Multiple sclerosis is a disease of the central nervous system that involves interplay between inflammation and neurodegeneration. Despite intensive study, much of the genetic architecture underlying susceptibility to the disease remains to be defined. A large, international, collaborative genome-wide association study involving almost 10,000 cases, all of European descent, has confirmed about 20 previously reported multiple-sclerosis-linked regions of DNA, and identified an additional 29 novel susceptibility loci. Further analysis implicates the differentiation of T-helper cells as particularly relevant to the pathogenesis of this disease. Multiple sclerosis is a common disease of the central nervous system in which the interplay between inflammatory and neurodegenerative processes typically results in intermittent neurological disturbance followed by progressive accumulation of disability1. Epidemiological studies have shown that genetic factors are primarily responsible for the substantially increased frequency of the disease seen in the relatives of affected individuals2,3, and systematic attempts to identify linkage in multiplex families have confirmed that variation within the major histocompatibility complex (MHC) exerts the greatest individual effect on risk4. Modestly powered genome-wide association studies (GWAS)5,6,7,8,9,10 have enabled more than 20 additional risk loci to be identified and have shown that multiple variants exerting modest individual effects have a key role in disease susceptibility11. Most of the genetic architecture underlying susceptibility to the disease remains to be defined and is anticipated to require the analysis of sample sizes that are beyond the numbers currently available to individual research groups. In a collaborative GWAS involving 9,772 cases of European descent collected by 23 research groups working in 15 different countries, we have replicated almost all of the previously suggested associations and identified at least a further 29 novel susceptibility loci. Within the MHC we have refined the identity of the HLA-DRB1 risk alleles and confirmed that variation in the HLA-A gene underlies the independent protective effect attributable to the class I region. Immunologically relevant genes are significantly overrepresented among those mapping close to the identified loci and particularly implicate T-helper-cell differentiation in the pathogenesis of multiple sclerosis.

Using the ImmunoChip custom genotyping array, we analyzed 14,498 subjects with multiple sclerosis and 24,091 healthy controls for 161,311 autosomal variants and identified 135 potentially associated regions (P < 1.0 × 10(-4)). In a replication phase, we combined these data with previous genome-wide association study (GWAS) data from an independent 14,802 subjects with multiple sclerosis and 26,703 healthy controls. In these 80,094 individuals of European ancestry, we identified 48 new susceptibility variants (P < 5.0 × 10(-8)), 3 of which we found after conditioning on previously identified variants. Thus, there are now 110 established multiple sclerosis risk variants at 103 discrete loci outside of the major histocompatibility complex. With high-resolution Bayesian fine mapping, we identified five regions where one variant accounted for more than 50% of the posterior probability of association. This study enhances the catalog of multiple sclerosis risk variants and illustrates the value of fine mapping in the resolution of GWAS signals.

Multiple sclerosis (MS) is universally found to be more prevalent in women than men. This has led to extensive studies of differences in the immune system or nervous system between women and men, which might be caused by the effects of gonadal hormones, genetic differences, and different environmental exposures and modern lifestyle in men and women. We review the effects of sex and gender from a genetic, immunological and clinical point of view. We discuss the effects of sex on the clinical expression of MS and responses to therapy, as well as issues concerning pregnancy.

Common risk factors for psychiatric and other brain disorders are likely to converge on biological pathways influencing the development and maintenance of brain structure and function across life. Using structural MRI data from 45,615 individuals aged 3-96 years, we demonstrate distinct patterns of apparent brain aging in several brain disorders and reveal genetic pleiotropy between apparent brain aging in healthy individuals and common brain disorders.

Gil McVean and colleagues report a meta-analysis of Immunochip studies including over 17,000 multiple sclerosis cases and 30,000 controls, with imputation of classical HLA alleles. They find two interactions involving class II HLA alleles but no evidence for significant epistatic interactions or interactions between HLA and non-HLA risk variants. Association studies have greatly refined the understanding of how variation within the human leukocyte antigen (HLA) genes influences risk of multiple sclerosis. However, the extent to which major effects are modulated by interactions is poorly characterized. We analyzed high-density SNP data on 17,465 cases and 30,385 controls from 11 cohorts of European ancestry, in combination with imputation of classical HLA alleles, to build a high-resolution map of HLA genetic risk and assess the evidence for interactions involving classical HLA alleles. Among new and previously identified class II risk alleles (HLA-DRB1*15:01, HLA-DRB1*13:03, HLA-DRB1*03:01, HLA-DRB1*08:01 and HLA-DQB1*03:02) and class I protective alleles (HLA-A*02:01, HLA-B*44:02, HLA-B*38:01 and HLA-B*55:01), we find evidence for two interactions involving pairs of class II alleles: HLA-DQA1*01:01–HLA-DRB1*15:01 and HLA-DQB1*03:01–HLA-DQB1*03:02. We find no evidence for interactions between classical HLA alleles and non-HLA risk-associated variants and estimate a minimal effect of polygenic epistasis in modulating major risk alleles.

Background: Fatigue and depression are frequent and often co-occurring symptoms in multiple sclerosis (MS). Resting-state functional magnetic resonance imaging (rs-fMRI) represents a promising tool for disentangling differential associations between depression and fatigue and brain network function and connectivity. In this study we tested for associations between symptoms of fatigue and depression and DMN connectivity in patients with MS. Materials and methods: Seventy-four MS patients were included on average 14 months after diagnosis. They underwent MRI scanning of the brain including rs-fMRI, and symptoms of fatigue and depression were assessed with Fatigue Severity Scale (FSS) and Beck Depression Inventory II (BDI). A principal component analysis (PCA) on FSS and BDI scores was performed, and the component scores were analysed using linear regression models to test for associations with default mode network (DMN) connectivity. Results: We observed higher DMN connectivity with higher scores on the primary principal component reflecting common symptom burden for fatigue and depression (Cohen's f2=0.075, t=2.17, p=0.03). The secondary principal component reflecting a pattern of low fatigue scores with high scores of depression was associated with lower DMN connectivity (Cohen's f2=0.067, t=-2.1, p=0.04). Using continuous mean scores of FSS we also observed higher DMN connectivity with higher symptom burden (t=3.1, p=0.003), but no significant associations between continuous sum scores of BDI and DMN connectivity (t=0.8, p=0.4). Conclusion: Multivariate decomposition of FSS and BDI data supported both overlapping and unique manifestation of fatigue and depression in MS patients. Rs-fMRI analyses showed that symptoms of fatigue and depression was reflected in altered DMN connectivity, and that higher DMN activity was seen in MS patients with fatigue even with low depression scores.

Complex diseases such as Multiple Sclerosis (MS) cover a wide range of biological scales, from genes and proteins to cells and tissues, up to the full organism. We conducted a multilayer network analysis and deep phenotyping with multi-omics data (genomics, phosphoproteomics and cytomics), brain and retinal imaging, and clinical data, obtained from a multicenter prospective cohort of 328 patients and 90 healthy controls. Multilayer networks were constructed using mutual information, and Boolean simulations identified paths within and among all layers. The path more commonly found from the boolean simulations connects MP2K, with Th17 cells, the retinal nerve fiber layer (RNFL) thickness and the age related MS severity score (ARMSS). Combinations of several proteins (HSPB1, MP2K1, SR6, KS6B1, SRC, MK03, LCK and STAT6)) and immune cells (Th17, Th1 non-classic, CD8, CD8 Treg, CD56 neg, and B memory) were part of the paths explaining the clinical phenotype. Specific paths identified were subsequently analyzed by flow cytometry at the single-cell level.

Multiple sclerosis is a common, complex neurological disease, where almost 20% of risk heritability can be attributed to common genetic variants, including >230 identified by genome-wide association studies (Patsopoulos et al., 2017). Multiple strands of evidence suggest that the majority of the remaining heritability is also due to the additive effects of individual variants, rather than epistatic interactions between these variants, or mutations exclusive to individual families. Here, we show in 68,379 cases and controls that as much as 5% of this heritability is explained by low-frequency variation in gene coding sequence. We identify four novel genes driving MS risk independently of common variant signals, which highlight a key role for regulatory T cell homeostasis and regulation, IFNγ biology and NFκB signaling in MS pathogenesis. As low-frequency variants do not show substantial linkage disequilibrium with other variants, and as coding variants are more interpretable and experimentally tractable than non-coding variation, our discoveries constitute a rich resource for dissecting the pathobiology of MS.