Stig Bojesen, Georgia Chenevix-Trench, Alison Dunning and colleagues report common variants at the TERT-CLPTM1L locus associated with mean telomere length measured in whole blood. They also identify associations at this locus to breast or ovarian cancer susceptibility and report functional studies in breast and ovarian cancer tissue and cell lines. TERT-locus SNPs and leukocyte telomere measures are reportedly associated with risks of multiple cancers. Using the Illumina custom genotyping array iCOGs, we analyzed ∼480 SNPs at the TERT locus in breast (n = 103,991), ovarian (n = 39,774) and BRCA1 mutation carrier (n = 11,705) cancer cases and controls. Leukocyte telomere measurements were also available for 53,724 participants. Most associations cluster into three independent peaks. The minor allele at the peak 1 SNP rs2736108 associates with longer telomeres (P = 5.8 × 10−7), lower risks for estrogen receptor (ER)-negative (P = 1.0 × 10−8) and BRCA1 mutation carrier (P = 1.1 × 10−5) breast cancers and altered promoter assay signal. The minor allele at the peak 2 SNP rs7705526 associates with longer telomeres (P = 2.3 × 10−14), higher risk of low-malignant-potential ovarian cancer (P = 1.3 × 10−15) and greater promoter activity. The minor alleles at the peak 3 SNPs rs10069690 and rs2242652 increase ER-negative (P = 1.2 × 10−12) and BRCA1 mutation carrier (P = 1.6 × 10−14) breast and invasive ovarian (P = 1.3 × 10−11) cancer risks but not via altered telomere length. The cancer risk alleles of rs2242652 and rs10069690, respectively, increase silencing and generate a truncated TERT splice variant.

// Juliet D. French 1,* , Sharon E. Johnatty 1,* , Yi Lu 1,* , Jonathan Beesley 1 , Bo Gao 2 , Murugan Kalimutho 1 , Michelle J. Henderson 3 , Amanda J. Russell 3 , Siddhartha Kar 4 , Xiaoqing Chen 1 , Kristine M. Hillman 1 , Susanne Kaufmann 1 , Haran Sivakumaran 1 , Martin O'Reilly 5 , Chen Wang 6 , Darren J. Korbie 7 , Australian Ovarian Cancer Study Group 1,2,8 , Australian Cancer Study 1 , Diether Lambrechts 9,10 , Evelyn Despierre 10 , Els Van Nieuwenhuysen 10 , Sandrina Lambrechts 10 , Ignace Vergote 10 , Beth Karlan 11 , Jenny Lester 11 , Sandra Orsulic 11 , Christine Walsh 11 , Peter A. Fasching 12,13 , Matthias W. Beckmann 12 , Arif B. Ekici 42 , Alexander Hein 12 , Keitaro Matsuo 14 , Satoyo Hosono 14 , Jacobus Pisterer 15 , Peter Hillemanns 16 , Toru Nakanishi 17 , Yasushi Yatabe 18 , Marc T. Goodman 19 , Galina Lurie 20 , Rayna K. Matsuno 20 , Pamela J. Thompson 19 , Tanja Pejovic 21 , Yukie Bean 21 , Florian Heitz 22,23 , Philipp Harter 22,23 , Andreas du Bois 22,23 , Ira Schwaab 24 , Estrid Hogdall 25,26 , Susanne K. Kjaer 25,27 , Allan Jensen 25 , Claus Hogdall 27 , Lene Lundvall 27 , Svend Aage Engelholm 28 , Bob Brown 29 , James M. Flanagan 29 , Michelle D. Metcalf 29 , Nadeem Siddiqui 30 , Thomas Sellers 31 , Brooke Fridley 32 , Julie Cunningham 33 , Joellen M. Schildkraut 34,35 , Ed Iversen 36 , Rachel Palmieri Weber 34 , Donal Brennan 37 , Andrew Berchuck 38 , Paul Pharoah 4,39 , Paul Harnett 40 , Murray D. Norris 3 , Michelle Haber 3 , Ellen L. Goode 41 , Jason S. Lee 1 , Kum Kum Khanna 1 , Kerstin B. Meyer 5 , Georgia Chenevix-Trench 1,*,** , Anna deFazio 2,*,** , Stacey L. Edwards 1,*,** , Stuart MacGregor 1,*,** and on behalf of the Ovarian Cancer Association Consortium 1 QIMR Berghofer Medical Research Institute, Brisbane, Australia 2 Department of Gynaecological Oncology and Centre for Cancer Research, The Westmead Institute for Medical Research, The University of Sydney, Westmead Hospital, Sydney, Australia 3 Children's Cancer Institute Australia, Randwick, Australia 4 Centre for Cancer Genetic Epidemiology, Department of Public Health and Primary Care, University of Cambridge, Cambridge, UK 5 Cancer Research UK Cambridge Research Institute, Li Ka Shing Centre, Cambridge, UK 6 Department of Health Sciences Research, Division of Biomedical Statistics and Informatics, Mayo Clinic, Rochester, MN, USA 7 Australian Institute for Bioengineering and Nanotechnology, University of Queensland, Brisbane, Australia 8 Peter MacCallum Cancer Centre, Melbourne, Australia 9 Vesalius Research Center, VIB, Leuven, Belgium and Laboratory for Translational Genetics, Department of Oncology, University of Leuven, Leuven, Belgium 10 Gynecologic Oncology, Leuven Cancer Institute, University Hospitals Leuven, Leuven, Belgium 11 Women's Cancer Program at the Samuel Oschin Comprehensive Cancer Institute, Cedars-Sinai Medical Center, Los Angeles, CA, USA 12 Department of Gynecology and Obstetrics, University Hospital Erlangen, Friedrich-Alexander University Erlangen- Nuremberg, Comprehensive Cancer Center Erlangen-Nuremberg, Erlangen, Germany 13 Department of Medicine, Division of Hematology and Oncology, David Geffen School of Medicine, University of California, Los Angeles, CA, USA 14 Division of Epidemiology and Prevention, Aichi Cancer Center Research Institute, Nagoya, Aichi, Japan 15 Zentrum für Gynäkologische Onkologie, Kiel, Germany 16 Departments of Obstetrics and Gynaecology, Hannover Medical School, Hannover, Germany 17 Department of Gynecology, Aichi Cancer Center Central Hospital, Nagoya, Aichi, Japan 18 Department of Pathology and Molecular Diagnostics, Aichi Cancer Center Central Hospital, Nagoya, Aichi, Japan 19 Cancer Prevention and Control Program, Samuel Oschin Comprehensive Cancer Institute, Cedars Sinai Medical Center, Los Angeles, CA, USA 20 Cancer Epidemiology Program, University of Hawaii Cancer Center, Hawaii, USA 21 Department of Obstetrics and Gynecology, Oregon Health and Science University and Knight Cancer Institute, Oregon Health and Science University, Portland, OR, USA 22 Department of Gynecology and Gynecologic Oncology, Dr. Horst Schmidt Kliniken Wiesbaden, Wiesbaden, Germany 23 Department of Gynecology and Gynecologic Oncology, Kliniken Essen-Mitte, Essen, Germany 24 Institut für Humangenetik Wiesbaden, Germany 25 Danish Cancer Society Research Center, Unit of Virus, Lifestyle and Genes, Copenhagen, Denmark 26 Molecular Unit, Department of Pathology, Herlev Hospital, University of Copenhagen, Copenhagen, Denmark 27 Department of Gynecology, Rigshospitalet, University of Copenhagen, Denmark 28 Department of Oncology, Rigshospitalet, University of Copenhagen, Denmark 29 Department of Surgery and Cancer, Imperial College London, London, UK 30 North Glasgow University Hospitals NHS Trust, Stobhill Hospital, Glasgow, UK 31 Department of Cancer Epidemiology, Moffitt Cancer Center, Tampa, FL, USA 32 Department of Biostatistics, University of Kansas Medical Center, Kansas City, KS, USA 33 Department of Laboratory Medicine and Pathology, Mayo Clinic, Rochester, MN, USA 34 Department of Community and Family Medicine, Duke University Medical Center, Durham, NC, USA 35 Cancer Control and Population Sciences, Duke Cancer Institute, Durham, NC, USA 36 Department of Statistical Science, Duke University, Durham, NC, USA 37 Queensland Centre for Gynaecological Cancer, Brisbane, Australia 38 Department of Obstetrics and Gynecology, Duke University Medical Center, Durham, NC, USA 39 Centre for Cancer Genetic Epidemiology, Department of Oncology, University of Cambridge, Cambridge, UK 40 Crown Princess Mary Cancer Centre and Centre for Cancer Research, The Westmead Institute for Medical Research, The University of Sydney, Westmead Hospital, Sydney, Australia 41 Department of Health Science Research, Division of Epidemiology, Mayo Clinic, Rochester, MN, USA 42 Institute of Human Genetics, Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen, Germany * These authors contributed equally to the study and are listed alphabetically ** These authors co-directed the study and are listed alphabetically Correspondence to: Georgia Chenevix-Trench, email: // Anna deFazio, email: // Stacey L. Edwards, email: // Stuart MacGregor, email: // Keywords : epithelial ovarian cancer, progression free survival, genome-wide association study, PSIP1, chromosome conformation capture Received : January 14, 2016 Accepted : January 21, 2016 Published : January 31, 2016 Abstract Women with epithelial ovarian cancer (EOC) are usually treated with platinum/taxane therapy after cytoreductive surgery but there is considerable inter-individual variation in response. To identify germline single-nucleotide polymorphisms (SNPs) that contribute to variations in individual responses to chemotherapy, we carried out a multi-phase genome-wide association study (GWAS) in 1,244 women diagnosed with serous EOC who were treated with the same first-line chemotherapy, carboplatin and paclitaxel. We identified two SNPs (rs7874043 and rs72700653) in TTC39B (best P=7x10 -5 , HR=1.90, for rs7874043) associated with progression-free survival (PFS). Functional analyses show that both SNPs lie in a putative regulatory element (PRE) that physically interacts with the promoters of PSIP1 , CCDC171 and an alternative promoter of TTC39B. The C allele of rs7874043 is associated with poor PFS and showed increased binding of the Sp1 transcription factor, which is critical for chromatin interactions with PSIP1 . Silencing of PSIP1 significantly impaired DNA damage-induced Rad51 nuclear foci and reduced cell viability in ovarian cancer lines. PSIP1 (PC4 and SFRS1 Interacting Protein 1) is known to protect cells from stress-induced apoptosis, and high expression is associated with poor PFS in EOC patients. We therefore suggest that the minor allele of rs7874043 confers poor PFS by increasing PSIP1 expression.

Despite the substantial heritability of antisocial behavior (ASB), specific genetic variants robustly associated with the trait have not been identified. The present study by the Broad Antisocial Behavior Consortium (BroadABC) meta-analyzed data from 25 discovery samples (N=85,359) and five independent replication samples (N = 8,058) with genotypic data and broad measures of ASB. We identified the first significant genetic associations with broad ASB, involving common intronic variants in the forkhead box protein P2 (FOXP2) gene (lead SNP rs12536335, P = 6.32 x 10-10). Furthermore, we observed intronic variation in Foxp2 and one of its targets (Cntnap2) distinguishing a mouse model of pathological aggression (BALB/cJ mice) from controls (the BALB/cByJ strain). The SNP-based heritability of ASB was 8.4% (s.e.= 1.2%). Polygenic-risk-score (PRS) analyses in independent samples revealed that the genetic risk for ASB was associated with several antisocial outcomes across the lifespan, including diagnosis of conduct disorder, official criminal convictions, and trajectories of antisocial development. We found substantial positive genetic correlations between ASB and depression (rg = 0.63), smoking (rg = 0.54) and insomnia (rg = 0.47) as well as negative correlations with indicators of life history (age at first birth (rg = -0.58), fathers age at death (rg = -0.54)) and years of schooling (rg = -0.46). Our findings provide a starting point towards identifying critical biosocial risk mechanisms for the development of ASB.

Major depressive disorder (MDD) and cardiovascular disease (CVD) are often comorbid, resulting in excess morbidity and mortality. Here we show that CVDs share most of their genetic risk factors with MDD. Multivariate genome-wide association analysis of shared genetic liability between MDD and atherosclerotic CVD revealed seven loci and distinct patterns of tissue and brain cell-type enrichments, suggesting the involvement of the thalamus. Part of the genetic overlap was explained by shared inflammatory, metabolic and psychosocial or lifestyle risk factors. Our data indicated causal effects of genetic liability to MDD on CVD risk, but not from most CVDs to MDD, and showed that the causal effects were partly explained by metabolic and psychosocial or lifestyle factors. The distinct signature of MDD-atherosclerotic CVD comorbidity suggests an immunometabolic subtype of MDD that is more strongly associated with CVD than overall MDD. In summary, we identified biological mechanisms underlying MDD-CVD comorbidity and modifiable risk factors for prevention of CVD in individuals with MDD.

Abstract Mental disorders are leading causes of disability and premature death worldwide, partly due to high comorbidity with cardiometabolic disorders. Reasons for this comorbidity are still poorly understood. We leverage nation-wide health records and near-complete genealogies of Denmark and Sweden (n = 17 million) to reveal the genetic and environmental contributions underlying the observed comorbidity between six mental disorders and 15 cardiometabolic disorders. Genetic factors contributed about 50% to the comorbidity of schizophrenia, affective disorders, and autism spectrum disorder with cardiometabolic disorders, whereas the comorbidity of attention-deficit/hyperactivity disorder and anorexia with cardiometabolic disorders was mainly or fully driven by environmental factors. In this work we provide causal insight to guide clinical and scientific initiatives directed at achieving mechanistic understanding as well as preventing and alleviating the consequences of these disorders.

Attention-deficit/hyperactivity disorder (ADHD) is a heritable neurodevelopmental disorder, with common genetic risk variants implicated in the clinical diagnosis and symptoms of ADHD. However, given evidence of comorbidity and genetic overlap across neurodevelopmental and externalizing conditions, it remains unclear whether these genetic risk variants are ADHD-specific. The aim of this study was to evaluate the associations between ADHD genetic risks and related neurodevelopmental and externalizing conditions, and to quantify the extent to which any such associations can be attributed to a general genetic liability towards psychopathology. We derived ADHD polygenic risk scores (PRS) for 13,460 children aged 9 and 12 years from the Child and Adolescent Twin Study in Sweden, using results from an independent meta-analysis of genome-wide association studies of ADHD diagnosis and symptoms. Associations between ADHD PRS, a latent general psychopathology factor, and six latent neurodevelopmental and externalizing factors were estimated using structural equation modelling. ADHD PRS were statistically significantly associated with elevated levels of inattention, hyperactivity/impulsivity, autistic traits, learning difficulties, oppositional-defiant, and conduct problems (standardized regression coefficients=0.07-0.12). Only the association with specific hyperactivity/impulsivity remained significant after accounting for a general psychopathology factor, on which all symptoms loaded positively (standardized mean loading=0.61, range=0.32-0.91). ADHD PRS simultaneously explained 1% (p-value<0.001) of the variance in the general psychopathology factor and 0.50% (p-value<0.001) in the specific hyperactivity/impulsivity factor. Our results suggest that common genetic risk variants associated with ADHD have largely general pleiotropic effects on neurodevelopmental and externalizing traits in the general population, in addition to a specific association with hyperactivity/impulsivity symptoms.

Background: Human aggressive behavior (AGG) has a substantial genetic component. Here we present a large genome-wide association meta-analysis (GWAMA) of childhood AGG. Methods: We analyzed assessments of AGG for a total of 328,935 observations from 87,485 children (aged 1.5 - 18 years), from multiple assessors, instruments, and ages, while accounting for sample overlap. We performed an overall analysis and meta-analyzed subsets of the data within rater, instrument, and age. Results: Heritability based on the overall meta-analysis (AGGall) that could be attributed to Single Nucleotide Polymorphisms (SNPs) was 3.31% (SE=0.0038). No single SNP reached genome-wide significance, but gene-based analysis returned three significant genes: ST3GAL3 (P=1.6E-06), PCDH7 (P=2.0E-06) and IPO13 (P=2.5E-06). All three genes have previously been associated with educational traits. Polygenic scores based on our GWAMA significantly predicted aggression in a holdout sample of children and in retrospectively assessed childhood aggression. We obtained moderate-to-strong genetic correlations (r\_g's) with selected phenotypes from multiple domains, but hardly with any of the classical biomarkers thought to be associated with AGG. Significant genetic correlations were observed with most psychiatric and psychological traits (range.|r\_g |:.0.19 - 1.00), except for obsessive-compulsive disorder. Aggression had a negative genetic correlation (r\_g=~-0.5) with cognitive traits and age at first birth. Aggression was strongly genetically correlated with smoking phenotypes (range.|r\_g |:.0.46 - 0.60). Genetic correlations between AGG and psychiatric disorders were strongest for mother- and self-reported AGG. Conclusions: The current GWAMA of childhood aggression provides a powerful tool to interrogate the genetic etiology of AGG by creating individual polygenic scores and genetic correlations with psychiatric traits.### Competing Interest StatementMiquel Casas has received travel grants and research support from Eli Lilly and Co., Janssen-Cilag, Shire and Lundbeck and served as consultant for Eli Lilly and Co., Janssen-Cilag, Shire and Lundbeck. Josep Antoni Ramos Quiroga was on the speakers’ bureau and/or acted as consultant Eli-Lilly, Janssen-Cilag, Novartis, Shire, Lundbeck, Almirall, Braingaze, Sincrolab, Medicine, Exeltis and Rubió in the last 5 years. He also received travel awards (air tickets + hotel) for taking part in psychiatric meetings from Janssen-Cilag, Rubió, Shire, Medice and Eli-Lilly. The Department of Psychiatry chaired by him received unrestricted educational and research support from the following companies in the last 5 years: Eli-Lilly, Lundbeck, Janssen-Cilag, Actelion, Shire, Ferrer, Oryzon, Roche, Psious, and Rubió.

ABSTRACT Objective Neuroticism is associated with poor health outcomes, but its contribution to the accumulation of health deficits in old age, i.e. frailty, is largely unknown. We aimed to explore associations between neuroticism and frailty cross-sectionally and over up to 29 years, and to investigate the contribution of shared genetic influences. Method Data were derived from the UK Biobank (UKB, n=502,631), the Australian Over 50’s Study (AO50, n=3,011) and the Swedish Twin Registry (SALT n=23,744, SATSA n=1,637). Associations between neuroticism and the Frailty Index were investigated using regression analysis cross-sectionally in UKB, AO50 and SATSA, and longitudinally in SALT (25-29y follow-up) and SATSA (6 and 23y follow-up). The co-twin control method was applied to explore the contribution of underlying shared familial factors (SALT, SATSA, AO50). Genome-wide polygenic risk scores for neuroticism in all samples were used to further assess whether common genetic variants associated with neuroticism predict frailty. Results High neuroticism was consistently associated with greater frailty cross-sectionally (adjusted β, 95% confidence intervals in UKB= 0.32, 0.32-0.33; AO50= 0.35, 0.31-0.39; SATSA= 0.33, 0.27-0.39) and longitudinally up to 29 years (SALT= 0.24; 0.22-0.25; SATSA 6y= 0.31, 0.24-0.38; SATSA 23y= 0.16, 0.07-0.25). When controlling for underlying shared genetic and environmental factors the neuroticism-frailty association remained significant, although decreased. Polygenic risk scores for neuroticism significantly predicted frailty in the two larger samples (meta-analyzed total β= 0.06, 0.05-0.06). Conclusion High neuroticism is associated with the development and course of frailty. Both environmental and genetic influences, including neuroticism-associated genetic variants, contribute to this relationship.

Psychiatric traits related to categorically-defined psychiatric disorders are heritable and present to varying degrees in the general population. In this study, we test the hypothesis that genetic risk factors associated with psychiatric disorders are also associated with continuous variation in milder population traits. We combine a contemporary twin analytic approach with polygenic risk score (PRS) analyses in a large population-based twin sample. Questionnaires assessing traits of autism spectrum disorder (ASD), attention-deficit/hyperactivity disorder (ADHD), learning difficulties, tic disorders (TD), obsessive-compulsive disorder (OCD), anxiety, major depressive disorder (MDD), mania and psychotic experiences were administered to a large, Swedish twin sample. Individuals with clinical psychiatric diagnoses were identified using the Swedish National Patient Register. Joint categorical/continuous twin modeling was used to estimate genetic correlations between psychiatric diagnoses and continuous traits. PRS for psychiatric disorders were calculated based on independent discovery genetic data. The association between PRS for each disorder and related continuous traits was tested. We found mild to strong genetic correlations between psychiatric diagnoses and corresponding traits (ranging from .31-.69) in the twin analyses. There was also evidence of association between PRS for ASD, ADHD, TD, OCD, anxiety, MDD and schizophrenia with related population traits. These results indicate that genetic factors which predispose to psychiatric disorders are also associated with milder variation in characteristic traits throughout the general population, for many psychiatric phenotypes. This finding supports the conceptualization of psychiatric disorders as the extreme ends of continuous traits.