Cannabis use is a heritable trait that has been associated with adverse mental health outcomes. In the largest genome-wide association study (GWAS) for lifetime cannabis use to date (N = 184,765), we identified eight genome-wide significant independent single nucleotide polymorphisms in six regions. All measured genetic variants combined explained 11% of the variance. Gene-based tests revealed 35 significant genes in 16 regions, and S-PrediXcan analyses showed that 21 genes had different expression levels for cannabis users versus nonusers. The strongest finding across the different analyses was CADM2, which has been associated with substance use and risk-taking. Significant genetic correlations were found with 14 of 25 tested substance use and mental health-related traits, including smoking, alcohol use, schizophrenia and risk-taking. Mendelian randomization analysis showed evidence for a causal positive influence of schizophrenia risk on cannabis use. Overall, our study provides new insights into the etiology of cannabis use and its relation with mental health.

Abstract Behaviors and disorders related to self-regulation, such as substance use, antisocial conduct, and ADHD, are collectively referred to as externalizing and have a shared genetic liability. We applied a multivariate approach that leverages genetic correlations among externalizing traits for genome-wide association analyses. By pooling data from ~1.5 million people, our approach is statistically more powerful than single-trait analyses and identifies more than 500 genetic loci. The identified loci were enriched for genes expressed in the brain and related to nervous system development. A polygenic score constructed from our results captures variation in a broad range of behavioral and medical outcomes that were not part of our genome-wide analyses, including traits that until now lacked well-performing polygenic scores, such as opioid use disorder, suicide, HIV infections, criminal convictions, and unemployment. Our findings are consistent with the idea that persistent difficulties in self-regulation can be conceptualized as a neurodevelopmental condition.

Major depressive disorder (MDD) and cardiovascular disease (CVD) are often comorbid, resulting in excess morbidity and mortality. Here we show that CVDs share most of their genetic risk factors with MDD. Multivariate genome-wide association analysis of shared genetic liability between MDD and atherosclerotic CVD revealed seven loci and distinct patterns of tissue and brain cell-type enrichments, suggesting the involvement of the thalamus. Part of the genetic overlap was explained by shared inflammatory, metabolic and psychosocial or lifestyle risk factors. Our data indicated causal effects of genetic liability to MDD on CVD risk, but not from most CVDs to MDD, and showed that the causal effects were partly explained by metabolic and psychosocial or lifestyle factors. The distinct signature of MDD-atherosclerotic CVD comorbidity suggests an immunometabolic subtype of MDD that is more strongly associated with CVD than overall MDD. In summary, we identified biological mechanisms underlying MDD-CVD comorbidity and modifiable risk factors for prevention of CVD in individuals with MDD.

Cannabis use is a heritable trait [1] that has been associated with adverse mental health outcomes. To identify risk variants and improve our knowledge of the genetic etiology of cannabis use, we performed the largest genome-wide association study (GWAS) meta-analysis for lifetime cannabis use (N=184,765) to date. We identified 4 independent loci containing genome-wide significant SNP associations. Gene-based tests revealed 29 genome-wide significant genes located in these 4 loci and 8 additional regions. All SNPs combined explained 10% of the variance in lifetime cannabis use. The most significantly associated gene, CADM2, has previously been associated with substance use and risk-taking phenotypes [2-4]. We used S-PrediXcan to explore gene expression levels and found 11 unique eGenes. LD-score regression uncovered genetic correlations with smoking, alcohol use and mental health outcomes, including schizophrenia and bipolar disorder. Mendelian randomisation analysis provided evidence for a causal positive influence of schizophrenia risk on lifetime cannabis use.

Abstract Study Objectives Estimate the genetic relationship of cannabis use with sleep deficits and eveningness chronotype. Methods We used linkage disequilibrium score regression (LDSC) to analyze genetic correlations between sleep deficits and cannabis use behaviors. Secondly, we generated sleep deficit polygenic risk scores (PRSs) and estimated their ability to predict cannabis use behaviors using logistic regression. Summary statistics came from existing genome wide association studies (GWASs) of European ancestry that were focused on sleep duration, insomnia, chronotype, lifetime cannabis use, and cannabis use disorder (CUD). A target sample for PRS prediction consisted of high-risk participants and participants from twin/family community-based studies (n = 796, male = 66%; mean age = 26.81). Target data consisted of self-reported sleep (sleep duration, feeling tired, and taking naps) and cannabis use behaviors (lifetime use, number of lifetime uses, past 180-day use, age of first use, and lifetime CUD symptoms). Results Significant genetic correlation between lifetime cannabis use and eveningness chronotype (rG = 0.24, p < 0.01), as well as between CUD and both short sleep duration (<7 h) (rG = 0.23, p = 0.02) and insomnia (rG = 0.20, p = 0.02). Insomnia PRS predicted earlier age of first cannabis use ( β = −0.09, p = 0.02) and increased lifetime CUD symptom count use ( β = 0.07, p = 0.03). Conclusion Cannabis use is genetically associated with both sleep deficits and an eveningness chronotype, suggesting that there are genes that predispose individuals to both cannabis use and sleep deficits.

Background: Poor sleep quality and insomnia have been associated with the use of tobacco, alcohol, and cannabis, but it is unclear if there is a causal link. In this Mendelian Randomization (MR) study we examine if insomnia causes substance use and/or if substance use causes insomnia. Methods: MR uses summary effect estimates from a genome-wide association study (GWAS) to create a genetic instrumental variable for a proposed exposure variable and then identifies that same genetic instrument in an outcome GWAS. With data of GWAS of insomnia, smoking (initiation, heaviness, cessation), alcohol use (drinks per week, dependence), and cannabis initiation, bi-directional causal effects were tested. Multiple sensitivity analyses were applied to assess the robustness of the findings. Results: There was strong evidence for positive causal effects of insomnia on all substance use phenotypes (smoking traits, alcohol dependence, cannabis initiation), except alcohol per week. The effects on alcohol dependence and cannabis initiation were attenuated after filtering out pleiotropic SNPs. In the other direction, there was strong evidence that smoking initiation increased chances of insomnia (smoking heaviness and cessation could not be tested as exposures). We found no evidence that alcohol use per week, alcohol dependence, or cannabis initiation causally affect insomnia. Conclusions: There were unidirectional effects of insomnia on alcohol dependence and cannabis initiation, and bidirectional effects between insomnia and smoking measures. Bidirectional effects between smoking and insomnia might give rise to a vicious circle. Future research should investigate if interventions aimed at insomnia are beneficial for substance use treatment.