Excessive alcohol consumption is one of the leading causes of preventable death in the United States. Approximately 14% of those who use alcohol meet criteria during their lifetime for alcohol dependence, which is characterized by tolerance, withdrawal, inability to stop drinking, and continued drinking despite serious psychological or physiological problems. We explored genetic influences on alcohol dependence among 1,897 European-American and African-American subjects with alcohol dependence compared with 1,932 unrelated, alcohol-exposed, nondependent controls. Constitutional DNA of each subject was genotyped using the Illumina 1M beadchip. Fifteen SNPs yielded P < 10 −5 , but in two independent replication series, no SNP passed a replication threshold of P < 0.05. Candidate gene GABRA2 , which encodes the GABA receptor α2 subunit, was evaluated independently. Five SNPs at GABRA2 yielded nominal (uncorrected) P < 0.05, with odds ratios between 1.11 and 1.16. Further dissection of the alcoholism phenotype, to disentangle the influence of comorbid substance-use disorders, will be a next step in identifying genetic variants associated with alcohol dependence.

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.

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 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 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 Hundreds of inbred laboratory mouse strains and intercross populations have been used to functionalize genetic variants that contribute to disease. Thousands of disease relevant traits have been characterized in mice and made publicly available. New strains and populations including the Collaborative Cross, expanded BXD and inbred wild-derived strains add to set of complex disease mouse models, genetic mapping resources and sensitized backgrounds against which to evaluate engineered mutations. The genome sequences of many inbred strains, along with dense genotypes from others could allow integrated analysis of trait – variant associations across populations, but these analyses are not feasible due to the sparsity of genotypes available. Moreover, the data are not readily interoperable with other resources. To address these limitations, we created a uniformly dense data resource by harmonizing multiple variant datasets. Missing genotypes were imputed using the Viterbi algorithm with a data-driven technique that incorporates local phylogenetic information, an approach that is extensible to other model organism species. The result is a web– and programmatically-accessible data service called GenomeMUSter ( https://muster.jax.org ), comprising allelic data covering 657 strains at 106.8M segregating sites. Interoperation with phenotype databases, analytic tools and other resources enable a wealth of applications including multi-trait, multi-population meta-analysis. We demonstrate this in a cross-species comparison of the meta-analysis of Type 2 Diabetes and of substance use disorders, resulting in the more specific characterization of the role of human variant effects in light of mouse phenotype data. Other applications include refinement of mapped loci and prioritization of strain backgrounds for disease modeling to further unlock extant mouse diversity for genetic and genomic studies in health and disease.

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.

Abstract Pattern similarity analyses are increasingly used to characterize coding properties of brain regions, but relatively few have focused on cognitive control processes in FrontoParietal regions. Here, we use the Human Connectome Project (HCP) N-back task fMRI dataset to examine individual differences and genetic influences on the coding of working memory load (0-back, 2-back) and perceptual category (Face, Place). Participants were grouped into 105 MZ (monozygotic) twin, 78 DZ (dizygotic) twin, 99 non-twin sibling, and 100 unrelated pairs. Activation pattern similarity was used to test the hypothesis that FrontoParietal regions would have higher similarity for same load conditions, while Visual regions would have higher similarity in same perceptual category conditions. Results confirmed this highly robust regional double dissociation in neural coding, which also predicted individual differences in behavioral performance. In pair-based analyses, anatomically-selective genetic relatedness effects were observed: relatedness predicted greater activation pattern similarity in FrontoParietal only for load coding, and in Visual only for perceptual coding. Further, in related pairs, the similarity of load coding in FrontoParietal regions was uniquely associated with behavioral performance. Together, these results highlight the power of task fMRI pattern similarity analyses for detecting key coding and heritability features of brain regions.

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.