Intelligence is highly heritable1 and a major determinant of human health and well-being2. Recent genome-wide meta-analyses have identified 24 genomic loci linked to variation in intelligence3-7, but much about its genetic underpinnings remains to be discovered. Here, we present a large-scale genetic association study of intelligence (n = 269,867), identifying 205 associated genomic loci (190 new) and 1,016 genes (939 new) via positional mapping, expression quantitative trait locus (eQTL) mapping, chromatin interaction mapping, and gene-based association analysis. We find enrichment of genetic effects in conserved and coding regions and associations with 146 nonsynonymous exonic variants. Associated genes are strongly expressed in the brain, specifically in striatal medium spiny neurons and hippocampal pyramidal neurons. Gene set analyses implicate pathways related to nervous system development and synaptic structure. We confirm previous strong genetic correlations with multiple health-related outcomes, and Mendelian randomization analysis results suggest protective effects of intelligence for Alzheimer's disease and ADHD and bidirectional causation with pleiotropic effects for schizophrenia. These results are a major step forward in understanding the neurobiology of cognitive function as well as genetically related neurological and psychiatric disorders.

Abstract Epigenetic clocks can track both chronological age (cAge) and biological age (bAge). The latter is typically defined by physiological biomarkers and risk of adverse health outcomes, including all-cause mortality. As cohort sample sizes increase, estimates of cAge and bAge become more precise. Here, we aim to refine predictors and improve understanding of the epigenomic architecture of cAge and bAge. First, we perform large-scale (N = 18,413) epigenome-wide association studies (EWAS) of chronological age and all-cause mortality. Next, to improve cAge prediction, we use methylation data from 24,673 participants from the Generation Scotland (GS) study, the Lothian Birth Cohorts (LBC) of 1921 and 1936 and 8 publicly available datasets. Through the inclusion of linear and non-linear age-CpG associations from the EWAS, feature pre-selection/dimensionality reduction in advance of elastic net regression, and a leave-one-cohort-out (LOCO) cross validation framework, we arrive at an improved cAge predictor (median absolute error = 2.3 years across 10 cohorts). In addition, we train a predictor of bAge on 1,214 all-cause mortality events in GS, based on epigenetic surrogates for 109 plasma proteins and the 8 component parts of GrimAge, the current best epigenetic predictor of all-cause mortality. We test this predictor in four external cohorts (LBC1921, LBC1936, the Framingham Heart Study and the Women’s Health Initiative study) where it outperforms GrimAge in its association to survival (HR GrimAge = 1.47 [1.40, 1.54] with p = 1.08 × 10 −52 , and HR bAge = 1.52 [1.44, 1.59] with p = 2.20 × 10 −60 ). Finally, we introduce MethylBrowsR, an online tool to visualize epigenome-wide CpG-age associations.

Abstract The Trail Making Test is a widely used test of executive function and has been thought to be strongly associated with general cognitive function. We examined the genetic architecture of the trail making test and its shared genetic aetiology with other tests of cognitive function in 23 821 participants from UK Biobank. The SNP-based heritability estimates for trail-making measures were 7.9 % (part A), 22.4 % (part B), and 17.6 % (part B – part A). Significant genetic correlations were identified between trail-making measures and verbal-numerical reasoning (r g > 0.6), general cognitive function (r g > 0.6), processing speed (r g > 0.7), and memory (r g > 0.3). Polygenic profile analysis indicated considerable shared genetic aetiology between trail making, general cognitive function, processing speed, and memory (standardized β between 0.03 and 0.08). These results suggest that trail making is both phenotypically and genetically strongly associated with general cognitive function and processing speed.

Intelligence is highly heritable and a major determinant of human health and well-being. Recent genome-wide meta-analyses have identified 24 genomic loci linked to intelligence, but much about its genetic underpinnings remains to be discovered. Here, we present the largest genetic association study of intelligence to date (N=279,930), identifying 206 genomic loci (191 novel) and implicating 1,041 genes (963 novel) via positional mapping, expression quantitative trait locus (eQTL) mapping, chromatin interaction mapping, and gene-based association analysis. We find enrichment of genetic effects in conserved and coding regions and identify 89 nonsynonymous exonic variants. Associated genes are strongly expressed in the brain and specifically in striatal medium spiny neurons and cortical and hippocampal pyramidal neurons. Gene-set analyses implicate pathways related to neurogenesis, neuron differentiation and synaptic structure. We confirm previous strong genetic correlations with several neuropsychiatric disorders, and Mendelian Randomization results suggest protective effects of intelligence for Alzheimer's dementia and ADHD, and bidirectional causation with strong pleiotropy for schizophrenia. These results are a major step forward in understanding the neurobiology of intelligence as well as genetically associated neuropsychiatric traits.

Aims: Several factors are known to increase risk for cerebrovascular disease and dementia, but there is limited evidence on associations between multiple vascular risk factors (VRFs) and detailed aspects of brain macro- and microstructure in large community-dwelling populations across middle- and older age. Methods and Results: Associations between VRFs (smoking, hypertension, pulse pressure, diabetes, hypercholersterolaemia, BMI, and waist-hip ratio) and both global and regional brain structural and diffusion MRI markers were examined in UK Biobank (N = 9722, age range 44-77 years). A larger number of VRFs was associated with greater brain atrophy, lower grey matter volume, and poorer white matter health. Effect sizes were small (brain structural R2 ≤ 1.8%). Higher aggregate vascular risk was related to multiple regional MRI hallmarks associated with dementia risk: lower frontal and temporal cortical volumes, lower subcortical volumes, higher white matter hyperintensity volumes, and poorer white matter microstructure in association and thalamic pathways. Smoking pack years, hypertension and diabetes showed the most consistent associations across all brain measures. Hypercholesterolaemia was not uniquely associated with any MRI marker. Conclusion: Higher levels of VRFs were associated with poorer brain health across grey and white matter macro- and microstructure. Effects are mainly additive, converging upon frontal and temporal cortex, subcortical structures, and specific classes of white matter fibres. Though effect sizes were small, these results emphasise the vulnerability of brain health to vascular factors even in relatively healthy middle and older age, and the potential to partly ameliorate cognitive decline by addressing these malleable risk factors.

General cognitive function is a prominent human trait associated with many important life outcomes including longevity. The substantial heritability of general cognitive function is known to be polygenic, but it has had little explication in terms of the contributing genetic variants. Here, we combined cognitive and genetic data from the CHARGE and COGENT consortia, and UK Biobank (total N=280,360; age range = 16 to 102). We found 9,714 genome-wide significant SNPs (P<5 x 10-8) in 99 independent loci. Most showed clear evidence of functional importance. Among many novel genes associated with general cognitive function were SGCZ, ATXN1, MAPT, AUTS2, and P2RY6. Within the novel genetic loci were variants associated with neurodegenerative disorders, neurodevelopmental disorders, physical and psychiatric illnesses, brain structure, and BMI. Gene-based analyses found 536 genes significantly associated with general cognitive function; many were highly expressed in the brain, and associated with neurogenesis and dendrite gene sets. Genetic association results predicted up to 4% of general cognitive function variance in independent samples. There was significant genetic overlap between general cognitive function and information processing speed, as well as many health variables including longevity.

High blood pressure is the foremost heritable global risk factor for cardiovascular disease. We report the largest genetic association study of blood pressure traits to date (systolic, diastolic, pulse pressure) in over one million people of European ancestry. We identify 535 novel blood pressure loci that not only offer new biological insights into blood pressure regulation but also reveal shared loci influencing lifestyle exposures. Our findings offer the potential for a precision medicine strategy for future cardiovascular disease prevention.

Abstract Background Poorer self-rated health (SRH) predicts worse health outcomes, even when adjusted for objective measures of disease at time of rating. Twin studies indicate SRH has a heritability of up to 60% and that its genetic architecture may overlap with that of personality and cognition. Methods We carried out a genome-wide association study (GWAS) of SRH on 111 749 members of the UK Biobank sample. Univariate genome-wide complex trait analysis (GCTA)-GREML analyses were used to estimate the proportion of variance explained by all common autosomal SNPs for SRH. Linkage Disequilibrium (LD) score regression and polygenic risk scoring, two complementary methods, were used to investigate pleiotropy between SRH in UK Biobank and up to 21 health-related and personality and cognitive traits from published GWAS consortia. Results The GWAS identified 13 independent signals associated with SRH, including several in regions previously associated with diseases or disease-related traits. The strongest signal was on chromosome 2 (rs2360675, p = 1.77x10-10) close to KLF7, which has previously been associated with obesity and type 2 diabetes. A second strong peak was identified on chromosome 6 in the major histocompatibility region (rs76380179, p = 6.15x10-10). The proportion of variance in SRH that was explained by all common genetic variants was 13%. Polygenic scores for the following traits and disorders were associated with SRH: cognitive ability, education, neuroticism, BMI, longevity, ADHD, major depressive disorder, schizophrenia, lung function, blood pressure, coronary artery disease, large vessel disease stroke, and type 2 diabetes. Conclusions Individual differences in how people respond to a single item on SRH are partly explained by their genetic propensity to many common psychiatric and physical disorders and psychological traits.

The causes of the known associations between poorer cognitive function and many adverse neuropsychiatric outcomes, poorer physical health, and earlier death remain unknown. We used linkage disequilibrium regression and polygenic profile scoring to test for shared genetic aetiology between cognitive functions and neuropsychiatric disorders and physical health. Using information provided by many published genome-wide association study consortia, we created polygenic profile scores for 24 vascular-metabolic, neuropsychiatric, physiological-anthropometric, and cognitive traits in the participants of UK Biobank, a very large population-based sample (N = 112 151). Pleiotropy between cognitive and health traits was quantified by deriving genetic correlations using summary genome-wide association study statistics applied to the method of linkage disequilibrium regression. Substantial and significant genetic correlations were observed between cognitive test scores in the UK Biobank sample and many of the mental and physical health-related traits and disorders assessed here. In addition, highly significant associations were observed between the cognitive test scores in the UK Biobank sample and many polygenic profile scores, including coronary artery disease, stroke, Alzheimer's disease, schizophrenia, autism, major depressive disorder, BMI, intracranial volume, infant head circumference, and childhood cognitive ability. Where disease diagnosis was available for UK Biobank participants we were able to show that these results were not confounded by those who had the relevant disease. These findings indicate that a substantial level of pleiotropy exists between cognitive abilities and many human mental and physical health disorders and traits and that it can be used to predict phenotypic variance across samples.

Whole-brain structural networks can be constructed using diffusion MRI and probabilistic tractography. However, measurement noise and the probabilistic nature of the tracking procedure result in an unknown proportion of spurious white matter connections. Faithful disentanglement of spurious and genuine connections is hindered by a lack of comprehensive anatomical information at the network-level. Therefore, network thresholding methods are widely used to remove ostensibly false connections, but it is not yet clear how different thresholding strategies affect basic network properties and their associations with meaningful demographic variables, such as age. In a sample of 3,153 generally healthy volunteers from the UK Biobank Imaging Study (aged 44-77 years), we constructed 85 x 85 node whole-brain structural networks and applied two principled network thresholding approaches (consistency and proportional thresholding). These were applied over a broad range of threshold levels across six alternative network weightings (streamline count, fractional anisotropy, mean diffusivity and three novel weightings from neurite orientation dispersion and density imaging) and for four common network measures (mean edge weight, characteristic path length, network efficiency and network clustering coefficient). We compared network measures against age associations and found that the most commonly-used level of proportional-thresholding from the literature (retaining 68.7% of all possible connections) yielded significantly weaker age-associations (0.070 ≤ |β| ≤ 0.406) than the consistency-based approach which retained only 30% of connections (0.140 ≤ |β| ≤ 0.409). However, we determined that the stringency of the threshold was a stronger determinant of the network-age association than the choice of threshold method and the two thresholding approaches identified a highly overlapping set of connections (ICC = 0.84) when matched at a plausible level of network sparsity (70%). Generally, more stringent thresholding resulted in more age-sensitive network measures in five of the six network weightings, except at the highest levels of sparsity (>90%), where crucial connections were then removed. At two commonly-used threshold levels, the age-associations of the connections that were discarded (mean β ≤ |0.068|) were significantly smaller in magnitude than the corresponding age-associations of the connections that were retained (mean β ≤ |0.219|, p < 0.001, uncorrected). Given histological evidence of widespread degeneration of structural brain connectivity with increasing age, these results indicate that stringent thresholding methods may be most accurate in identifying true white matter connections.