Genetic discoveries of Alzheimer's disease are the drivers of our understanding, and together with polygenetic risk stratification can contribute towards planning of feasible and efficient preventive and curative clinical trials. We first perform a large genetic association study by merging all available case-control datasets and by-proxy study results (discovery n = 409,435 and validation size n = 58,190). Here, we add six variants associated with Alzheimer's disease risk (near APP, CHRNE, PRKD3/NDUFAF7, PLCG2 and two exonic variants in the SHARPIN gene). Assessment of the polygenic risk score and stratifying by APOE reveal a 4 to 5.5 years difference in median age at onset of Alzheimer's disease patients in APOE ɛ4 carriers. Because of this study, the underlying mechanisms of APP can be studied to refine the amyloid cascade and the polygenic risk score provides a tool to select individuals at high risk of Alzheimer's disease.

ABSTRACT Dementia is multifactorial with Alzheimer (AD) and vascular (VaD) pathologies making the largest contributions. Genome-wide association studies (GWAS) have identified over 70 genetic risk loci for AD but the genomic determinants of other dementias, including VaD remain understudied. We hypothesize that common forms of dementia will share genetic risk factors and conducted the largest GWAS to date of “all-cause dementia” (ACD) and examined the genetic overlap with VaD. Our dataset includes 809,299 individuals from European, African, Asian, and Hispanic ancestries with 46,902 and 8,702 cases of ACD and VaD, respectively. We replicated known AD loci at genome-wide significance for both ACD and VaD and conducted bioinformatic analyses to prioritize genes that are likely functionally relevant, and shared with closely related traits and risk factors. For ACD, novel loci identified were associated with energy transport ( SEMA4D ), neuronal excitability ( ANO3 ), amyloid deposition in the brain ( RBFOX1 ), and MRI markers of small vessel disease ( HBEGF ). Novel VaD loci were associated with hypertension, diabetes, and neuron maintenance ( SPRY2, FOXA2, AJAP1 , and PSMA3 ). Our study identified genetic risks underlying all-cause dementia, demonstrating overlap with neurodegenerative processes, vascular risk factors (Type-II diabetes, blood pressure, lipid) and cerebral small vessel disease. These novel insights could lead to new prevention and treatment strategies for all dementias.

Late-onset Alzheimers disease (LOAD, onset age > 60 years) is the most prevalent dementia in the elderly, and risk is partially driven by genetics. Many of the loci responsible for this genetic risk were identified by genome-wide association studies (GWAS). To identify additional LOAD risk loci, we performed the largest GWAS to date (89,769 individuals), analyzing both common and rare variants. We confirm 20 previous LOAD risk loci and identify four new genome-wide loci (IQCK, ACE, ADAM10, and ADAMTS1). Pathway analysis of these data implicates the immune system and lipid metabolism, and for the first time tau binding proteins and APP metabolism. These findings show that genetic variants affecting APP and Abeta processing are not only associated with early-onset autosomal dominant AD but also with LOAD. Analysis of AD risk genes and pathways show enrichment for rare variants (P = 1.32 x 10-7) indicating that additional rare variants remain to be identified.

The Dementias Platform UK (DPUK) Data Portal is a data repository facilitating access to data for 3 370 929 individuals in 42 cohorts. The Data Portal is an end-to-end data management solution providing a secure, fully auditable, remote access environment for the analysis of cohort data. All projects utilising the data are by default collaborations with the cohort research teams generating the data.The Data Portal uses UK Secure eResearch Platform (UKSeRP) infrastructure to provide three core utilities: data discovery, access, and analysis. These are delivered using a 7 layered architecture comprising: data ingestion, data curation, platform interoperability, data discovery, access brokerage, data analysis and knowledge preservation. Automated, streamlined, and standardised procedures reduce the administrative burden for all stakeholders, particularly for requests involving multiple independent datasets, where a single request may be forwarded to multiple data controllers. Researchers are provided with their own secure ‘lab’ using VMware which is accessed using two factor authentication.Over the last 2 years, 160 project proposals involving 579 individual cohort data access requests were received. These were received from 268 applicants spanning 72 institutions (56 academic, 13 commercial, 3 government) in 16 countries with 84 requests involving multiple cohorts. Project are varied including multi-modal, machine learning, and Mendelian randomisation analyses. Data access is usually free at point of use although a small number of cohorts require a data access fee.

Abstract The utility of brain magnetic resonance imaging (MRI) for predicting dementia is debated. We evaluated the added value of repeated brain MRI, including atrophy and cerebral small vessel disease markers, for dementia prediction. We conducted a landmark competing risk analysis in 1716 participants of the French population‐based Three‐City Study to predict the 5‐year risk of dementia using repeated measures of 41 predictors till year 4 of follow‐up. Brain MRI markers improved significantly the individual prediction of dementia after accounting for demographics, health measures, and repeated measures of cognition and functional dependency (area under the ROC curve [95% CI] improved from 0.80 [0.79 to 0.82] to 0.83 [0.81 to 0.84]). Nonetheless, accounting for the change over time through repeated MRIs had little impact on predictive abilities. These results highlight the importance of multimodal analysis to evaluate the added predictive abilities of repeated brain MRI for dementia and offer new insights into the predictive performances of various MRI markers. Highlights We evaluated whether repeated brain volumes and cSVD markers improve dementia prediction. The 5‐year prediction of dementia is slightly improved when considering brain MRI markers. Measures of hippocampus volume are the main MRI predictors of dementia. Adjusted on cognition, repeated MRI has poor added value over single MRI for dementia prediction. We utilized a longitudinal analysis that considers error‐and‐missing‐prone predictors, and competing death.