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.

The genetics of sexual orientation Twin studies and other analyses of inheritance of sexual orientation in humans has indicated that same-sex sexual behavior has a genetic component. Previous searches for the specific genes involved have been underpowered and thus unable to detect genetic signals. Ganna et al. perform a genome-wide association study on 493,001 participants from the United States, the United Kingdom, and Sweden to study genes associated with sexual orientation (see the Perspective by Mills). They find multiple loci implicated in same-sex sexual behavior indicating that, like other behavioral traits, nonheterosexual behavior is polygenic. Science , this issue p. eaat7693 ; see also p. 869

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.

Abstract Gene-environment correlations can bias associations between genetic variants and complex traits in genome-wide association studies (GWASs). Here, we control for geographic sources of gene-environment correlation in GWASs on 56 complex traits (N=69,772–271,457). Controlling for geographic region significantly decreases heritability signals for SES-related traits, most strongly for educational attainment and income, indicating that socio-economic differences between regions induce gene-environment correlations that become part of the polygenic signal. For most other complex traits investigated, genetic correlations with educational attainment and income are significantly reduced, most significantly for traits related to BMI, sedentary behavior, and substance use. Controlling for current address has greater impact on the polygenic signal than birth place, suggesting both active and passive sources of gene-environment correlations. Our results show that societal sources of social stratification that extend beyond families introduce regional-level gene-environment correlations that affect GWAS results.

ABSTRACT Background Attention-deficit hyperactivity disorder (ADHD) has consistently been associated with substance (ab)use, but the nature of this association is not fully understood. In view of preventive efforts, a vital question is whether there are causal effects, from ADHD to substance use and/or from substance use to ADHD. Methods We applied bidirectional Mendelian randomization using summary-level data from the largest available genome-wide association studies (GWASs) on ADHD, smoking (initiation, cigarettes/day, cessation, and a compound measure of lifetime smoking), alcohol use (drinks/week and alcohol use disorder), cannabis use (initiation and cannabis use disorder (CUD)) and coffee consumption (cups/day). Genetic variants robustly associated with the ‘exposure’ were selected as instruments and then identified in the ‘outcome’ GWAS. Effect estimates from individual genetic variants were combined with inverse-variance weighted regression and five sensitivity analyses were applied (weighted median, weighted mode, MR-Egger, generalized summary-data-based MR, and Steiger filtering). Results We found strong evidence that liability to ADHD increases likelihood of smoking initiation and also cigarettes per day among smokers, decreases likelihood of smoking cessation, and increases likelihood of cannabis initiation and CUD. In the other direction, there was evidence that liability to smoking initiation and CUD increase ADHD risk. There was no clear evidence of causal effects between liability to ADHD and alcohol or caffeine consumption. Conclusions We find evidence for causal effects of liability to ADHD on smoking and cannabis use, and of liability to smoking and cannabis use on ADHD risk, indicating bidirectional pathways. Further work is needed to explore causal mechanisms.

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.

Using data from 5,500 adolescents from the National Longitudinal Study of Adolescent to Adult Health, Domingue et al. (2018) claimed to show that friends are genetically more similar to one another than randomly selected peers, beyond the confounding effects of population stratification by ancestry. The authors also claimed to show "social-genetic" effects, whereby individuals' educational attainment (EA) is influenced by their friends' genes. Neither claim is justified by the data. Mathematically we show that 1) although similarity at causal variants is expected under assortment, the genome-wide relationship between friends (and similarly between mates) is extremely small (an effect that could be explained by subtle population stratification) and 2) significant association between individuals' EA and their friends' polygenic score for EA is expected under homophily with no socio-genetic effects.

Humans are social animals that experience intense suffering when they perceive a lack of social connection. Modern societies are experiencing an epidemic of loneliness. While the experience of loneliness is universally human, some people report experiencing greater loneliness than others. Loneliness is more strongly associated with mortality than obesity, emphasizing the need to understand the nature of the relationship between loneliness and health. While it is intuitive that circumstantial factors such as marital status and age influence loneliness, there is also compelling evidence of a genetic predisposition towards loneliness. To better understand the genetic architecture of loneliness and its relationship with associated outcomes, we conducted a genome-wide association (GWAS) meta-analysis of loneliness (N=475,661), report 12 associated loci (two novel) and significant genetic correlations with 34 other complex traits. The polygenic basis for loneliness was significantly enriched for evolutionary constrained genes and genes expressed in specific brain tissues: (frontal) cortex, cerebellum, anterior cingulate cortex, and substantia nigra. We built polygenic scores based on this GWAS meta-analysis to explore the genetic association between loneliness and health outcomes in an independent sample of 18,498 individuals for whom electronic health records were available. A genetic predisposition towards loneliness predicted cardiovascular, psychiatric, and metabolic disorders, and triglycerides and high-density lipoproteins. Mendelian randomization analyses showed evidence of a causal, increasing, effect of body fat on loneliness, and a similar weaker causal effect of BMI. Our results provide a framework for ongoing studies of the genetic basis of loneliness and its role in mental and physical health.

Human DNA varies across geographic regions, with most variation observed so far reflecting distant ancestry differences. Here, we investigate the geographic clustering of genetic variants that influence complex traits and disease risk in a sample of ~450,000 individuals from Great Britain. Out of 30 traits analyzed, 16 show significant geographic clustering at the genetic level after controlling for ancestry, likely reflecting recent migration driven by socio-economic status (SES). Alleles associated with educational attainment (EA) show most clustering, with EA-decreasing alleles clustering in lower SES areas such as coal mining areas. Individuals that leave coal mining areas carry more EA-increasing alleles on average than the rest of Great Britain. In addition, we leveraged the geographic clustering of complex trait variation to further disentangle regional differences in socio-economic and cultural outcomes through genome-wide association studies on publicly available regional measures, namely coal mining, religiousness, 1970/2015 general election outcomes, and Brexit referendum results.

Abstract Substance use disorders represent a significant public health concern with considerable socioeconomic implications worldwide. Twin and family-based studies have long established a heritable component underlying these disorders. In recent years, genome-wide association studies of large, broadly phenotyped samples have identified regions of the genome that harbour genetic risk variants associated with substance use disorders. These regions have enabled the discovery of putative causal genes and improved our understanding of genetic relationships among substance use disorders and other traits. Furthermore, the integration of these data with clinical information has yielded promising insights into how individuals respond to medications, allowing for the development of personalized treatment approaches based on an individual’s genetic profile. This review article provides an overview of recent advances in the genetics of substance use disorders and demonstrates how genetic data may be used to reduce the burden of disease and improve public health outcomes.