Genetic discoveries of Alzheimer's disease are the drivers of our understanding, and together with polygenetic risk stratification can contribute towards planning of feasible and efficient preventive and curative clinical trials. We first perform a large genetic association study by merging all available case-control datasets and by-proxy study results (discovery n = 409,435 and validation size n = 58,190). Here, we add six variants associated with Alzheimer's disease risk (near APP, CHRNE, PRKD3/NDUFAF7, PLCG2 and two exonic variants in the SHARPIN gene). Assessment of the polygenic risk score and stratifying by APOE reveal a 4 to 5.5 years difference in median age at onset of Alzheimer's disease patients in APOE ɛ4 carriers. Because of this study, the underlying mechanisms of APP can be studied to refine the amyloid cascade and the polygenic risk score provides a tool to select individuals at high risk of Alzheimer's disease.

Abstract Objective To evaluate the causal association of 22 previously reported risk factors for Alzheimer’s disease (AD) on the “AD phenome”: AD, AD age of onset (AAOS), hippocampal volume, cortical surface area and thickness, cerebrospinal fluid (CSF) levels of Aβ 42 , tau, and ptau 181 , and the neuropathological burden of neuritic plaques, neurofibrillary tangles, and vascular brain injury (VBI). Methods Polygenic risk scores (PRS) for the 22 risk factors were computed in 26,431 AD cases/controls and the association with AD was evaluated using logistic regression. Two-sample Mendelian randomization was used to evaluate the causal effect of risk factors on the AD phenome. Results PRS for increased education and diastolic blood pressure were associated with reduced risk for AD. PRS for increased total cholesterol and moderate-vigorous physical activity were associated with an increased risk of AD. MR indicated that only Education was causally associated with reduced risk of AD, delayed AAOS, and increased cortical surface area and thickness. Total-and LDL-cholesterol levels were causally associated with increased neuritic plaque burden, while diastolic blood pressure and pulse pressure are causally associated with increased risk of VBI. Furthermore, total cholesterol was associated with decreased hippocampal volume; smoking initiation and BMI with decreased cortical thickness; and sleep duration with increased cortical thickness. Interpretation Our comprehensive examination of the genetic evidence for the causal roles of previously reported risk factors in AD using PRS and MR, supports a causal role for education, blood pressure, cholesterol levels, smoking, and BMI with the AD phenome.

Abstract A genome-wide survival analysis of 14,406 Alzheimer’s disease (AD) cases and 25,849 controls identified eight previously reported AD risk loci and fourteen novel loci associated with age at onset. LD score regression of 220 cell types implicated regulation of myeloid gene expression in AD risk. In particular, the minor allele of rs1057233 (G), within the previously reported CELF1 AD risk locus, showed association with delayed AD onset and lower expression of SPI1 in monocytes and macrophages. SPI1 encodes PU.1, a transcription factor critical for myeloid cell development and function. AD heritability is enriched within the PU.1 cistrome, implicating a myeloid PU.1 target gene network in AD. Finally, experimentally altered PU.1 levels affect the expression of mouse orthologs of many AD risk genes and the phagocytic activity of mouse microglial cells. Our results suggest that lower SPI1 expression reduces AD risk by regulating myeloid gene expression and cell function.

ABSTRACT Dementia is multifactorial with Alzheimer (AD) and vascular (VaD) pathologies making the largest contributions. Genome-wide association studies (GWAS) have identified over 70 genetic risk loci for AD but the genomic determinants of other dementias, including VaD remain understudied. We hypothesize that common forms of dementia will share genetic risk factors and conducted the largest GWAS to date of “all-cause dementia” (ACD) and examined the genetic overlap with VaD. Our dataset includes 809,299 individuals from European, African, Asian, and Hispanic ancestries with 46,902 and 8,702 cases of ACD and VaD, respectively. We replicated known AD loci at genome-wide significance for both ACD and VaD and conducted bioinformatic analyses to prioritize genes that are likely functionally relevant, and shared with closely related traits and risk factors. For ACD, novel loci identified were associated with energy transport ( SEMA4D ), neuronal excitability ( ANO3 ), amyloid deposition in the brain ( RBFOX1 ), and MRI markers of small vessel disease ( HBEGF ). Novel VaD loci were associated with hypertension, diabetes, and neuron maintenance ( SPRY2, FOXA2, AJAP1 , and PSMA3 ). Our study identified genetic risks underlying all-cause dementia, demonstrating overlap with neurodegenerative processes, vascular risk factors (Type-II diabetes, blood pressure, lipid) and cerebral small vessel disease. These novel insights could lead to new prevention and treatment strategies for all dementias.

India has been underrepresented in whole genome sequencing studies. We generated 2,762 high coverage genomes from India-including individuals from most geographic regions, speakers of all major languages, and tribal and caste groups-providing a comprehensive survey of genetic variation in India. With these data, we reconstruct the evolutionary history of India through space and time at fine scales. We show that most Indians derive ancestry from three ancestral groups related to ancient Iranian farmers, Eurasian Steppe pastoralists and South Asian hunter-gatherers. We uncover a common source of Iranian-related ancestry from early Neolithic cultures of Central Asia into the ancestors of Ancestral South Indians (ASI), Ancestral North Indians (ANI), Austro-asiatic-related and East Asian-related groups in India. Following these admixtures, India experienced a major demographic shift towards endogamy, resulting in extensive homozygosity and identity-by-descent sharing among individuals. At deep time scales, Indians derive around 1-2% of their ancestry from gene flow from archaic hominins, Neanderthals and Denisovans. By assembling the surviving fragments of archaic ancestry in modern Indians, we recover ~1.5 Gb (or 50%) of the introgressing Neanderthal and ~0.6 Gb (or 20%) of the introgressing Denisovan genomes, more than any other previous archaic ancestry study. Moreover, Indians have the largest variation in Neanderthal ancestry, as well as the highest amount of population-specific Neanderthal segments among worldwide groups. Finally, we demonstrate that most of the genetic variation in Indians stems from a single major migration out of Africa that occurred around 50,000 years ago, with minimal contribution from earlier migration waves. Together, these analyses provide a detailed view of the population history of India and underscore the value of expanding genomic surveys to diverse groups outside Europe.

Abstract INTRODUCTION The NIAGADS Alzheimer’s Genomics Database (GenomicsDB) is a public knowledgebase of Alzheimer’s disease (AD) genetic datasets and genomic annotations. METHODS It uses a custom systems architecture to adopt and enforce rigorous standards that facilitate harmonization of AD-relevant GWAS summary statistics datasets with functional annotations, including a database of >230 million annotated variants from the AD Sequencing Project’s joint-calling efforts. RESULTS The knowledgebase generates genome browser tracks and interactive compiled from harmonized datasets and annotations in the underlying database. These facilitate data sharing and discovery, by contextualizing AD-risk associations in a broader functional genomic context or summarizing them in the context of functionally annotated genes and variants. DISCUSSION Created to make AD-genetics knowledge more accessible to AD-researchers, the GenomicsDB shares annotated AD-relevant summary statistics datasets via a web interface designed to guide users unfamiliar with genetic data in not only exploring, but also interpreting this ever-growing volume of data.

ABSTRACT Over 90% of variants are rare, and 50% of them are singletons in the Alzheimer’s Disease Sequencing Project Whole Exome Sequencing (ADSP WES) data. However, either single variant tests or unit-based tests are limited in the statistical power to detect the association between rare variants and phenotypes. To best utilize rare variants and investigate their biological effect, we exam their association with phenotypes in the context of protein. We developed a protein structure-based approach, POKEMON (Protein Optimized Kernel Evaluation of Missense Nucleotides), which evaluates rare missense variants based on their spatial distribution on the protein rather than allele frequency. The hypothesis behind this is that the three-dimensional spatial distribution of variants within a protein structure provides functional context and improves the power of association tests. POKEMON identified four candidate genes from the ADSP WES data, namely two known Alzheimer’s disease (AD) genes ( TREM2 and SORL ) and two novel genes ( DUSP18 and CSF1R ). For known AD genes, the signal from the spatial cluster is stable even if we exclude known AD risk variants, indicating the presence of additional low frequency risk variants within these genes. DUSP18 has a cluster of variants primarily shared by case subjects around the ligand-binding domain, and this cluster is further validated in a replication dataset with a larger sample size. POKEMON is an open-source tool available at https://github.com/bushlab-genomics/POKEMON .

ABSTRACT Background Reliable detection and accurate genotyping of structural variants (SVs) and insertion/deletions (indels) from whole-genome sequence (WGS) data is a significant challenge. We present a protocol for variant calling, quality control, call merging, sensitivity analysis, in silico genotyping, and laboratory validation protocols for generating a high-quality deletion call set from whole genome sequences as part of the Alzheimer’s Disease Sequencing Project (ADSP). This dataset contains 578 individuals from 111 families. Methods We applied two complementary pipelines (Scalpel and Parliament) for SV/indel calling, break-point refinement, genotyping, and local reassembly to produce a high-quality annotated call set. Sensitivity was measured in sample replicates (N=9) for all callers using in silico variant spike-in for a wide range of event sizes. We focused on deletions because these events were more reliably called. To evaluate caller specificity, we developed a novel metric called the D-score that leverages deletion sharing frequencies within and outside of families to rank recurring deletions. Assessment of overall quality across size bins was measured with the kinship coefficient. Individual callers were evaluated for computational cost, performance, sensitivity, and specificity. Quality of calls were evaluated by Sanger sequencing of predicted loss-of-function (LOF) variants, variants near AD candidate genes, and randomly selected genome-wide deletions ranging from 2 to 17,000 bp. Results We generated a high-quality deletion call set across a wide range of event sizes consisting of 152,301 deletions with an average of 263 per genome. A total of 114 of 146 predicted deletions (78.1%) were validated by Sanger sequencing. Scalpel was more accurate in calling deletions ≤100 bp, whereas for Parliament, sensitivity was improved for deletions > 900 bp. We validated 83.0% (88/106) and 72.5% (37/51) of calls made by Scalpel and Parliament, respectively. Eleven deletions called by both Parliament and Scalpel in the 101-900 bin were tested and all were confirmed by Sanger sequencing. Conclusions We developed a flexible protocol to assess the quality of deletion detection across a wide range of sizes. We also generated a truth set of Sanger sequencing validated deletions with precise breakpoints covering a wide spectrum of sizes between 1 and 17,000 bp.

ABSTRACT Importance Identifying individuals at risk for developing Alzheimer’s disease (AD) is of utmost importance. Although genetic studies have identified APOE and other AD associated single nucleotide polymorphisms (SNPs), genetic information has not been integrated into an epidemiological framework for personalized risk prediction. Objective To develop, replicate and validate a novel polygenic hazard score for predicting age-specific risk for AD. Setting Multi-center, multi-cohort genetic and clinical data. Participants We assessed genetic data from 17,008 AD patients and 37,154 controls from the International Genetics of Alzheimer’s Project (IGAP), and 6,409 AD patients and 9,386 older controls from Phase 1 Alzheimer’s Disease Genetics Consortium (ADGC). As independent replication and validation cohorts, we also evaluated genetic, neuroimaging, neuropathologic, CSF and clinical data from ADGC Phase 2, National Institute of Aging Alzheimer’s Disease Center (NIA ADC) and Alzheimer’s Disease Neuroimaging Initiative (ADNI) (total n = 20,680) Main Outcome(s) and Measure(s) Use the IGAP cohort to first identify AD associated SNPs (at p < 10 -5 ). Next, integrate these AD associated SNPs into a Cox proportional hazards model using ADGC phase 1 genetic data, providing a polygenic hazard score (PHS) for each participant. Combine population based incidence rates, and genotype-derived PHS for each individual to derive estimates of instantaneous risk for developing AD, based on genotype and age. Finally, assess replication and validation of PHS in independent cohorts. Results Individuals in the highest PHS quantiles developed AD at a considerably lower age and had the highest yearly AD incidence rate. Among APOE ε3/3 individuals, PHS modified expected age of AD onset by more than 10 years between the lowest and highest deciles. In independent cohorts, PHS strongly predicted empirical age of AD onset (p = 1.1 x 10 -26 ), longitudinal progression from normal aging to AD (p = 1.54 x 10 -10 ) and associated with markers of AD neurodegeneration. Conclusions We developed, replicated and validated a clinically usable PHS for quantifying individual differences in age-specific risk of AD. Beyond APOE , polygenic architecture plays an important role in modifying AD risk. Precise quantification of AD genetic risk will be useful for early diagnosis and therapeutic strategies.

Abstract Age-associated neurodegenerative disorders demonstrating tau-laden intracellular inclusions, including Alzheimer’s disease (AD), frontotemporal lobar degeneration (FTLD) and progressive supranuclear palsy (PSP), are collectively known as tauopathies. The vast majority of human tauopathies accumulate non-mutant tau rather than mutant forms of the protein, yet cell and animal models for non-mutant tauopathies are lacking. We previously linked a monoallelic mutation in the TSC1 gene to tau accumulation and FTLD. Now, we have identified new variants in TSC1 that predisposed to other tauopathies such as AD and PSP. These new TSC1 risk variants significantly decreased the half-life of TSC1/hamartin in vitro . Cellular and murine models of TSC1 haploinsufficiency ( TSC1 +/-) accumulated tau protein that exhibited aberrant acetylation on six lysine residues. Tau acetylation hindered its lysosomal degradation via chaperone-mediated autophagy leading to neuronal tau accumulation. Enhanced tau acetylation in TSC1 +/- models was achieved through both an increase in p300 acetyltransferase activity and a decrease in SIRT1 deacetylase levels. Pharmacological modulation of either enzyme restored tau levels. Together, these studies substantiate TSC1 as a novel tauopathy risk gene and advance TSC1 haploinsufficiency as a new genetic model for tauopathy. In addition, these results promote acetylated tau as a rational target for diagnostic and therapeutic modalities in multiple tauopathies.