The Adolescent Brain Cognitive Development (ABCD) Study is an ongoing, nationwide study of the effects of environmental influences on behavioral and brain development in adolescents. The main objective of the study is to recruit and assess over eleven thousand 9-10-year-olds and follow them over the course of 10 years to characterize normative brain and cognitive development, the many factors that influence brain development, and the effects of those factors on mental health and other outcomes. The study employs state-of-the-art multimodal brain imaging, cognitive and clinical assessments, bioassays, and careful assessment of substance use, environment, psychopathological symptoms, and social functioning. The data is a resource of unprecedented scale and depth for studying typical and atypical development. The aim of this manuscript is to describe the baseline neuroimaging processing and subject-level analysis methods used by ABCD. Processing and analyses include modality-specific corrections for distortions and motion, brain segmentation and cortical surface reconstruction derived from structural magnetic resonance imaging (sMRI), analysis of brain microstructure using diffusion MRI (dMRI), task-related analysis of functional MRI (fMRI), and functional connectivity analysis of resting-state fMRI. This manuscript serves as a methodological reference for users of publicly shared neuroimaging data from the ABCD Study.

Introduction Opioid-based analgesic therapy represents a cornerstone of pain management after surgery. The recent rise in opioid sales and opioid overdoses suggests it is important to maximize the safety of opioid prescribing after surgery. Given that patients may live with other family members in the home, safe storage and appropriate disposal of excess opioids after hospital discharge are necessary to prevent unintended secondary exposures. Identifying characteristics of patients who are likely to be prescribed excess opioids after surgery may enable more targeted prescription practices and safety interventions. Our study aimed to elucidate patient-reported opioid use patterns and modes of home storage of opioids among patients discharged home after Cesarean section (C-section) and thoracic surgery. Specifically, we sought to identify characteristics of patients who reported using about half or more versus less of the opioids prescribed to them for use after hospital discharge. Methods For this cohort study, we developed a survey on quality of analgesia following hospital discharge, amounts of opioids taken relative to the amount prescribed, reasons for not taking all prescribed medications, and storage and disposal methods for leftover opioids. Adult patients, who had C-section or thoracic surgery at a tertiary academic medical center, were given a web-based self-administered survey after discharge. Descriptive statistics (means and standard deviations, proportions) were used to describe the study sample and survey results. Comparisons between patients who reported taking about half or more versus less of the opioids prescribed to them for use after hospital discharge were made using unpaired t-tests, Mann-Whitney tests, and Chi-square tests as appropriate. Results The majority (53%) of respondents after C-section (N = 30) reported taking either no or very few (less than 5) prescribed opioid pills; 83% reported taking half or less; and 17% of women, reported taking all or nearly all (5 or fewer pills left over) of their opioid prescription. In a cohort of patients after thoracic surgery (n = 31) 45% reported taking either no or very few (5 or less) prescribed opioid pills; 71% reported taking half or less; and 29% of patients reported taking all or nearly all (5 or fewer pills left over) of their opioid prescription. In both cohorts, use of opioids while hospitalized was higher in the group reporting using about half or more of prescribed opioids after discharge. Leftover opioids were stored in an unlocked location in 77% and 73% of cases following C-section and thoracic surgery, respectively. Conclusion Our findings from surveys in two distinct patient populations at a single academic medical center suggest that current opioid prescribing practices for pain management at hospital discharge following Cesarean section and thoracic surgery may not account for individual patients' analgesic requirements. Excess opioid pills are commonly stored in unsecured locations and represent a potential source for non-medical opioid use and associated morbidity and mortality in patients and their families. Research to develop goal-directed and patient-centered post-discharge opioid prescription practices and encourage opioid safety practices after surgery is needed.

Past studies highlight a narrowing gender gap and the existence of a shared etiology across substances of abuse; however, few have tested developmental models using longitudinal data. We present data on developmental trends of alcohol, tobacco, and marijuana use, abuse and dependence assessed during adolescence and young adulthood in a community-based Colorado twin sample of 1733 respondents through self-report questionnaires and structured psychiatric interviews. Additionally, we report on the rates of multiple substance use and disorders at each developmental stage, and the likelihood of a substance use disorder (SUD; i.e., abuse or dependence) diagnosis in young adulthood based on adolescent drug involvement. Most notably, we evaluate whether the pattern of multiple substance use and disorders and likelihood ratios across substances support a model of generalized risk. Lastly, we evaluate whether the ranked magnitudes of substance-specific risk match the addiction liability ranking. Substance use and SUDs are developmental phenomena, which increase from adolescence to young adulthood with few and inconsistent gender differences. Adolescents and young adults are not specialized users, but rather tend to use or abuse multiple substances increasingly with age. Risk analyses indicated that progression toward a SUD for any substance was increased with prior involvement with any of the three substances during adolescence. Despite the high prevalence of alcohol use, tobacco posed the greatest substance-specific risk for developing subsequent problems. Our data also confirm either a generalized risk or correlated risk factors for early onset substance use and subsequent development of SUDs.

Abstract Liability to alcohol dependence (AD) is heritable, but little is known about its complex polygenic architecture or its genetic relationship with other disorders. To discover loci associated with AD and characterize the relationship between AD and other psychiatric and behavioral outcomes, we carried out the largest GWAS to date of DSM - IV diagnosed AD. Genome - wide data on 14,904 individuals with AD and 37,944 controls from 28 case / control and family - based studies were meta - analyzed, stratified by genetic ancestry (European, N = 46,568; African; N = 6,280). Independent, genome - wide significant effects of different ADH1B variants were identified in European (rs1229984; p = 9.8E - 13) and African ancestries (rs2066702; p = 2.2E - 9). Significant genetic correlations were observed with schizophrenia, ADHD, depression, and use of cigarettes and cannabis. There was only modest genetic correlation with alcohol consumption and inconsistent associations with problem drinking. The genetic underpinnings of AD only partially overlap with those for alcohol consumption, underscoring the genetic distinction between pathological and non - pathological drinking behaviors.

Some of the most widely studied polymorphisms in psychiatric genetics include variable number tandem repeat polymorphisms (VNTRs) in SLC6A3, DRD4, SLC6A4, and MAOA. While initial findings suggested large effects, their importance with respect to psychiatric phenotypes is the subject of much debate with broadly conflicting results. Despite broad interest, these loci remain absent from the largest available samples, such as the UK Biobank, limiting researchers' ability to test these contentious hypotheses rigorously in large samples. Here, using two independent reference datasets, we report out-of-sample imputation accuracy estimates of >0.96 for all four VNTR polymorphisms and one modifying SNP, depending on the reference and target dataset. We describe the imputation procedures of these candidate polymorphisms in 486,551 UK Biobank individuals, and have made the imputed polymorphism data available to UK Biobank researchers. This resource, provided to the community, will allow the most rigorous tests to-date of the roles of these polymorphisms in behavioral and psychiatric phenotypes.

Eating disorders and substance use disorders frequently co-occur. Twin studies reveal shared genetic variance between liabilities to eating disorders and substance use, with the strongest associations between symptoms of bulimia nervosa (BN) and problem alcohol use (genetic correlation [rg], twin-based=0.23-0.53). We estimated the genetic correlation between eating disorder and substance use and disorder phenotypes using data from genome-wide association studies (GWAS). Four eating disorder phenotypes (anorexia nervosa [AN], AN with binge-eating, AN without binge-eating, and a BN factor score), and eight substance-use-related phenotypes (drinks per week, alcohol use disorder [AUD], smoking initiation, current smoking, cigarettes per day, nicotine dependence, cannabis initiation, and cannabis use disorder) from eight studies were included. Significant genetic correlations were adjusted for variants associated with major depressive disorder (MDD). Total sample sizes per phenotype ranged from ~2,400 to ~537,000 individuals. We used linkage disequilibrium score regression to calculate single nucleotide polymorphism-based genetic correlations between eating disorder and substance-use-related phenotypes. Significant positive genetic associations emerged between AUD and AN (rg=0.18; false discovery rate q=0.0006), cannabis initiation and AN (rg=0.23; q<0.0001), and cannabis initiation and AN with binge-eating (rg=0.27; q=0.0016). Conversely, significant negative genetic correlations were observed between three non-diagnostic smoking phenotypes (smoking initiation, current smoking, and cigarettes per day) and AN without binge-eating (rgs=-0.19 to -0.23; qs<0.04). The genetic correlation between AUD and AN was no longer significant after co-varying for MDD loci. The patterns of association between eating disorder- and substance-use-related phenotypes highlights the potentially complex and substance-specific relationships between these behaviors.

Background: Human aggressive behavior (AGG) has a substantial genetic component. Here we present a large genome-wide association meta-analysis (GWAMA) of childhood AGG. Methods: We analyzed assessments of AGG for a total of 328,935 observations from 87,485 children (aged 1.5 - 18 years), from multiple assessors, instruments, and ages, while accounting for sample overlap. We performed an overall analysis and meta-analyzed subsets of the data within rater, instrument, and age. Results: Heritability based on the overall meta-analysis (AGGall) that could be attributed to Single Nucleotide Polymorphisms (SNPs) was 3.31% (SE=0.0038). No single SNP reached genome-wide significance, but gene-based analysis returned three significant genes: ST3GAL3 (P=1.6E-06), PCDH7 (P=2.0E-06) and IPO13 (P=2.5E-06). All three genes have previously been associated with educational traits. Polygenic scores based on our GWAMA significantly predicted aggression in a holdout sample of children and in retrospectively assessed childhood aggression. We obtained moderate-to-strong genetic correlations (r\_g's) with selected phenotypes from multiple domains, but hardly with any of the classical biomarkers thought to be associated with AGG. Significant genetic correlations were observed with most psychiatric and psychological traits (range.|r\_g |:.0.19 - 1.00), except for obsessive-compulsive disorder. Aggression had a negative genetic correlation (r\_g=~-0.5) with cognitive traits and age at first birth. Aggression was strongly genetically correlated with smoking phenotypes (range.|r\_g |:.0.46 - 0.60). Genetic correlations between AGG and psychiatric disorders were strongest for mother- and self-reported AGG. Conclusions: The current GWAMA of childhood aggression provides a powerful tool to interrogate the genetic etiology of AGG by creating individual polygenic scores and genetic correlations with psychiatric traits.### Competing Interest StatementMiquel Casas has received travel grants and research support from Eli Lilly and Co., Janssen-Cilag, Shire and Lundbeck and served as consultant for Eli Lilly and Co., Janssen-Cilag, Shire and Lundbeck. Josep Antoni Ramos Quiroga was on the speakers’ bureau and/or acted as consultant Eli-Lilly, Janssen-Cilag, Novartis, Shire, Lundbeck, Almirall, Braingaze, Sincrolab, Medicine, Exeltis and Rubió in the last 5 years. He also received travel awards (air tickets + hotel) for taking part in psychiatric meetings from Janssen-Cilag, Rubió, Shire, Medice and Eli-Lilly. The Department of Psychiatry chaired by him received unrestricted educational and research support from the following companies in the last 5 years: Eli-Lilly, Lundbeck, Janssen-Cilag, Actelion, Shire, Ferrer, Oryzon, Roche, Psious, and Rubió.

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.

To provide novel insights into the biology of opioid dependence (OD) and opioid use (i.e., exposure, OE), we completed a genome-wide analysis comparing up to 4,503 OD cases, 4,173 opioid-exposed controls, and 32,500 opioid-unexposed controls. Among the variants identified, rs9291211 was associated with OE (a comparison of exposed vs. unexposed controls; z=-5.39, p=7.2x10-8). This variant regulates the transcriptomic profiles of SLC30A9 and BEND4 in multiple brain tissues and was previously associated with depression, alcohol consumption, and neuroticism. A phenome-wide scan of rs9291211 in the UK Biobank (N>360,000) found association of this variant with propensity to use dietary supplements (p=1.68x10-8). With respect to the same OE phenotype in the gene-based analysis, we identified SDCCAG8 (z=4.69, p=10-6), which was previously associated with educational attainment, risk-taking behaviors, and schizophrenia. In addition, rs201123820 showed a genome-wide significant difference between OD cases and unexposed controls (z=5.55, p=2.9x10-8) and a significant association with musculoskeletal disorders in the UK Biobank (p=4.88x10-7). A polygenic risk score (PRS) based on a GWAS of risk-tolerance (N=466,571) was positively associated with OD (OD cases vs. unexposed controls, p=8.1x10-5; OD cases vs. exposed controls, p=0.054) and OE (exposed controls vs. unexposed controls, p=3.6x10-5). A PRS based on a GWAS of neuroticism (N=390,278) was positively associated with OD (OD cases vs. unexposed controls, p=3.2x10-5; OD cases vs. exposed controls, p=0.002) but not with OE (p=0.671). Our analyses highlight the difference between dependence and exposure and the importance of considering the definition of controls (exposed vs. unexposed) in studies of addiction.

The Adolescent Brain Cognitive Development (ABCD) Study is an ongoing, nationwide study of the effects of environmental influences on behavioral and brain development in adolescents. The ABCD Study is a collaborative effort, including a Coordinating Center, 21 data acquisition sites across the United States, and a Data Analysis and Informatics Center (DAIC). The main objective of the study is to recruit and assess over eleven thousand 9-10-year-olds and follow them over the course of 10 years to characterize normative brain and cognitive development, the many factors that influence brain development, and the effects of those factors on mental health and other outcomes. The study employs state-of-the-art multimodal brain imaging, cognitive and clinical assessments, bioassays, and careful assessment of substance use, environment, psychopathological symptoms, and social functioning. The data will provide a resource of unprecedented scale and depth for studying typical and atypical development. Here, we describe the baseline neuroimaging processing and subject-level analysis methods used by the ABCD DAIC in the centralized processing and extraction of neuroanatomical and functional imaging phenotypes. Neuroimaging processing and analyses include modality-specific corrections for distortions and motion, brain segmentation and cortical surface reconstruction derived from structural magnetic resonance imaging (sMRI), analysis of brain microstructure using diffusion MRI (dMRI), task-related analysis of functional MRI (fMRI), and functional connectivity analysis of resting-state fMRI.