Characterized primarily by a low body-mass index, anorexia nervosa is a complex and serious illness1, affecting 0.9–4% of women and 0.3% of men2–4, with twin-based heritability estimates of 50–60%5. Mortality rates are higher than those in other psychiatric disorders6, and outcomes are unacceptably poor7. Here we combine data from the Anorexia Nervosa Genetics Initiative (ANGI)8,9 and the Eating Disorders Working Group of the Psychiatric Genomics Consortium (PGC-ED) and conduct a genome-wide association study of 16,992 cases of anorexia nervosa and 55,525 controls, identifying eight significant loci. The genetic architecture of anorexia nervosa mirrors its clinical presentation, showing significant genetic correlations with psychiatric disorders, physical activity, and metabolic (including glycemic), lipid and anthropometric traits, independent of the effects of common variants associated with body-mass index. These results further encourage a reconceptualization of anorexia nervosa as a metabo-psychiatric disorder. Elucidating the metabolic component is a critical direction for future research, and paying attention to both psychiatric and metabolic components may be key to improving outcomes. Genome-wide analyses identify eight independent loci associated with anorexia nervosa. Genetic correlations implicate both psychiatric and metabolic components in the etiology of this disorder, even after adjusting for the effects of common variants associated with body mass index.

Anorexia nervosa (AN) is a complex and heritable eating disorder characterized by dangerously low body weight. Neither candidate gene studies nor an initial genome-wide association study (GWAS) have yielded significant and replicated results. We performed a GWAS in 2907 cases with AN from 14 countries (15 sites) and 14 860 ancestrally matched controls as part of the Genetic Consortium for AN (GCAN) and the Wellcome Trust Case Control Consortium 3 (WTCCC3). Individual association analyses were conducted in each stratum and meta-analyzed across all 15 discovery data sets. Seventy-six (72 independent) single nucleotide polymorphisms were taken forward for in silico (two data sets) or de novo (13 data sets) replication genotyping in 2677 independent AN cases and 8629 European ancestry controls along with 458 AN cases and 421 controls from Japan. The final global meta-analysis across discovery and replication data sets comprised 5551 AN cases and 21 080 controls. AN subtype analyses (1606 AN restricting; 1445 AN binge–purge) were performed. No findings reached genome-wide significance. Two intronic variants were suggestively associated: rs9839776 (P=3.01 × 10−7) in SOX2OT and rs17030795 (P=5.84 × 10−6) in PPP3CA. Two additional signals were specific to Europeans: rs1523921 (P=5.76 × 10−6) between CUL3 and FAM124B and rs1886797 (P=8.05 × 10−6) near SPATA13. Comparing discovery with replication results, 76% of the effects were in the same direction, an observation highly unlikely to be due to chance (P=4 × 10−6), strongly suggesting that true findings exist but our sample, the largest yet reported, was underpowered for their detection. The accrual of large genotyped AN case-control samples should be an immediate priority for the field.

Summary Sleep deprivation has a negative impact on hippocampus-dependent memory, which are thought to depend on cellular plasticity. We previously found that five hours of sleep deprivation robustly decreases dendritic spine density in the CA1 area of the hippocampus in adult male mice. However, recent work by others suggests that sleep deprivation increases the density of certain spine types on specific dendritic branches. Based on these recent findings and our previous work, we conducted a more in-depth analysis of different spine types on branches 1, 2 and 5 of both apical and basal dendrites to assess whether five hours of sleep deprivation may have previously unrecognized spine-type and branch-specific effects. This analysis shows no spine-type specific changes on branch 1 and 2 of apical dendrites after sleep deprivation. In contrast, sleep deprivation decreases the number of mushroom and branched spines on branch 5. Likewise, sleep deprivation reduces thin, mushroom, and filopodia spine density on branch 5 of the basal dendrites, without affecting spines on branch 1 and 2. Our findings indicate that sleep deprivation leads to local branch-specific reduction in the density of individual spine types, and that local effects might not reflect the overall impact of sleep deprivation on CA1 structural plasticity. Moreover, our analysis underscores that focusing on a subset of dendritic branches may lead to potential misinterpretation of the overall impact of in this case sleep deprivation on structural plasticity.

Summary It is well established that sleep deprivation after learning impairs hippocampal memory processes and causes amnesia. It is unknown, however, whether it leads to the actual loss of information or merely suppresses the retrievability of this information stored under suboptimal conditions. Here, we reveal that hippocampal memories formed under sleep deprivation conditions can be successfully retrieved multiple days following training using optogenetic memory engram activation or treatment with the clinically-approved phosphodiesterase 4 (PDE4) inhibitor roflumilast. Moreover, when optogenetic memory engram activation and roflumilast treatment were combined two days following training and subsequent sleep deprivation, it resulted in a more persistent memory trace that allowed for natural ( i.e. , manipulation free) retrieval several days later. Our studies in mice demonstrate that sleep deprivation does not necessarily cause memory loss, but instead leads to the suboptimal storage of information that is difficult to retrieve. We also provide proof of principle that these suboptimally stored memories can be made accessible again far beyond the learning episode and that the clinically-approved PDE4 inhibitor roflumilast may be used to successfully retrieve information thought to be lost.

The neuronal cell adhesion molecule contactin-4 (CNTN4) has been genetically linked to autism spectrum disorders (ASD) and other psychiatric disorders. The Cntn4-deficient mouse model has previously shown that CNTN4 has important roles in axon guidance and synaptic plasticity in the hippocampus. However, the pathogenesis and functional role of CNTN4 in the cortex have not yet been investigated. Using Nissl staining, immunohistochemistry and Golgi staining the motor cortex of Cntn4-/- mice was analysed for abnormalities. Interacting partners of CNTN4 were identified by immunoprecipitation and mass spectrometry. Further analysis of the interaction between CNTN4 and APP utilised knockout human cells generated via CRISPR-Cas9 gene editing. Our study newly identified reduced cortical thickness in the motor cortex of Cntn4-/- mice, but cortical cell migration and differentiation were unaffected. Significant morphological changes were observed in neurons in the M1 region of the motor cortex, indicating that CNTN4 is also involved in the morphology and spine density of neurons in the motor cortex. Furthermore, mass spectrometry analysis identified an interaction partner for CNTN4, and we confirmed an interaction between CNTN4 and APP. Knockout human cells of CNTN4 and/or APP revealed a relationship between CNTN4 and APP. This study demonstrates that CNTN4 contributes to cortical development, and that its binding and interplay with APP controls neural elongation. This is an important finding for understanding the function of APP, a target protein for Alzheimer's disease. The binding between Cntn4 and APP, which is involved in neurodevelopment, is essential for healthy nerve outgrowth.

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.

ABSTRACT Protocadherins are cell adhesion molecules with crucial role in cell-cell contacts, whose mutations or altered expression have been implicated in multiple brain disorders. In particular, growing evidence links genetic alterations in Protocadherin 9 ( PCDH9 ) gene with Autism Spectrum Disorder (ASD) and Major Depression Disorder (MDD). Furthermore, Pcdh9 deletion induces neuronal defects in the mouse somatosensory cortex, accompanied by sensorimotor and memory impairment. However, the synaptic and molecular mechanisms underlying Pcdh9 physiological function and its involvement in brain pathology remain largely unknown. To this aim, we conducted a comprehensive investigation of PCDH9 role in the mouse hippocampus at the ultrastructural, biochemical, transcriptomic, electrophysiological and network level. We show that PCDH9 mainly localizes at glutamatergic synapses and its expression peaks in the first week after birth, a crucial time window for synaptogenesis. Strikingly, Pcdh9 KO neurons exhibit oversized presynaptic terminal and postsynaptic density (PSD) in the CA1. Synapse overgrowth is sustained by the broad up-regulation of synaptic genes and the dysregulation of key drivers of synapse morphogenesis, as revealed by single-nucleus RNAseq. Synaptic and transcriptional defects are accompanied by increased EPSC frequency and disturbances in the hippocampal network activity of Pcdh9 KO mice. In conclusion, our work indicates that Pcdh9 regulates the morphology and function of excitatory synapses in the CA1, thereby affecting glutamatergic transmission in hippocampal circuitries.

Anorexia nervosa (AN) is a complex and serious eating disorder, occurring in ~1% of individuals. Despite having the highest mortality rate of any psychiatric disorder, little is known about the aetiology of AN, and few effective treatments exist. Global efforts to collect large sample sizes of individuals with AN have been highly successful, and a recent study consequently identified the first genome-wide significant locus involved in AN. This result, coupled with other recent studies and epidemiological evidence, suggest that previous characterizations of AN as a purely psychiatric disorder are over-simplified. Rather, both neurological and metabolic pathways may also be involved. In order to elucidate more of the system-specific aetiology of AN, we applied transcriptomic imputation methods to 3,495 cases and 10,982 controls, collected by the Eating Disorders Working Group of the Psychiatric Genomics Consortium (PGC-ED). Transcriptomic Imputation (TI) methods approaches use machine-learning methods to impute tissue-specific gene expression from large genotype data using curated eQTL reference panels. These offer an exciting opportunity to compare gene associations across neurological and metabolic tissues. Here, we applied CommonMind Consortium (CMC) and GTEx-derived gene expression prediction models for 13 brain tissues and 12 tissues with potential metabolic involvement (adipose, adrenal gland, 2 colon, 3 esophagus, liver, pancreas, small intestine, spleen, stomach). We identified 35 significant gene-tissue associations within the large chromosome 12 region described in the recent PGC-ED GWAS. We applied forward stepwise conditional analyses and FINEMAP to associations within this locus to identify putatively causal signals. We identified four independently associated genes; RPS26, C12orf49, SUOX, and RDH16. We also identified two further genome-wide significant gene-tissue associations, both in brain tissues; REEP5, in the dorso-lateral pre-frontal cortex (DLPFC; p=8.52x10-07), and CUL3, in the caudate basal ganglia (p=1.8x10-06). These genes are significantly enriched for associations with anthropometric phenotypes in the UK BioBank, as well as multiple psychiatric, addiction, and appetite/satiety pathways. Our results support a model of AN risk influenced by both metabolic and psychiatric factors.

Abstract The mouse is widely used as an experimental model to study visual processing. To probe how the visual system detects changes in the environment, functional paradigms in freely behaving mice are strongly needed. We developed and validated the first EEG-based method to investigate visual deviance detection in freely behaving mice. Mice with EEG implants were exposed to a visual deviant detection paradigm that involved changes in light intensity as standard and deviant stimuli. By subtracting the standard from the deviant evoked waveform, deviant detection was evident as bi-phasic negativity (starting around 70 ms) in the difference waveform. Additionally, deviance-associated evoked (beta/gamma) and induced (gamma) oscillatory responses were found. We showed that the results were stimulus-independent by applying a “flip-flop” design and the results showed good repeatability in an independent measurement. Together, we put forward a validated, easy-to-use paradigm to measure visual deviance processing in freely behaving mice.

Passive smartphone measures hold significant potential and are increasingly employed in psychological and biomedical research to capture an individual's behavior. These measures involve the near-continuous and unobtrusive collection of data from smartphones without requiring active input from participants. For example, GPS sensors are used to determine the (social) context of a person, and accelerometers to measure movement. However, utilizing passive smartphone measures presents methodological challenges during data collection and analysis. Researchers must make multiple decisions when working with such measures, which can result in different conclusions. Unfortunately, the transparency of these decision-making processes is often lacking. The implementation of open science practices is only beginning to emerge in digital phenotyping studies and varies widely across studies. Well-intentioned researchers may fail to report on some decisions due to the variety of choices that must be made. To address this issue and enhance reproducibility in digital phenotyping studies, we propose the adoption of preregistration as a way forward. Although there have been some attempts to preregister digital phenotyping studies, a template for registering such studies is currently missing. This could be problematic due to the high level of complexity that requires a well-structured template. Therefore, our objective was to develop a preregistration template that is easy to use and understandable for researchers. Additionally, we explain this template and provide resources to assist researchers in making informed decisions regarding data collection, cleaning, and analysis. Overall, we aim to make researchers' choices explicit, enhance transparency, and elevate the standards for studies utilizing passive smartphone measures.