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 genome-wide association study 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 = 9.8 × 10–13) and African ancestries (rs2066702; P = 2.2 × 10–9). Significant genetic correlations were observed with 17 phenotypes, including schizophrenia, attention deficit–hyperactivity disorder, depression, and use of cigarettes and cannabis. The genetic underpinnings of AD only partially overlap with those for alcohol consumption, underscoring the genetic distinction between pathological and nonpathological drinking behaviors. Different functional variants in ADH1B (and elsewhere) in Europeans and Africans strongly affect risk for alcohol dependence. Dependence only partly genetically correlates with consumption, with strong correlations to other psychiatric disorders.

Abstract Alcohol consumption level and alcohol use disorder (AUD) diagnosis are moderately heritable traits. We conduct genome-wide association studies of these traits using longitudinal Alcohol Use Disorder Identification Test-Consumption (AUDIT-C) scores and AUD diagnoses in a multi-ancestry Million Veteran Program sample ( N = 274,424). We identify 18 genome-wide significant loci: 5 associated with both traits, 8 associated with AUDIT-C only, and 5 associated with AUD diagnosis only. Polygenic Risk Scores (PRS) for both traits are associated with alcohol-related disorders in two independent samples. Although a significant genetic correlation reflects the overlap between the traits, genetic correlations for 188 non-alcohol-related traits differ significantly for the two traits, as do the phenotypes associated with the traits’ PRS. Cell type group partitioning heritability enrichment analyses also differentiate the two traits. We conclude that, although heavy drinking is a key risk factor for AUD, it is not a sufficient cause of the disorder.

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.

One of the justifiable criticisms of human genetic studies is the underrepresentation of participants from diverse populations. Lack of inclusion must be addressed at-scale to identify causal disease factors and understand the genetic causes of health disparities. We present genome-wide associations for 2068 traits from 635,969 participants in the Department of Veterans Affairs Million Veteran Program, a longitudinal study of diverse United States Veterans. Systematic analysis revealed 13,672 genomic risk loci; 1608 were only significant after including non-European populations. Fine-mapping identified causal variants at 6318 signals across 613 traits. One-third ( n = 2069) were identified in participants from non-European populations. This reveals a broadly similar genetic architecture across populations, highlights genetic insights gained from underrepresented groups, and presents an extensive atlas of genetic associations.

Abstract Evidence of how human evolution shaped the polygenicity of human traits and diseases has been extensively studied in populations of European descent. However, limited information is currently available about its impact on other ancestry groups. Here, we investigated how different evolutionary processes affected the common variant heritability of traits and diseases in East Asians. Leveraging genome-wide association statistics from the Biobank Japan (up to 158,284 participants), we assessed natural selection (negative and positive), archaic introgression from Neanderthal and Denisova, and several genomic functional categories with respect to the heritability of physiological and pathological conditions. Similar to reports in European descent populations, the heritability estimates for East Asian traits were ubiquitously enriched for negative selection annotations (false discovery rate, FDR q<0.05). Enrichment of Denisovan introgression was identified in coronary artery disease (1.69-fold enrichment, p=0.003). We followed up these enrichments by conducting a phenome-wide association study (PheWAS) of Denisovan and Neanderthal alleles in participants of six ancestral backgrounds from the UK Biobank. In East Asians, Denisovan-inherited alleles were associated with 22 phenotypes, including metabolic, immunological, cardiovascular, endocrine, and dermatological traits. The strongest association was observed for the Denisovan-inherited locus rs59185462 with rheumatoid arthritis (beta=0.82, p=1.91×10 −105 ). In summary, our study provides the first evidence regarding the impact of evolutionary processes on the genetics of complex traits in worldwide populations, highlighting the specific contribution of Denisovan introgression in East Asian populations.

Abstract The Million Veteran Program (MVP) participants represent 100 years of US history, including significant social and demographic change over time. Our study assessed two aspects of the MVP: (i) longitudinal changes in population diversity and (ii) how these changes can be accounted for in genome-wide association studies (GWAS). The MVP was divided into five birth cohorts (N-range=123,888 [born from 1943-1947] to 136,699 [born from 1948-1953]). Groups of participants were defined by (i) HARE (harmonized ancestry and race/ethnicity) and (ii) a random-forest clustering approach using the 1000 Genomes Project and the Human Genome Diversity Project (1kGP+HGDP) reference panels (77 world populations representing six continental groups). In these groups, we performed GWASs of height, a trait potentially affected by population stratification. Birth cohorts demonstrate important trends in ancestry diversity over time. More recent HARE-assigned Europeans, Africans, and Hispanics had lower European ancestry proportions than older birth cohorts (0.010<Cohen’s d<0.259, p<7.80×10 −4 ). Conversely, HARE-assigned East Asians showed an increase in European ancestry proportion over time. In GWAS of height using HARE assignments, genomic inflation due to population stratification was prevalent across all birth cohorts (linkage disequilibrium score regression intercept=1.08±0.042). The 1kGP+HGDP-based ancestry assignment significantly reduced the population stratification (mean intercept reduction=0.045±0.007, p<0.05) confounding in the GWAS statistics. This study provides a comprehensive characterization of ancestry diversity of the MVP cohort over time and highlights that more refined modeling of genetic diversity (e.g., the 1kGP+HGDP-based ancestry assignment) can more accurately capture the polygenic architecture of traits and diseases that could be affected by population stratification.

Abstract Most genome-wide association studies (GWAS) of major depression (MD) have been conducted in samples of European ancestry. Here we report a multi-ancestry GWAS of MD, adding data from 21 studies with 88,316 MD cases and 902,757 controls to previously reported data from individuals of European ancestry. This includes samples of African (36% of effective sample size), East Asian (26%) and South Asian (6%) ancestry and Hispanic/Latinx participants (32%). The multi-ancestry GWAS identified 190 significantly associated loci, 53 of them novel. For previously reported loci from GWAS in European ancestry the power-adjusted transferability ratio was 0.6 in the Hispanic/Latinx group and 0.3 in each of the other groups. Fine-mapping benefited from additional sample diversity: the number of credible sets with ≤5 variants increased from 3 to 12. A transcriptome-wide association study identified 354 significantly associated genes, 205 of them novel. Mendelian Randomisation showed a bidirectional relationship with BMI exclusively in samples of European ancestry. This first multi-ancestry GWAS of MD demonstrates the importance of large diverse samples for the identification of target genes and putative mechanisms.

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 We hypothesized that overall autozygosity is decreasing over generational time. In this report, we present data that partially support this hypothesis from three large cohorts of diverse ancestries, two from the US (All of Us and the Million Veteran Program, N=82,474 and 622,497, respectively) and one from the UK (UK Biobank, N=380,899). Our results from a mixed-effect meta-analysis demonstrate an overall trend of decreasing autozygosity over generational time (meta-analyzed slope=-0.029, se=0.009, p=6.03e-4). Using a chi-square difference test, we determined that a model including an ancestry-by-country interaction term fit the data best, indicating that ancestry differences in this trend differ by country. We found further evidence to suggest a difference between the US and UK cohorts by meta-analyzing within country, observing a significant negative estimate in the US cohorts (meta-analyzed slope=-0.058, se=0.015, p=1.50e-4) but a non-significant estimate in the UK (meta-analyzed slope=-0.001, se=0.008, p=0.945). We also found that the association between autozygosity and year of birth in the overall meta-analysis was substantially attenuated when accounting for educational attainment and income (meta-analyzed slope=-0.011, se=0.008, p=0.167), suggesting that increases in education and income may partially account for decreasing levels of autozygosity over time. To our knowledge, this is the largest demonstration of decreasing autozygosity over time in a modern sample (birth years 1904-2003), and we speculate that this trend can be attributed to increases in population size, urbanization and panmixia, with differences in demographic and sociocultural processes leading to country-specific differences in the rate of decline.

Abstract Objectives To investigate the genetic overlap and causal relationship between posttraumatic stress disorder (PTSD) and traits related to educational attainment. Design Genetic correlation, polygenic risk scoring, and causal inference via multivariable Mendelian randomization (MR). Setting Psychiatric Genomics Consortium for PTSD, UK Biobank, 23andMe, and Social Science Genetic Association Consortium. Participants 23,185 PTSD cases and 151,309 controls; up to 1,131,881 individuals assessed for educational attainment and related traits. Main outcome measures Genetic correlation obtained from linkage disequilibrium score regression, phenotypic variance explained by polygenic risk scores, and casual effects (beta values) estimated with MR Results PTSD showed strong negative genetic correlations with educational attainment (EdAtt; r g =−0.26, p=4.6×10 −8 ). PRS based on genome-wide significant variants associated with EdAtt significantly predicted PTSD (p=6.16×10 −4 ), but PRS based on variants associated with PTSD did not predict EdAtt (p>0.05). MR analysis indicated that EdAtt has negative causal effects on PTSD (beta=−0.23, p=0.004). Investigating potential mediators of the EdAtt-PTSD relationship, we observed that propensity for trauma exposure and risk-taking behaviors are risk factors for PTSD independently from EdAtt (beta = 0.36, p = 2.57×10 −5 and beta = 0.76, p = 6.75×10 −4 , respectively), while income fully mediates the causal effect of EdAtt on PSTD (MR: Income – beta = −0.18, p =0.001; EdAtt – beta =−0.23, p=0.004; multivariable MR: Income – beta = −0.32, p = 0.017; EdAtt – beta = −0.04, p = 0.786). Conclusions We report novel findings based on large-scale datasets regarding the relationship between educational attainment and PTSD, supporting the role of economic status as the key mediator in the causal relationship observed. What is already known on this topic There is a well-established negative association of educational attainment and other traits related to cognitive ability with posttraumatic stress disorders (PTSD). However, the findings of these previous studies support various possible causal explanations: 1) individuals with high educational attainment are more resilient with respect to developing PTSD, 2) PTSD negatively impacts cognitive ability, or 3) PTSD and educational attainment share some underlying determinants, including relevant molecular mechanisms. A key obstacle to disentangling the complex association between educational attainment and PTSD is reverse causation, i.e. the situation in which the outcome precedes and causes the exposure instead of the other way around. What this study adds We conducted a causal-inference investigation based on large-scale information from the investigation of more than one million individuals. Our main assumption is that genetic information can strongly minimize the bias of reverse causation, because genetic variants are determined at conception and do not change throughout life. Our findings indicate 1) the effect of traits related to educational attainment on PTSD, 2) no reverse effect of PTSD on educational attainment, and 3) economic status mediates the relationship between educational attainment and PTSD, independently from the brain mechanisms related to educational attainment.