OBJECTIVE To investigate the role of epigenetics in statins’ diabetogenic effect comparing DNA methylation (DNAm) between statin users and nonusers in an epigenome-wide association study in blood. RESEARCH DESIGN AND METHODS Five cohort studies’ participants (n = 8,270) were classified as statin users when they were on statin therapy at the time of DNAm assessment with Illumina 450K or EPIC array or noncurrent users otherwise. Associations of DNAm with various outcomes like incident type 2 diabetes, plasma glucose, insulin, and insulin resistance (HOMA of insulin resistance [HOMA-IR]) as well as with gene expression were investigated. RESULTS Discovery (n = 6,820) and replication (n = 1,450) phases associated five DNAm sites with statin use: cg17901584 (1.12 × 10−25 [DHCR24]), cg10177197 (3.94 × 10−08 [DHCR24]), cg06500161 (2.67 × 10−23 [ABCG1]), cg27243685 (6.01 × 10−09 [ABCG1]), and cg05119988 (7.26 × 10−12 [SC4MOL]). Two sites were associated with at least one glycemic trait or type 2 diabetes. Higher cg06500161 methylation was associated with higher fasting glucose, insulin, HOMA-IR, and type 2 diabetes (odds ratio 1.34 [95% CI 1.22, 1.47]). Mediation analyses suggested that ABCG1 methylation partially mediates the effect of statins on high insulin and HOMA-IR. Gene expression analyses showed that statin exposure and ABCG1 methylation were associated with ABCG1 downregulation, suggesting epigenetic regulation of ABCG1 expression. Further, outcomes insulin and HOMA-IR were significantly associated with ABCG1 expression. CONCLUSIONS This study sheds light on potential mechanisms linking statins with type 2 diabetes risk, providing evidence on DNAm partially mediating statins’ effects on insulin traits. Further efforts shall disentangle the molecular mechanisms through which statins may induce DNAm changes, potentially leading to ABCG1 epigenetic regulation.

Abstract Background Information on long-term alcohol consumption is relevant for medical and public health research, disease therapy, and other areas. Recently, DNA methylation-based inference of alcohol consumption from blood was reported with high accuracy, but these results were based on employing the same dataset for model training and testing, which can lead to accuracy overestimation. Moreover, only subsets of alcohol consumption categories were used, which makes it impossible to extrapolate such models to the general population. By using data from eight population-based European cohorts ( N = 4677), we internally and externally validated the previously reported biomarkers and models for epigenetic inference of alcohol consumption from blood and developed new models comprising all data from all categories. Results By employing data from six European cohorts ( N = 2883), we empirically tested the reproducibility of the previously suggested biomarkers and prediction models via ten-fold internal cross-validation. In contrast to previous findings, all seven models based on 144-CpGs yielded lower mean AUCs compared to the models with less CpGs. For instance, the 144-CpG heavy versus non-drinkers model gave an AUC of 0.78 ± 0.06, while the 5 and 23 CpG models achieved 0.83 ± 0.05, respectively. The transportability of the models was empirically tested via external validation in three independent European cohorts ( N = 1794), revealing high AUC variance between datasets within models. For instance, the 144-CpG heavy versus non-drinkers model yielded AUCs ranging from 0.60 to 0.84 between datasets. The newly developed models that considered data from all categories showed low AUCs but gave low AUC variation in the external validation. For instance, the 144-CpG heavy and at-risk versus light and non-drinkers model achieved AUCs of 0.67 ± 0.02 in the internal cross-validation and 0.61–0.66 in the external validation datasets. Conclusions The outcomes of our internal and external validation demonstrate that the previously reported prediction models suffer from both overfitting and accuracy overestimation. Our results show that the previously proposed biomarkers are not yet sufficient for accurate and robust inference of alcohol consumption from blood. Overall, our findings imply that DNA methylation prediction biomarkers and models need to be improved considerably before epigenetic inference of alcohol consumption from blood can be considered for practical applications.

Abstract The size of the human head is determined by growth in the first years of life, while the rest of the body typically grows until early adulthood 1 . Such complex developmental processes are regulated by various genes and growth pathways 2 . Rare genetic syndromes have revealed genes that affect head size 3 , but the genetic drivers of variation in head size within the general population remain largely unknown. To elucidate biological pathways underlying the growth of the human head, we performed the largest genome-wide association study on human head size to date (N = 79,107). We identified 67 genetic loci, 50 of which are novel, and found that these loci are preferentially associated with head size and mostly independent from height. In subsequent neuroimaging analyses, the majority of genetic variants demonstrated widespread effects on the brain, whereas the effects of 17 variants could be localized to one or two specific brain regions. Through hypothesis-free approaches, we find a strong overlap of head size variants with both cancer pathways and cancer genes. Gene set analyses showed enrichment for different types of cancer and the p53, Wnt and ErbB signalling pathway. Genes overlapping or close to lead variants – such as TP53 , PTEN and APC – were enriched for genes involved in macrocephaly syndromes (up to 37-fold) and high-fidelity cancer genes (up to 9-fold), whereas this enrichment was not seen for human height variants. This indicates that genes regulating early brain and cranial growth are associated with a propensity to neoplasia later in life, irrespective of height. Our results warrant further investigations of the link between head size and cancer, as well as its clinical implications in the general population.

Abstract We analysed the genomic architecture of neuroanatomical diversity using magnetic resonance imaging and single nucleotide polymorphism (SNP) data from >26,000 individuals from the UK Biobank project and 5 other projects that had previously participated in the ENIGMA consortium. Our results confirm the polygenic architecture of neuroanatomical diversity, with SNPs capturing from 40% to 54% of regional brain volume variance. Chromosomal length correlated with the amount of phenotypic variance captured, r∼0.64 on average, suggesting that at a global scale causal variants are homogeneously distributed across the genome. At a local scale, SNPs within genes (∼51%) captured ∼1.5 times more genetic variance than the rest; and SNPs with low minor allele frequency (MAF) captured less variance than the rest: the 40% of SNPs with MAF<5% captured <1/4th of the genetic variance. We also observed extensive pleiotropy across regions, with an average genetic correlation of r G ∼0.45. Genetic correlations were similar to phenotypic and environmental correlations, however, genetic correlations were often larger than phenotypic correlations for the left/right volumes of the same region. The heritability of differences in left/right volumes was generally not statistically significant, suggesting an important influence of environmental causes in the variability of brain asymmetry. Our code is available at https://github.com/neuroanatomy/genomic-architecture .

Abstract Excitation/inhibition (E/I) balance plays important roles in mental disorders. Bioactive phospholipids like lysophosphatidic acid (LPA) are synthesized by the enzyme autotaxin (ATX) at cortical synapses and modulate glutamatergic transmission, and eventually alter E/I balance of cortical networks. Here, we analyzed functional consequences of altered E/I balance in 25 human subjects induced by genetic disruption of the synaptic lipid signaling modifier PRG-1, which were compared to 25 age and sex matched control subjects. Furthermore, we tested therapeutic options targeting ATX in a related mouse line. Using EEG combined with TMS in an instructed fear paradigm, neuropsychological analysis and an fMRI based episodic memory task, we found intermediate phenotypes of mental disorders in human carriers of a loss-of-function single nucleotide polymorphism of PRG-1 ( PRG-1 R345T/WT ) . Prg-1 R346T/WT animals phenocopied human carriers showing increased anxiety, a depressive phenotype and lower stress resilience. Network analysis revealed that coherence and phase-amplitude coupling were altered by PRG-1 deficiency in memory related circuits in humans and mice alike. Brain oscillation phenotypes were restored by inhibtion of ATX in Prg-1 deficient mice indicating an interventional potential for mental disorders.

Major depressive disorder (MDD) is considerably heterogeneous in terms of comorbidities, which may hamper the disentanglement of its biological mechanism. In a previous study, we classified the lifetime trajectories of MDD-related multimorbidities into seven distinct clusters, each characterized by unique genetic and environmental risk-factor profiles. The current objective was to investigate genome-wide gene-by-environment (G × E) interactions with childhood trauma burden, within the context of these clusters. We analyzed 77,519 participants and 6,266,189 single-nucleotide polymorphisms (SNPs) of the UK Biobank database. Childhood trauma burden was assessed using the Childhood Trauma Screener (CTS). For each cluster, Plink 2.0 was used to calculate SNP × CTS interaction effects on the participants' cluster membership probabilities. We especially focused on the effects of 31 candidate genes and associated SNPs selected from previous G × E studies for childhood maltreatment's association with depression. At SNP-level, only the high-multimorbidity Cluster 6 revealed a genome-wide significant SNP rs145772219. At gene-level, MPST and PRH2 were genome-wide significant for the low-multimorbidity Clusters 1 and 3, respectively. Regarding candidate SNPs for G × E interactions, individual SNP results could be replicated for specific clusters. The candidate genes CREB1, DBH, and MTHFR (Cluster 5) as well as TPH1 (Cluster 6) survived multiple testing correction. CTS is a short retrospective self-reported measurement. Clusters could be influenced by genetics of individual disorders. The first G × E GWAS for MDD-related multimorbidity trajectories successfully replicated findings from previous G × E studies related to depression, and revealed risk clusters for the contribution of childhood trauma.

Major depressive disorder (MDD) is a notably complex illness with a lifetime prevalence of 14%. 1 It is often chronic or recurrent and is thus accompanied by considerable morbidity, excess mortality, substantial costs, and heightened risk of suicide. 2-7 MDD is a major cause of disability worldwide. 8 We conducted a genome-wide association (GWA) meta-analysis in 130,664 MDD cases and 330,470 controls, and identified 44 independent loci that met criteria for statistical significance. We present extensive analyses of these results which provide new insights into the nature of MDD. The genetic findings were associated with clinical features of MDD, and implicated prefrontal and anterior cingulate cortex in the pathophysiology of MDD (regions exhibiting anatomical differences between MDD cases and controls). Genes that are targets of antidepressant medications were strongly enriched for MDD association signals (P=8.5x10-10), suggesting the relevance of these findings for improved pharmacotherapy of MDD. Sets of genes involved in gene splicing and in creating isoforms were also enriched for smaller MDD GWA P-values, and these gene sets have also been implicated in schizophrenia and autism. Genetic risk for MDD was correlated with that for many adult and childhood onset psychiatric disorders. Our analyses suggested important relations of genetic risk for MDD with educational attainment, body mass, and schizophrenia: the genetic basis of lower educational attainment and higher body mass were putatively causal for MDD whereas MDD and schizophrenia reflected a partly shared biological etiology. All humans carry lesser or greater numbers of genetic risk factors for MDD, and a continuous measure of risk underlies the observed clinical phenotype. MDD is not a distinct entity that neatly demarcates normalcy from pathology but rather a useful clinical construct associated with a range of adverse outcomes and the end result of a complex process of intertwined genetic and environmental effects. These findings help refine and define the fundamental basis of MDD.

Abstract Long and short sleep duration are associated with elevated blood pressure (BP), possibly through effects on molecular pathways that influence neuroendocrine and vascular systems. To gain new insights into the genetic basis of sleep-related BP variation, we performed genome-wide gene by short or long sleep duration interaction analyses on four BP traits (systolic BP, diastolic BP, mean arterial pressure, and pulse pressure) across five ancestry groups using 1 degree of freedom (1df) interaction and 2df joint tests. Primary multi-ancestry analyses in 62,969 individuals in stage 1 identified 3 novel loci that were replicated in an additional 59,296 individuals in stage 2, including rs7955964 ( FIGNL2/ANKRD33 ) showing significant 1df interactions with long sleep duration and rs73493041 ( SNORA26/C9orf170 ) and rs10406644 ( KCTD15/LSM14A ) showing significant 1df interactions with short sleep duration (P int < 5×10 −8 ). Secondary ancestry-specific two-stage analyses and combined stage 1 and 2 analyses additionally identified 23 novel loci that need external replication, including 3 and 5 loci showing significant 1df interactions with long and short sleep duration, respectively (P int < 5×10 −8 ). Multiple genes mapped to our 26 novel loci have known functions in sleep-wake regulation, nervous and cardiometabolic systems. We also identified new gene by long sleep interactions near five known BP loci (≤1Mb) including NME7, FAM208A, MKLN1, CEP164 , and RGL3/ELAVL3 (P int < 5×10 −8 ). This study indicates that sleep and primary mechanisms regulating BP may interact to elevate BP level, suggesting novel insights into sleep-related BP regulation.

Abstract Background Epigenome-wide association studies have revealed multiple DNA methylation sites (CpGs) associated with alcohol consumption, an important lifestyle risk factor for cardiovascular diseases. Results We generated an alcohol consumption epigenetic risk score (ERS) based on previously reported 144 alcohol-associated CpGs and examined the association of the ERS with systolic blood pressure (SBP), diastolic blood pressure (DBP), and hypertension (HTN) in 3,898 Framingham Heart Study (FHS) participants. We found an association of alcohol intake with the ERS in the meta-analysis with 0.09 units higher ERS per drink consumed per day ( p < 0.0001). Cross-sectional analyses in FHS revealed that a one-unit increment of the ERS was associated with 1.93 mm Hg higher SBP ( p = 4.64E-07), 0.68 mm Hg higher DBP ( p = 0.006), and an odds ratio of 1.78 for HTN ( p < 2E-16). Meta-analysis of the cross-sectional association of the ERS with BP traits in eight independent external cohorts (n = 11,544) showed similar relationships with blood pressure levels, i.e., a one-unit increase in ERS was associated with 0.74 ( p = 0.002) and 0.50 ( p = 0.0006) mm Hg higher SBP and DBP, but could not confirm the association with hypertension. Longitudinal analyses in FHS (n = 3,260) and five independent external cohorts (n = 4,021) showed that the baseline ERS was not associated with a change in blood pressure over time or with incident HTN. Conclusions Our findings provide proof-of-concept that utilizing an ERS is a useful approach to capture the recent health consequences of lifestyle behaviors such as alcohol consumption.