting cells.

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.

Neuroticism is an important risk factor for psychiatric traits including depression, anxiety, and schizophrenia. Previous genome-wide association studies (GWAS) reported 16 genomic loci. Here we report the largest neuroticism GWAS meta-analysis to date (N=449,484), and identify 136 independent genome-wide significant loci (124 novel), implicating 599 genes. Extensive functional follow-up analyses show enrichment in several brain regions and involvement of specific cell-types, including dopaminergic neuroblasts (P=3E-8), medium spiny neurons (P=4E-8) and serotonergic neurons (P=1E-7). Gene-set analyses implicate three specific pathways: neurogenesis (P=4.4E-9), behavioural response to cocaine processes (P=1.84E-7), and axon part (P=5.26E-8). We show that neuroticism's genetic signal partly originates in two genetically distinguishable subclusters (depressed affect and worry, the former being genetically strongly related to depression, rg=0.84), suggesting distinct causal mechanisms for subtypes of individuals. These results vastly enhance our neurobiological understanding of neuroticism, and provide specific leads for functional follow-up experiments.