Julie Williams and colleagues report a genome-wide association study for Alzheimer's disease. They identify variants at the CLU and PICALM loci associated with susceptibility to late-onset Alzheimer's disease. We undertook a two-stage genome-wide association study (GWAS) of Alzheimer's disease (AD) involving over 16,000 individuals, the most powerful AD GWAS to date. In stage 1 (3,941 cases and 7,848 controls), we replicated the established association with the apolipoprotein E (APOE) locus (most significant SNP, rs2075650, P = 1.8 × 10−157) and observed genome-wide significant association with SNPs at two loci not previously associated with the disease: at the CLU (also known as APOJ) gene (rs11136000, P = 1.4 × 10−9) and 5′ to the PICALM gene (rs3851179, P = 1.9 × 10−8). These associations were replicated in stage 2 (2,023 cases and 2,340 controls), producing compelling evidence for association with Alzheimer's disease in the combined dataset (rs11136000, P = 8.5 × 10−10, odds ratio = 0.86; rs3851179, P = 1.3 × 10−9, odds ratio = 0.86).

A new diagnostic indicator of FDG PET scan abnormality, based on age-adjusted t statistics and an automated voxel-based procedure, is presented and validated in a large data set comprising 110 normal controls and 395 patients with probable Alzheimer's disease (AD) that were studied in eight participating centers. The effect of differences in spatial resolution of PET scanners was minimized effectively by filtering and masking. In controls FDG uptake declined significantly with age in anterior cingulate and frontolateral perisylvian cortex. In patients with probable AD decline of FDG uptake in posterior cingulate, temporoparietal, and prefrontal association cortex was related to dementia severity. These effects were clearly distinct from age effects in controls, suggesting that the disease process of AD is not related to normal aging. Women with probable AD had significantly more frontal metabolic impairment than men. The new indicator of metabolic abnormality in AD-related regions provided 93% sensitivity and specificity for distinction of mild to moderate probable AD from normals, and 84% sensitivity at 93% specificity for detection of very mild probable AD (defined by Mini Mental Score 24 or better). All regions related to AD severity were already affected in very mild AD, suggesting that all vulnerable areas are affected to a similar degree already at disease onset. Ventromedial frontal cortex was also abnormal. In conclusion, automated analysis of multicenter FDG PET is feasible, provides insights into AD pathophysiology, and can be used potentially as a sensitive biomarker for early AD diagnosis.

Background Late Onset Alzheimer's disease (LOAD) is the leading cause of dementia. Recent large genome-wide association studies (GWAS) identified the first strongly supported LOAD susceptibility genes since the discovery of the involvement of APOE in the early 1990s. We have now exploited these GWAS datasets to uncover key LOAD pathophysiological processes. Methodology We applied a recently developed tool for mining GWAS data for biologically meaningful information to a LOAD GWAS dataset. The principal findings were then tested in an independent GWAS dataset. Principal Findings We found a significant overrepresentation of association signals in pathways related to cholesterol metabolism and the immune response in both of the two largest genome-wide association studies for LOAD. Significance Processes related to cholesterol metabolism and the innate immune response have previously been implicated by pathological and epidemiological studies of Alzheimer's disease, but it has been unclear whether those findings reflected primary aetiological events or consequences of the disease process. Our independent evidence from two large studies now demonstrates that these processes are aetiologically relevant, and suggests that they may be suitable targets for novel and existing therapeutic approaches.

Abstract INTRODUCTION The established link between DNA methylation and pathophysiology of dementia, along with its potential role as a molecular mediator of lifestyle and environmental influences, positions blood‐derived DNA methylation as a promising tool for early dementia risk detection. METHODS In conjunction with an extensive array of machine learning techniques, we employed whole blood genome‐wide DNA methylation data as a surrogate for 14 modifiable and non‐modifiable factors in the assessment of dementia risk in independent dementia cohorts. RESULTS We established a multivariate methylation risk score (MMRS) for identifying mild cognitive impairment cross‐sectionally, independent of age and sex ( P = 2.0 × 10 −3 ). This score significantly predicted the prospective development of cognitive impairments in independent studies of Alzheimer's disease (hazard ratio for Rey's Auditory Verbal Learning Test (RAVLT)‐Learning = 2.47) and Parkinson's disease (hazard ratio for MCI/dementia = 2.59). DISCUSSION Our work shows the potential of employing blood‐derived DNA methylation data in the assessment of dementia risk. Highlights We used whole blood DNA methylation as a surrogate for 14 dementia risk factors. Created a multivariate methylation risk score for predicting cognitive impairment. Emphasized the role of machine learning and omics data in predicting dementia. The score predicts cognitive impairment development at the population level.

Abstract Background and Purpose Alzheimer's disease (AD) is characterized by cognitive decline and mnestic deficits. The pathophysiology of AD is not fully understood, which renders the development of accurate tools for early diagnosis and effective therapies exceedingly difficult. In this study, we investigated the use of 23 Na‐MRI to measure the relative sodium signal intensities (rSSIs) in CSF in patients with AD and healthy controls. Methods We prospectively recruited 11 patients with biomarker‐diagnosed early‐stage AD, as well as 12 cognitively healthy age‐matched controls. All participants underwent 23 Na‐MRI to measure rSSI. Statistical analyses were performed to compare CSF sodium signal intensities between groups and to evaluate the specificity and sensitivity of the rSSI in the diagnosis of AD. Results RSSIs in CSF were significantly higher in AD patients (mean = 68.6% ± 7.7%) compared to healthy controls (mean = 56.9% ± 5.5%) ( p < .001). There was also a significant negative correlation between rSSI in CSF and hippocampus and amygdala volumes ( r = −.54 and −.49, p < .05) as well as a positive correlation with total CSF volumes ( r = .81, p < .05). Receiver operating characteristic analysis showed high diagnostic accuracy for rSSI in discriminating between AD patients and healthy controls (area under the curve = .94). Conclusion Our study provides evidence that rSSI in CSF is increased in AD patients in comparison to healthy controls. rSSI may serve as a potential marker for early detection and monitoring of disease progression. Larger, longitudinal studies are needed to confirm our findings and to investigate the association between rSSI in CSF and the severity of cognitive impairment.

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.