The highly complex structure of the human brain is strongly shaped by genetic influences. Subcortical brain regions form circuits with cortical areas to coordinate movement, learning, memory and motivation, and altered circuits can lead to abnormal behaviour and disease. To investigate how common genetic variants affect the structure of these brain regions, here we conduct genome-wide association studies of the volumes of seven subcortical regions and the intracranial volume derived from magnetic resonance images of 30,717 individuals from 50 cohorts. We identify five novel genetic variants influencing the volumes of the putamen and caudate nucleus. We also find stronger evidence for three loci with previously established influences on hippocampal volume and intracranial volume. These variants show specific volumetric effects on brain structures rather than global effects across structures. The strongest effects were found for the putamen, where a novel intergenic locus with replicable influence on volume (rs945270; P = 1.08 × 10(-33); 0.52% variance explained) showed evidence of altering the expression of the KTN1 gene in both brain and blood tissue. Variants influencing putamen volume clustered near developmental genes that regulate apoptosis, axon guidance and vesicle transport. Identification of these genetic variants provides insight into the causes of variability in human brain development, and may help to determine mechanisms of neuropsychiatric dysfunction.

In a GWAS study of 32,438 adults, the authors discovered five novel loci for intracranial volume and confirmed two known signals. Variants for intracranial volume were also related to childhood and adult cognitive function and to Parkinson's disease, and enriched near genes involved in growth pathways, including PI3K-AKT signaling. Intracranial volume reflects the maximally attained brain size during development, and remains stable with loss of tissue in late life. It is highly heritable, but the underlying genes remain largely undetermined. In a genome-wide association study of 32,438 adults, we discovered five previously unknown loci for intracranial volume and confirmed two known signals. Four of the loci were also associated with adult human stature, but these remained associated with intracranial volume after adjusting for height. We found a high genetic correlation with child head circumference (ρgenetic = 0.748), which indicates a similar genetic background and allowed us to identify four additional loci through meta-analysis (Ncombined = 37,345). Variants for intracranial volume were also related to childhood and adult cognitive function, and Parkinson's disease, and were enriched near genes involved in growth pathways, including PI3K-AKT signaling. These findings identify the biological underpinnings of intracranial volume and their link to physiological and pathological traits.

Subcortical brain structures are integral to motion, consciousness, emotions and learning. We identified common genetic variation related to the volumes of the nucleus accumbens, amygdala, brainstem, caudate nucleus, globus pallidus, putamen and thalamus, using genome-wide association analyses in almost 40,000 individuals from CHARGE, ENIGMA and UK Biobank. We show that variability in subcortical volumes is heritable, and identify 48 significantly associated loci (40 novel at the time of analysis). Annotation of these loci by utilizing gene expression, methylation and neuropathological data identified 199 genes putatively implicated in neurodevelopment, synaptic signaling, axonal transport, apoptosis, inflammation/infection and susceptibility to neurological disorders. This set of genes is significantly enriched for Drosophila orthologs associated with neurodevelopmental phenotypes, suggesting evolutionarily conserved mechanisms. Our findings uncover novel biology and potential drug targets underlying brain development and disease. Genome-wide analysis identifies variants associated with the volume of seven different subcortical brain regions defined by magnetic resonance imaging. Implicated genes are involved in neurodevelopmental and synaptic signaling pathways.

Abstract Chronic pain (CP) is a leading cause of disability worldwide with complex aetiologies that remain elusive. Here we addressed this issue by performing a GWAS on a large UK Biobank sample (N=188,352 cases & N=69,627 controls) which identified two independent loci associated with CP near ADAMTS6 and LEMD2 . Gene-based tests revealed additional CP-associated genes ( DCAKD, NMT1, MLN, IP6K3 ). Across 1328 complex traits, 548 (41%) were genetically correlated with CP, of which 175 (13%) showed genetic causal relationships using the latent causal variable approach and Mendelian randomization. In particular, major depressive disorder, anxiety, smoking, body fat & BMI were found to increase the risk of CP, whereas diet, walking for pleasure & higher educational attainment were associated with a reduced risk (i.e., protective effect). This data-driven hypothesis-free approach has uncovered several specific risk factors that warrant further examination in longitudinal trials to help deliver effective early screening & management strategies for CP.

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.

Objective: Over 90% of suicide attempters have a psychiatric diagnosis, however twin and family studies suggest that the genetic etiology of suicide attempt (SA) is partially distinct from that of the psychiatric disorders themselves. Here, we present the largest genome-wide association study (GWAS) on suicide attempt using major depressive disorder (MDD), bipolar disorder (BIP) and schizophrenia (SCZ) cohorts from the Psychiatric Genomics Consortium. Method: Samples comprise 1622 suicide attempters and 8786 non-attempters with MDD, 3264 attempters and 5500 non-attempters with BIP and 1683 attempters and 2946 non-attempters with SCZ. SA GWAS were performed comparing attempters to non-attempters in each disorder followed by meta-analysis across disorders. Polygenic risk scoring investigated the genetic relationship between SA and the psychiatric disorders. Results: Three genome-wide significant loci for SA were found: one associated with SA in MDD, one in BIP, and one in the meta-analysis of SA in mood disorders. These associations were not replicated in independent mood disorder cohorts from the UK Biobank and iPSYCH. Polygenic risk scores for major depression were significantly associated with SA in MDD (P=0.0002), BIP (P=0.0006) and SCZ (P=0.0006). Conclusions: This study provides new information on genetic associations and the genetic etiology of SA across psychiatric disorders. The finding that polygenic risk scores for major depression predict suicide attempt across disorders provide a possible starting point for predictive modelling and preventative strategies. Further collaborative efforts to increase sample size hold potential to robustly identify genetic associations and gain biological insights into the etiology of suicide attempt.

Objective To introduce MexOMICS, a Mexican Consortium focused on establishing electronic databases to collect, cross-reference, and share health-related and omics data on the Mexican population. Methods Since 2019, the MexOMICS Consortium has established three electronic-based registries: the Mexican Twin Registry (TwinsMX), Mexican Lupus Registry (LupusRGMX), and the Mexican Parkinson's Research Network (MEX-PD), designed and implemented using the Research Electronic Data Capture web-based application. Participants were enrolled through voluntary participation and on-site engagement with medical specialists. We also acquired DNA samples and Magnetic Resonance Imaging scans in subsets of participants. Results The registries have successfully enrolled a large number of participants from a variety of regions within Mexico: TwinsMX ( n = 2,915), LupusRGMX ( n = 1,761) and MEX-PD ( n = 750). In addition to sociodemographic, psychosocial, and clinical data, MexOMICS has collected DNA samples to study the genetic biomarkers across the three registries. Cognitive function has been assessed with the Montreal Cognitive Assessment in a subset of 376 MEX-PD participants. Furthermore, a subset of 267 twins have participated in cognitive evaluations with the Creyos platform and in MRI sessions acquiring structural, functional, and spectroscopy brain imaging; comparable evaluations are planned for LupusRGMX and MEX-PD. Conclusions The MexOMICS registries offer a valuable repository of information concerning the potential interplay of genetic and environmental factors in health conditions among the Mexican population.

Subcortical brain structures are integral to motion, consciousness, emotions, and learning. We identified common genetic variation related to the volumes of nucleus accumbens, amygdala, brainstem, caudate nucleus, globus pallidus, putamen, and thalamus, using genome-wide association analyses in over 40,000 individuals from CHARGE, ENIGMA and the UK-Biobank. We show that variability in subcortical volumes is heritable, and identify 25 significantly associated loci (20 novel). Annotation of these loci utilizing gene expression, methylation, and neuropathological data identified 62 candidate genes implicated in neurodevelopment, synaptic signaling, axonal transport, apoptosis, and susceptibility to neurological disorders. This set of genes is significantly enriched for Drosophila orthologs associated with neurodevelopmental phenotypes, suggesting evolutionarily conserved mechanisms. Our findings uncover novel biology and potential drug targets underlying brain development and disease.

Background Hypothesis-free Mendelian randomization studies provide a way to assess the causal relevance of a trait across the human phenome but can be limited by statistical power or complicated by horizontal pleiotropy. The recently described latent causal variable (LCV) approach provides an alternative method for causal inference which might be useful in hypothesis-free experiments.Methods We developed an automated pipeline for phenome-wide tests using the LCV approach including steps to estimate partial genetic causality, filter to a meaningful set of estimates, apply correction for multiple testing and then present the findings in a graphical summary termed a causal architecture plot. We apply this process to body mass index and lipid traits as exemplars of traits where there is strong prior expectation for causal effects and dental caries and periodontitis as exemplars of traits where there is a need for causal inference.Results The results for lipids and BMI suggest that these traits are best viewed as creating consequences on a multitude of traits and conditions, thus providing additional evidence that supports viewing these traits as targets for interventions to improve health. On the other hand, caries and periodontitis are best viewed as a downstream consequence of other traits and diseases rather than a cause of ill health.Conclusions The automated process is available as part of the MASSIVE pipeline from the Complex-Traits Genetics Virtual Lab ( ) and results are available in ( ). We propose causal architecture plots based on phenome-wide partial genetic causality estimates as a way visualizing the overall causal map of the human phenome.Key messages 1. The latent causal variable approach uses summary statistics from genome-wide association studies to estimate a parameter termed genetic causality proportion .2. Systematic estimation of genetic causality proportion for many pairs of traits provides an alternative method for phenome-wide causal inference with some theoretical and practical advantages compared to phenome-wide Mendelian randomization.3. Using this approach, we confirm that lipid traits are an upstream risk factor for other traits and diseases, and we identify that dental diseases are predominantly a downstream consequence of other traits rather than a cause of poor systemic health.4. The method assumes no bidirectional causality and no confounding by environmental correlates of genotypes, so care is needed when these assumptions are not met.5. We developed an automated and accessible pipeline for estimating phenome-wide causal relationships and generating interactive visual summaries.

Abstract Study objective Previous neuroimaging studies have highlighted differences in white matter microstructure among individuals with different chronotypes, but it is unclear whether those differences are due to genetic or environmental factors. Methods Here we leverage summary statistics from recent large-scale genome-wide association studies (GWAS) of chronotype and diffusion tensor imaging (DTI) measures to examine the genetic overlap and infer causal relationships between these traits. Results We identified 29 significant pairwise genetic correlations, of which 13 also had evidence for a causal association. Negative genetic correlations were identified between chronotype and brain-wide mean, axial and radial diffusivities. When exploring individual tracts, ten negative genetic correlations were observed with mean diffusivities, 10 with axial diffusivities, 4 with radial diffusivities and 2 with mode of anisotropy. We found evidence for a possible causal association of chronotype with white matter microstructure in individual tracts including the posterior limb and retrolenticular part of the internal capsule; the genu and splenium of the corpus callosum and the posterior, superior and anterior regions of the corona radiata. Conclusions Our results suggest that eveningness is associated with variation in tract-specific white matter microstructure and, for an evening person, increases in axial and / or radial diffusivities may influence a higher mean diffusivity. These findings add to our understanding of circadian preference and its relationship with the brain, providing new perspectives on the genetic neurological underpinnings of chronotype’s role in health and disease. Statement of Significance Sleep is essential for a healthy brain function, particularly for neural organization and brain structure development. Individual chronotype differences have been associated with depression, schizophrenia, diabetes and obesity, among other conditions. Investigating the shared genetic aetiology between chronotype and white matter microstructure is essential to understand the neurological basis of individual variation in chronotype. In the present study, we show that tract-specific white matter microstructure is genetically correlated and causally associated with chronotype.