ABSTRACT Background Rodent paradigms and human genome-wide association studies (GWASs) on drug use have the potential to provide biological insight into the pathophysiology of addiction. Methods Using GeneWeaver, we created rodent alcohol and nicotine gene-sets derived from 19 gene expression studies on alcohol and nicotine outcomes. We partitioned the SNP-heritability of these gene-sets using four large human GWASs: 1) alcoholic drinks per week, 2) problematic alcohol use, 3) cigarettes per day and 4) smoking cessation. We benchmarked our findings with curated human alcoholism and nicotine addiction gene-sets and performed specificity analyses using other rodent gene-sets (e.g., locomotor behavior) and other human GWASs (e.g., height). Results The rodent alcohol gene-set was enriched for heritability of drinks per week, cigarettes per day, and smoking cessation, but not problematic alcohol use. However, the rodent nicotine gene-set was not significantly associated with any of these traits. Both rodent gene-sets showed enrichment for several non-substance use GWASs, and the extent of this relationship tended to increase as a function of trait heritability. In general, larger gene-sets demonstrated more significant enrichment. Finally, when evaluating human traits with similar heritabilities, both rodent gene-sets showed greater enrichment for substance use traits. Conclusion Our results suggest that rodent gene expression studies can help to identify genes that capture heritability of substance use traits in humans, yet the specificity to human substance use was less than expected due to various factors such as the genetic architecture of a trait. We outline various limitations, interpretations and considerations for future research.

Abstract Background The integration of multi-omics information (e.g., epigenetics and transcriptomics) can be useful for interpreting findings from genome-wide association studies (GWAS). It has additionally been suggested that multi-omics may aid in novel variant discovery, thus circumventing the need to increase GWAS sample sizes. We tested whether incorporating multi-omics information in earlier and smaller sized GWAS boosts true-positive discovery of genes that were later revealed by larger GWAS of the same/similar traits. Methods We applied ten different analytic approaches to integrating multi-omics data from twelve sources (e.g., Genotype-Tissue Expression project) to test whether earlier and smaller GWAS of 4 brain-related traits (i.e., alcohol use disorder/problematic alcohol use [AUD/PAU], major depression [MDD], schizophrenia [SCZ], and intracranial volume [ICV]) could detect genes that were revealed by a later and larger GWAS. Results Multi-omics data did not reliably identify novel genes in earlier less powered GWAS (PPV<0.2; 80% false-positive associations). Machine learning predictions marginally increased the number of identified novel genes, correctly identifying 1-8 additional genes, but only for well-powered early GWAS of highly heritable traits (i.e., ICV and SCZ). Multi-omics, particularly positional mapping (i.e., fastBAT, MAGMA, and H-MAGMA), was useful for prioritizing genes within genome-wide significant loci (PPVs = 0.5 – 1.0). Conclusions Although the integration of multi-omics information, particularly when multiple methods agree, helps prioritize GWAS findings and translate them into information about disease biology, it does not substantively increase novel gene discovery in brain-related GWAS. To increase power for discovery of novel genes and loci, increasing sample size is a requirement.

ABSTRACT Genome-wide association studies (GWASs) of the Alcohol Use Disorder Identification Test (AUDIT), a ten-item screener for alcohol use disorder (AUD), have elucidated novel loci for alcohol consumption and misuse. However, these studies also revealed that GWASs can be influenced by numerous biases (e.g., measurement error, selection bias), which have led to inconsistent genetic correlations between alcohol involvement and AUD, as well as paradoxically negative genetic correlations between alcohol involvement and psychiatric disorders/medical conditions. To explore these unexpected differences in genetic correlations, we conducted the first item-level and largest GWAS of AUDIT items (N=160,824), and applied a multivariate framework to mitigate previous biases. In doing so, we identified novel patterns of similarity (and dissimilarity) among the AUDIT items, and found evidence of a correlated two-factor structure at the genetic level (Consumption and Problems, rg=.80). Moreover, by applying empirically-derived weights to each of the AUDIT items, we constructed an aggregate measure of alcohol consumption that is strongly associated with alcohol dependence (rg=.67) and several other psychiatric disorders, and no longer positively associated with health and positive socioeconomic outcomes. Lastly, by performing polygenic analyses in three independent cohorts that differed in their ascertainment and prevalence of AUD, we identified novel genetic associations between alcohol consumption, alcohol misuse, and human health. Our work further emphasizes the value of AUDIT for both clinical and genetic studies of AUD, and the importance of using multivariate methods to study genetic associations that are more closely related to AUD.

ABSTRACT Background Alcohol use has been reliably associated with smaller subcortical and cortical regional gray matter volumes (GMVs). Whether these associations reflect shared predisposing risk factors and/or causal consequences of alcohol use remains poorly understood. Methods Data came from 3 neuroimaging samples (total n=2,423), spanning childhood/adolescence to middle age, with prospective or family-based data. First, we identified replicable GMV correlates of alcohol use. Next, we used family-based and longitudinal data to test whether these associations may plausibly reflect a predispositional liability for alcohol use, and/or a causal consequence of alcohol use. Finally, we evaluated whether GWAS-defined genomic risk for alcohol consumption is enriched for genes preferentially expressed in regions identified in our neuroimaging analyses, using heritability and gene-set enrichment, and transcriptome-wide association study (TWAS) approaches. Results Smaller right dorsolateral prefrontal cortex (DLPFC; i.e., middle and superior frontal gyri) and insula GMVs were associated with increased alcohol use across samples. Family-based and prospective longitudinal data suggest these associations are genetically conferred and that DLPFC GMV prospectively predicts future use and initiation. Genomic risk for alcohol use was enriched in gene-sets preferentially expressed in the DLPFC and associated with differential expression of C16orf93 , CWF19L1 , and C18orf8 in the DLPFC. Conclusions These data suggest that smaller DLPFC and insula GMV plausibly represent predispositional risk factors for, as opposed to consequences of, alcohol use. Alcohol use, particularly when heavy, may potentiate these predispositional risk factors. DLPFC and insula GMV represent promising biomarkers for alcohol consumption liability and related psychiatric and behavioral phenotypes.

Research has identified clinical, genomic, and neurophysiological markers associated with suicide attempts (SA) among individuals with psychiatric illness. However, there is limited research among those with an alcohol use disorder (AUD), despite their disproportionately higher rates of SA. We examined lifetime SA in 4,068 individuals with DSM-IV alcohol dependence from the Collaborative Study on the Genetics of Alcoholism (23% lifetime suicide attempt; 53% female; mean age: 38). Within participants with an AUD diagnosis, we explored risk across other clinical conditions, polygenic scores (PGS) for comorbid psychiatric problems, and neurocognitive functioning for lifetime suicide attempt. Participants with an AUD who had attempted suicide had greater rates of trauma exposure, major depressive disorder, post-traumatic stress disorder, and other substance use disorders compared to those who had not attempted suicide. Polygenic scores for suicide attempt, depression, and PTSD were associated with reporting a suicide attempt (ORs = 1.22 - 1.44). Participants who reported a SA also had decreased right hemispheric frontal-parietal theta and decreased interhemispheric temporal-parietal alpha electroencephalogram resting-state coherences relative to those who did not, but differences were small. Overall, individuals with an AUD who report a lifetime suicide attempt appear to experience greater levels of trauma, have more severe comorbidities, and carry polygenic risk for a variety of psychiatric problems. Our results demonstrate the need to further investigate suicide attempts in the presence of substance use disorders.

Abstract We mapped high-precision time-series data (15 min bins for 3 hours) generated for ~ 700 adult BXD mice across 105 morphine- and naloxone-related traits using new sequence-derived marker maps and a linear-mixed model. We confirm a previously mapped sex-independent effect of initial locomotor responses to morphine (50 mg/kg ip) that maps precisely to Oprm1 on chromosome (Chr) 10, with the linkage score reaching −log 10 P of ~12.4 (with a high B allele) at 75 min and exhausted by 160 min. We detected a new modulator of opiate locomotor activation in both sexes on Chr 16, with a peak linkage that climbs from 105 through to 180 min after injection. This locus includes one compelling candidate— fibroblast growth factor 12 (Fgf12) . We also detected a strong, but transient epistatic interaction between these two loci. Single nuclei transcriptomic analyses in rats demonstrates that expression of Oprm1 and Fgf12 mRNA covary in one specific subtype of Drd1 medium spiny neurons. Our Bayesian network analysis identified that a cascade of MAP kinases— Mapk8ip2, Map3k11 , and Map3k12 —are part of the Oprm1–Fgf12 network. This is the first demonstration of a time-dependent epistatic interaction modulating drug response in mammals with interesting mechanistic implications. Analysis of OPRM1 and FGF12 gene networks in human GWAS data highlights enrichment of signals associated with substance use disorder.

Background: Despite established clinical associations among major depression (MD), alcohol dependence (AD), and alcohol consumption (AC), the nature of the causal relationship between them is not completely understood. Methods: This study was conducted using genome-wide data from the Psychiatric Genomics Consortium (MD: 135,458 cases and 344,901 controls; AD: 10,206 cases and 28,480 controls) and UK Biobank (AC-Frequency: from 'daily or almost daily' to 'never', 438,308 individuals; AC-Quantity: total units of alcohol per week, 307,098 individuals). Linkage disequilibrium score regression and Mendelian Randomization (MR) analyses were applied to investigate shared genetic mechanisms (horizontal pleiotropy) and causal relationships (mediated pleiotropy) among these traits. Outcomes: Positive genetic correlation was observed between MD and AD (rgMD-AD=+0.47, P=6.6x10-10). AC-Quantity showed positive genetic correlation with both AD (rgAD-AC-Quantity=+0.75, P=1.8x10-14) and MD (rgMD-AC-Quantity=+0.14, P=2.9x10-7), while there was negative correlation of AC-Frequency with MD (rgMD-AC-Frequency=-0.17, P=1.5x10-10) and a non-significant result with AD. MR analyses confirmed the presence of pleiotropy among these traits. However, the MD-AD results reflect a mediated-pleiotropy mechanism (i.e., causal relationship) with a causal role of MD on AD (beta=0.28, P=1.29x10-6) that does not appear to be biased by confounding such as horizontal pleiotropy. No evidence of reverse causation was observed as the AD genetic instrument did not show a causal effect on MD. Interpretation: Results support a causal role for MD on AD based on genetic datasets including thousands of individuals. Understanding mechanisms underlying MD-AD comorbidity not only addresses important public health concerns but also has the potential to facilitate prevention and intervention efforts.

Abstract COVID-19 remains a significant international public health concern. Yet, the mechanisms through which symptomatology emerges remain poorly understood. While SARS-CoV-2 infection may induce prolonged inflammation within the central nervous system, the evidence primarily stems from limited small-scale case investigations. To address this gap, our study capitalized on longitudinal UK Biobank neuroimaging data acquired prior to and following COVID-19 testing (N=416 including n=224 COVID-19 cases; M age =58.6). Putative neuroinflammation was assessed in gray matter structures and white matter tracts using non-invasive Diffusion Basis Spectrum Imaging (DBSI), which estimates inflammation-related cellularity (DBSI-restricted fraction; DBSI-RF) and vasogenic edema (DBSI-hindered fraction; DBSI-HF).We hypothesized that COVID-19 case status would be associated with increases in DBSI markers after accounting for potential confound (age, sex, race, body mass index, smoking frequency, and data acquisition interval) and multiple testing. COVID-19 case status was not significantly associated with DBSI-RF (|β|’s<0.28, p FDR >0.05), but with greater DBSI-HF in left pre- and post-central gyri and right middle frontal gyrus (β’s>0.3, all p FDR =0.03). Intriguingly, the brain areas exhibiting increased putative vasogenic edema had previously been linked to COVID-19-related functional and structural alterations, whereas brain regions displaying subtle differences in cellularity between COVID-19 cases and controls included regions within or functionally connected to the olfactory network, which has been implicated in COVID-19 psychopathology. Nevertheless, our study might not have captured acute and transitory neuroinflammatory effects linked to SARS-CoV-2 infection, possibly due to symptom resolution before the imaging scan. Future research is warranted to explore the potential time- and symptom-dependent neuroinflammatory relationship with COVID-19.

Background: There are high levels of comorbidity between schizophrenia and substance use disorder, but little is known about the genetic etiology of this comorbidity. Methods: Here, we test the hypothesis that shared genetic liability contributes to the high rates of comorbidity between schizophrenia and substance use disorder. To do this, polygenic risk scores for schizophrenia derived from a large meta-analysis by the Psychiatric Genomics Consortium were computed in three substance use disorder datasets: COGEND (ascertained for nicotine dependence n=918 cases, 988 controls), COGA (ascertained for alcohol dependence n=643 cases, 384 controls), and FSCD (ascertained for cocaine dependence n=210 cases, 317 controls). Phenotypes were harmonized across the three datasets and standardized analyses were performed. Genome-wide genotypes were imputed to 1000 Genomes reference panel. Results: In each individual dataset and in the mega-analysis, strong associations were observed between any substance use disorder diagnosis and the polygenic risk score for schizophrenia (mega-analysis pseudo R2 range 0.8%-3.7%, minimum p=4x10-23). Conclusions: These results suggest that comorbidity between schizophrenia and substance use disorder is partially attributable to shared polygenic liability. This shared liability is most consistent with a general risk for substance use disorder rather than specific risks for individual substance use disorders and adds to increasing evidence of a blurred boundary between schizophrenia and substance use disorder.

Background: Smoking and alcohol use behaviors in humans have been associated with common genetic variants within multiple genomic loci. Investigation of rare variation within these loci holds promise for identifying causal variants impacting biological mechanisms in the etiology of disordered behavior. Microarrays have been designed to genotype rare nonsynonymous and putative loss of function variants. Such variants are expected to have greater deleterious consequences on gene function than other variants, and significantly contribute to disease risk. Methods: In the present study, we analyzed ~250,000 rare variants from 17 independent studies. Each variant was tested for association with five addiction-related phenotypes: cigarettes per day, pack years, smoking initiation, age of smoking initiation, and alcoholic drinks per week. We conducted single variant tests of all variants, and gene-based burden tests of nonsynonymous or putative loss of function variants with minor allele frequency less than 1%. Results: Meta-analytic sample sizes ranged from 70,847 to 164,142 individuals, depending on the phenotype. Known loci tagged by common variants replicated, but there was no robust evidence for individually associated rare variants, either in gene based or single variant tests. Using a modified method-of-moment approach, we found that all low frequency coding variants, in aggregate, contributed 1.7% to 3.6% of the phenotypic variation for the five traits (p<.05). Conclusions: The findings indicate that rare coding variants contribute to phenotypic variation, but that much larger samples and/or denser genotyping of rare variants will be required to successfully identify associations with these phenotypes, whether individual variants or gene- based associations.