Abstract Characterization of genetic regulatory variants acting on the transcriptome of livestock is essential for interpreting the molecular mechanisms underlying traits of economic value and for increasing the rate of genetic gain through artificial selection. Here, we build a cattle Genotype-Tissue Expression atlas (cattle GTEx, http://cgtex.roslin.ed.ac.uk/ ) as part of the pilot phase of Farm animal GTEx (FarmGTEx) project for the research community based on publicly available 11,642 RNA-Seq datasets. We describe the landscape of the transcriptome across over 100 tissues and report hundreds of thousands of genetic associations with gene expression and alternative splicing for 24 major tissues. We evaluate the tissue-sharing patterns of these genetic regulatory effects, and functionally annotate them using multi-omics data. Finally, we link gene expression in different tissues to 43 economically important traits using both transcriptome-wide association study (TWAS) and colocalization analyses to decipher the molecular regulatory mechanisms underpinning such agronomic traits in cattle.

Abstract Pedigree-based analyses of intelligence have reported that genetic differences account for 50-80% of the phenotypic variation. For personality traits these effects are smaller, with 34-48% of the variance being explained by genetic differences. However, molecular genetic studies using unrelated individuals typically report a heritability estimate of around 30% for intelligence and between 0% and 15% for personality variables. Pedigree-based estimates and molecular genetic estimates may differ because current genotyping platforms are poor at tagging causal variants, variants with low minor allele frequency, copy number variants, and structural variants. Using ∼20 000 individuals in the Generation Scotland family cohort genotyped for ∼700 000 single nucleotide polymorphisms (SNPs), we exploit the high levels of linkage disequilibrium (LD) found in members of the same family to quantify the total effect of genetic variants that are not tagged in GWASs of unrelated individuals. In our models, genetic variants in low LD with genotyped SNPs explain over half of the genetic variance in intelligence, education, and neuroticism. By capturing these additional genetic effects our models closely approximate the heritability estimates from twin studies for intelligence and education, but not for neuroticism and extraversion. We then replicated our finding using imputed molecular genetic data from unrelated individuals to show that ∼50% of differences in intelligence, and ∼40% of the differences in education, can be explained by genetic effects when a larger number of rare SNPs are included. From an evolutionary genetic perspective, a substantial contribution of rare genetic variants to individual differences in intelligence and education is consistent with mutation-selection balance.

Alcohol use and smoking are leading causes of death and disability worldwide. Both genetic and environmental factors have been shown to influence individual differences in the use of these substances. In the present study we tested whether genetic factors, modelled alongside common family environment, explained phenotypic variance in alcohol use and smoking behaviour in the Generation Scotland (GS) family sample of up to 19,377 individuals. SNP and pedigree-associated effects combined explained between 18% and 41% of the variance in substance use. Shared couple effects explained a significant amount of variance across all substance use traits, particularly alcohol intake, for which 38% of the phenotypic variance was explained. We tested whether the within-couple substance use correlations were due to assortative mating by testing the association between partner polygenic risk scores in 34,987 couple pairs from the UK Biobank (UKB). Only couples' smoking status PRSs were significantly associated (b=0.01, S.E=0.005, p=0.02). However, an individual's alcohol PRS was associated with their partner's phenotype (b=0.04, S.E=0.007, p < 2 x 10-7). In support of this, G carriers of a functional ADH1B polymorphism (rs1229984), known to be associated with greater alcohol intake, were found to consume less alcohol if they had a partner who carried an A allele at this SNP. Together these results show that the shared couple environment contributes significantly to patterns of substance use. It is unclear whether this is due to shared environmental factors, assortative mating, or indirect genetic effects. Future studies would benefit from longitudinal data and larger sample sizes to assess this further.

Abstract Socioeconomic status (SES) influences physical and mental health, however its relation with brain structure is less well documented. Here, we examine the role of SES on brain structure using Mendelian randomisation. First, we conduct a multivariate genome-wide association study of SES using individual, household, and area-based measures of SES, with an effective sample size of n=893,604. We identify 469 loci associated with SES and distil these loci into those that are common across measures of SES and those specific to each indicator. Second, using an independent sample of ∼35,000 we provide evidence to suggest that total brain volume is a causal factor in higher SES, and that SES is protective against white matter hyperintensities as a proportion of intracranial volume (WMHicv). Third, we find evidence that whilst differences in cognitive ability explain some of the causal effect of SES on WMHicv, differences in SES still afford a protective effect against WMHicv, independent of that made by cognitive ability.

Abstract Background Both genetic and environmental contributions to risk of depression have been identified, but estimates of their effects are limited. Commonalities between major depressive disorder (MDD) and self-declared depression (SDD) are also unclear. Dissecting the genetic and environmental contributions to these traits and their correlation would inform the design and interpretation of genetic studies. Methods Using data from a large Scottish family-based cohort (GS:SFHS, N=21,387), we estimated the genetic and environmental contributions to MDD and SDD. Genetic effects associated with common genome-wide genetic variants (SNP heritability) and additional pedigree-associated genetic variation and Non-genetic effects associated with common environments were estimated using linear mixed modeling (LMM). Findings Both MDD and SDD had significant contributions from effects of common genetic variants, the additional genetic effect of the pedigree and the common environmental effect shared by couples. The correlation between SDD and MDD was high (r=1⋅00, se=0⋅21) for common-variant-associated genetic effects and moderate for both the additional genetic effect of the pedigree (r=0⋅58, se=0⋅08) and the couple-shared environmental effect (r=0⋅53, se=0⋅22). Interpretation Both genetics and couple-shared environmental effects were the major factors influencing liability to depression. SDD may provide a scalable alternative to MDD in studies seeking to identify common risk variants. Rarer variants and environmental effects may however differ substantially according to different definitions of depression. Funding Study supported by Wellcome Trust Strategic Award 104036/Z/14/Z. GS:SFHS funded by the Scottish Government Health Department, Chief Scientist Office, number CZD/16/6.

Abstract We conducted a genome-wide association study (GWAS) on income among individuals of European descent and leveraged the results to investigate the socio-economic health gradient ( N =668,288). We found 162 genomic loci associated with a common genetic factor underlying various income measures, all with small effect sizes. Our GWAS-derived polygenic index captures 1 - 4% of income variance, with only one-fourth attributed to direct genetic effects. A phenome-wide association study using this polygenic index showed reduced risks for a broad spectrum of diseases, including hypertension, obesity, type 2 diabetes, coronary atherosclerosis, depression, asthma, and back pain. The income factor showed a substantial genetic correlation (0.92, s.e . = .006) with educational attainment (EA). Accounting for EA’s genetic overlap with income revealed that the remaining genetic signal for higher income related to better mental health but reduced physical health benefits and increased participation in risky behaviours such as drinking and smoking.

Background: Stressful life events (SLEs) and neuroticism are risk factors for major depressive disorder (MDD). However, SLEs and neuroticism are heritable traits that are correlated with genetic risk for MDD. In the current study, we sought to investigate the genetic and environmental contributions to SLEs in a large family-based sample, and quantify any genetic overlap with MDD and neuroticism. Methods: A subset of Generation Scotland: the Scottish Family Health Study, consisting of 9618 individuals comprise the present study. We estimated the heritability of SLEs using pedigree-based and molecular genetic data. The environment was assessed by modelling familial, couple and sibling components. Using polygenic risk scores (PRS) and LD score regression we analysed the genetic overlap between MDD, neuroticism and SLEs. Results: Past 6-month life events were positively correlated with lifetime MDD status (β=0.21, r2=1.1%, p=2.5 x 10-25) and neuroticism (β=0.13, r2=1.9%, p=1.04 x 10-37). Common SNPs explained 8% of the variance in personal life events (those directly affecting the individual) (S.E.=0.03, p=9 x 10-4). A significant effect of couple environment accounted for 13% (S.E.=0.03, p=0.016) of variation in SLEs. PRS analyses found that individuals with higher PRS for MDD reported more SLEs (β=0.05, r2=0.3%, p=3 x 10-5). LD score regression demonstrated genetic correlations between MDD and both SLEs (rG=0.33, S.E.=0.08 ) and neuroticism (rG=0.15, S.E.=0.07). Conclusions: These findings suggest that SLEs are partially heritable and this heritability is shared with risk for MDD and neuroticism. Further work should determine the causal direction and source of these associations.