The quality of fetal growth and development predicts the risk for a range of noncommunicable, chronic illnesses. These observations form the basis of the "developmental origins of health and disease" hypothesis, which suggests that the intrauterine signals that compromise fetal growth also act to "program" tissue differentiation in a manner that predisposes to later illness. Fetal growth also predicts the risk for later psychopathology. These findings parallel studies showing that antenatal maternal emotional well-being likewise predicts the risk for later psychopathology. Taken together, these findings form the basis for integrative models of fetal neurodevelopment, which propose that antenatal maternal adversity operates through the biological pathways associated with fetal growth to program neurodevelopment. The authors review the literature and find little support for such integrated models. Maternal anxiety, depression, and stress all influence neurodevelopment but show modest, weak, or no associations with known stress mediators (e.g., glucocorticoids) or with fetal growth. Rather, compromised fetal development appears to establish a "meta-plastic" state that increases sensitivity to postnatal influences. There also remain serious concerns that observational studies associating either fetal growth or maternal mental health with neurodevelopmental outcomes fail to account for underlying genetic factors. Finally, while the observed relation between fetal growth and adult health has garnered considerable attention, the clinical relevance of these associations remains to be determined. There are both considerable promise and important challenges for future studies of the fetal origins of mental health.

Raised maternal anxiety during pregnancy is associated with increased risk of adverse neurodevelopmental outcomes for her child. The mechanisms underlying this are not known but animal studies suggest prenatal stress may alter the function of the placenta. Here we determined whether maternal prenatal anxiety was associated with a downregulation of placental 11β-hydroxysteroid dehydrogenase type 2 (11β-HSD2), the enzyme which metabolises cortisol. We recruited mothers the day before delivery by elective caesarean, and gave them the Spielberger Trait and State anxiety and Edinburgh Depression self-rating scales. Placentae were collected and aliquots stored for later analysis. Prenatal Trait anxiety was negatively correlated with placental 11β-HSD2 mRNA expression (r = −0.40, p < 0.01, n = 56). Results were similar with male and female fetuses (r = −0.39, p = 0.04, n = 28; r = −0.40, p = 0.03, n = 28) respectively. Results were also significant with State anxiety (r = −0.27, p = 0.05, n = 56) but somewhat weaker for depression (r = −0.20, p = 0.13, n = 56). Preliminary analyses on a subset of cases (n = 25) suggested parallel results for enzyme activity. These findings provide evidence for an association between prenatal maternal mood and downregulation of placental 11β-HSD2. Results are consistent with raised maternal anxiety being associated with increased fetal exposure to maternal cortisol, and support the hypothesis that this may be one mechanism underlying fetal programming by prenatal stress.

Abstract Developmental or fetal programming has emerged as a major model for understanding the early and persisting effects of prenatal exposures on the health and development of the child and adult. We leverage the power of a 14-year prospective study to examine the persisting effects of prenatal anxiety, a key candidate in the developmental programming model, on symptoms of behavioral and emotional problems across five occasions of measurement from age 4 to 13 years. The study is based on the Avon Longitudinal Study of Parents and Children cohort, a prospective, longitudinal study of a large community sample in the west of England ( n = 7,944). Potential confounders included psychosocial and obstetric risk, postnatal maternal mood, paternal pre- and postnatal mood, and parenting. Results indicated that maternal prenatal anxiety predicted persistently higher behavioral and emotional symptoms across childhood with no diminishment of effect into adolescence. Elevated prenatal anxiety (top 15%) was associated with a twofold increase in risk of a probable child mental disorder, 12.31% compared with 6.83%, after allowing for confounders. Results were similar with prenatal depression. These analyses provide some of the strongest evidence to date that prenatal maternal mood has a direct and persisting effect on her child's psychiatric symptoms and support an in utero programming hypothesis.

ABSTRACT A conceptual paradigm for onset of a new disease is often considered to be the result of changes in entire biological networks whose states are affected by a complex interaction of genetic and environmental factors. However, when modelling a relevant phenotype as a function of high dimensional measurements, power to estimate interactions is low, the number of possible interactions could be enormous and their effects may be non-linear. In this work, we introduce a method called sail for detecting non-linear interactions with a key environmental or exposure variable in high-dimensional settings which respects the strong or weak heredity constraints. We prove that asymptotically, our method possesses the oracle property, i.e., it performs as well as if the true model were known in advance. We develop a computationally efficient fitting algorithm with automatic tuning parameter selection, which scales to high-dimensional datasets. Through an extensive simulation study, we show that sail outperforms existing penalized regression methods in terms of prediction accuracy and support recovery when there are non-linear interactions with an exposure variable. We apply sail to detect non-linear interactions between genes and a prenatal psychosocial intervention program on cognitive performance in children at 4 years of age. Results show that individuals who are genetically predisposed to lower educational attainment are those who stand to benefit the most from the intervention. Our algorithms are implemented in an R package available on CRAN ( https://cran.r-project.org/package=sail ).

Adverse childhood experiences (ACEs), potentially traumatic experiences occurring before the age of 18 years, are associated with epigenetic aging later in life and may be transmitted across generations.

Both genetic predispositions and exposures to stressors have collectively contributed to the development of major depressive disorder (MDD). To deep dive into their roles in MDD, our study aimed to examine which susceptible gene expression interacts with various dimensions of stressors in the MDD risk among a large population cohort.

Adverse childhood experiences (ACEs) are correlated with accelerated epigenetic aging, but it is not clear whether altered epigenetic aging from childhood adversities persists into adulthood and can be transmitted to the next generation. Thus, we tested whether mothers' childhood adversity is associated with accelerated epigenetic aging during pregnancy and in their newborn offspring.Data were from the Avon Longitudinal Study of Parents and Children (ALSPAC) sub-study, Accessible Resource for Integrated Epigenomic Studies (ARIES). Women provided retrospective self-reports during pregnancy of ACE exposure. DNA methylation was measured in mothers during pregnancy and cord blood at birth. Estimates of epigenetic age acceleration were calculated using Principal Components of Horvath, Hannum skin & blood, GrimAge, PhenoAge, and DunedinPACE epigenetic clocks for mothers; and the Knight and Bohlin cord blood clocks for newborns. Associations between a cumulative maternal ACE score and epigenetic age acceleration were estimated using linear regression models, adjusting for maternal age at pregnancy, smoking during pregnancy, education, and pre-pregnancy BMI. Models for offspring were stratified by sex and additionally adjusted for gestation age.Mothers' total ACE score was positively associated with accelerated maternal PhenoAge and GrimAge. In newborn offspring, mothers' total ACE score was positively associated with accelerated epigenetic aging in males using the Bohlin clock, but not in females using either epigenetic clock. We found male offsprings' epigenetic age was accelerated in those born to mothers exposed to neglect using the Knight clock; and parental substance abuse using the Bohlin clock.Our results show that mothers' ACE exposure is associated with DNAm age acceleration in male offspring, supporting the notion that DNAm age could be a marker of intergenerational biological embedding of mothers' childhood adversity. This is consistent with findings on vulnerability of male fetuses to environmental insults.

Childhood psychiatric symptoms may be associated with advanced biological aging. This study examined whether epigenetic age acceleration (EAA) associates with internalizing and externalizing symptoms across childhood in a longitudinal cohort study. At age 6 buccal epithelial cells from 148 children (69 girls) were collected to survey genome-wide DNA methylation. EAA was estimated using the Horvath clock. Internalizing symptoms at ages 2.5 and 4 years significantly predicted higher EAA at age 6, which in turn was significantly associated with internalizing symptoms from ages 6 to 10 years. Similar trends for externalizing symptoms did not reach significance. These findings indicate advanced biological aging in relation to child mental health and may help better identify those at risk for lasting impairments associated with internalizing disorders.

Motivation: Polygenic risk scores describe the genomic contribution to complex phenotypes and consistently account for a larger proportion of the variance than single nucleotide polymorphisms alone. However, there is little consensus on the optimal data input for generating polygenic risk scores and existing approaches largely preclude the use of imputed posterior probabilities and strand-ambiguous SNPs. Results: We developed PRS-on-Spark (PRSoS) a polygenic risk score software implemented in Apache Spark and Python that accommodates a variety of data input (e.g., observed genotypes, imputed genotypes or imputed dosage data) and strand-ambiguous SNPs. We show that PRSoS is flexible and efficient, accommodates strand-ambiguous SNP and computes polygenic risk scores at a range of p-value thresholds more quickly than existing software (PRSice). We also show that the use of imputed posterior probabilities and the inclusion of strand ambiguous SNPs increase the proportion of variance explained by a polygenic risk scores for major depression. Availability and Implementation: PRSoS is written in Apache Spark and Python and is freely available (see https://github.com/MeaneyLab/PRSoS).

Background: Epigenetic processes, including DNA methylation (DNAm), are among the mechanisms allowing integration of genetic and environmental factors to shape cellular function. While many studies have investigated either environmental or genetic contributions to DNAm, few have assessed their integrated effects. We examined the relative contributions of prenatal environmental factors and genotype on DNA methylation in neonatal blood at variably methylated regions (VMRs), defined as consecutive CpGs showing the highest variability of DNAm in 4 independent cohorts (PREDO, DCHS, UCI, MoBa, N=2,934). Results: We used Akaike's information criterion to test which factors best explained variability of methylation in the cohort-specific VMRs: several prenatal environmental factors (E) including maternal demographic, psychosocial and metabolism related phenotypes, genotypes in cis (G), or their additive (G+E) or interaction (GxE) effects. G+E and GxE models consistently best explained variability in DNAm of VMRs across the cohorts, with G explaining the remaining sites best. VMRs best explained by G, GxE or G+E, as well as their associated functional genetic variants (predicted using deep learning algorithms), were located in distinct genomic regions, with different enrichments for transcription and enhancer marks. Genetic variants of not only G and G+E models, but also of variants in GxE models were significantly enriched in genome wide association studies (GWAS) for complex disorders. Conclusion: Genetic and environmental factors in combination best explain DNAm at VMRs. The CpGs best explained by G, G+E or GxE are functionally distinct. The enrichment of GxE variants in GWAS for complex disorders supports their importance for disease risk.