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.

Shortcomings of approaches to classifying psychopathology based on expert consensus have given rise to contemporary efforts to classify psychopathology quantitatively. In this paper, we review progress in achieving a quantitative and empirical classification of psychopathology. A substantial empirical literature indicates that psychopathology is generally more dimensional than categorical. When the discreteness versus continuity of psychopathology is treated as a research question, as opposed to being decided as a matter of tradition, the evidence clearly supports the hypothesis of continuity. In addition, a related body of literature shows how psychopathology dimensions can be arranged in a hierarchy, ranging from very broad "spectrum level" dimensions, to specific and narrow clusters of symptoms. In this way, a quantitative approach solves the "problem of comorbidity" by explicitly modeling patterns of co-occurrence among signs and symptoms within a detailed and variegated hierarchy of dimensional concepts with direct clinical utility. Indeed, extensive evidence pertaining to the dimensional and hierarchical structure of psychopathology has led to the formation of the Hierarchical Taxonomy of Psychopathology (HiTOP) Consortium. This is a group of 70 investigators working together to study empirical classification of psychopathology. In this paper, we describe the aims and current foci of the HiTOP Consortium. These aims pertain to continued research on the empirical organization of psychopathology; the connection between personality and psychopathology; the utility of empirically based psychopathology constructs in both research and the clinic; and the development of novel and comprehensive models and corresponding assessment instruments for psychopathology constructs derived from an empirical approach.

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.

Abstract Background When a randomized experimental study is not possible, Mendelian randomization studies use genetic variants or polygenic scores as instrumental variables to control for gene-environment correlation while estimating the association between an exposure and outcome. Polygenic scores have become increasingly potent predictors of their respective phenotypes, satisfying the relevance criteria of an instrumental variable. Evidence for pleiotropy, however, casts doubt on whether the exclusion criteria of an instrumental variable is likely to hold for polygenic scores of complex phenotypes, and a number of methods have been developed to adjust for pleiotropy in Mendelian randomization studies. Method Using multiple polygenic scores and path analysis we implement an extension of genetic instrumental variable regression, genetic path analysis, and use it to test whether educational attainment is associated with two health-related outcomes in adulthood, body mass index and smoking initiation, while estimating and controlling for both gene-environment correlations and pleiotropy. Results Genetic path analysis provides compelling evidence for a complex set of gene-environment transactions that undergird the relations between educational attainment and health-related outcomes in adulthood. Importantly, results are consistent with education having a protective effect on body mass index and smoking initiation, even after controlling for gene-environment correlations and pleiotropy. Conclusions The proposed method is capable of addressing the exclusion criteria for a sound instrumental variable and, consequently, has the potential to help advance Mendelian randomization studies of complex phenotypes.

ABSTRACT Genetic signal detection in genome-wide association studies (GWAS) is enhanced by pooling small signals from multiple Single Nucleotide Polymorphism (SNP), e.g. across genes and pathways. Because genes are believed to influence traits via gene expression, it is of interest to combine information from expression Quantitative Trait Loci (eQTLs) in a gene or genes in the same pathway. Such methods, widely referred as transcriptomic wide association analysis (TWAS), already exist for gene analysis. Due to the possibility of eliminating most of the confounding effect of linkage disequilibrium (LD) from TWAS gene statistics, pathway TWAS methods would be very useful in uncovering the true molecular bases of psychiatric disorders. However, such methods are not yet available for arbitrarily large pathways/gene sets. This is possibly due to it quadratic (in the number of SNPs) computational burden for computing LD across large regions. To overcome this obstacle, we propose JEPEGMIX2-P, a novel TWAS pathway method that i) has a linear computational burden, ii) uses a large and diverse reference panel (33K subjects), iii) is competitive (adjusts for background enrichment in gene TWAS statistics) and iv) is applicable as-is to ethnically mixed cohorts. To underline its potential for increasing the power to uncover genetic signals over the state-of-the-art and commonly used non-transcriptomics methods, e.g. MAGMA, we applied JEPEGMIX2-P to summary statistics of most large meta-analyses from Psychiatric Genetics Consortium (PGC). While our work is just the very first step toward clinical translation of psychiatric disorders, PGC anorexia results suggest a possible avenue for treatment.

Importance: Schizophrenia (SZ) has a complex, heterogeneous symptom presentation with limited established associations between biological markers and illness onset. Many (gene) molecular pathways (MPs) are enriched for SZ signal, but it is still unclear how these MPs, global PRS, major histocompatibility complex (MHC) complement component (C4) gene expression, and MHC loci might jointly contribute to SZ and its clinical presentation. It is also unclear whether sex or ancestry interacts with these metrics to increase risk in certain individuals. Objective: To examine multiple genetic metrics, sex, and their interactions as possible predictors of SZ risk. Genetic information could aid in the clinical prediction of risk, but it is still unclear which genetic metrics are most promising, and how sex interacts with genetic risk metrics. Design, Setting, and Participants: To examine molecular risk in a proof-of-concept study, we used the Wellcome Trust case-control cohort and classified cases as a function of 1) polygenic risk score (PRS) for both whole genome and for 345 implicated molecular pathways, 2) predicted C4 expression, 3) SZ-relevant MHC loci, 4) sex, and 5) ancestry. Main Outcomes and Measures: PRSs, C4 expression, SZ-relevant MHC loci, sex, and ancestry as joint risk factors for SZ. Results: Recursive partitioning yielded 15 molecular risk classes and retained as significant psychosis classifiers only sex, genome-wide SZ polygenic risk, and one MP PRS. Sex was the most robust classifier in a stepwise regression, and there was a significant interaction of sex with SZ PRS on case status, suggesting males have a lower polygenic risk threshold. By down-sampling case proportion to 1% and 1.4% population base rates in males and females, respectively, high-risk subtypes defined by this model had roughly a 52% odds of developing SZ (individuals with SZ PRS elevated by 2.6 SDs; incidence = 51.8%). Conclusions and Relevance: This proof-of-concept suggests that global SZ PRS, sex, and their interaction are robust predictors of risk and that males have a lower PRS threshold for onset. Implications for the integration of these metrics with psychometrically-identified risk are discussed.

Suicide death is a worldwide health crisis, claiming close to 800,000 lives per year. Recent evidence suggests that prediction and prevention challenges may be aided by discoveries of genetic risk factors. Here we focus on the role of rare (MAF <1%), putatively functional single nucleotide polymorphisms (SNPs) in suicide death using the large genetic resources available in the Utah Suicide Genetic Risk Study (USGRS). We conducted a single-variant association analysis of 30,377 rare putatively functional SNPs present on the PsychArray genotyping array in 2,672 USGRS suicides of non-Finnish European (NFE) ancestry and 51,583 publicly available NFE controls from gnomAD, with additional follow-up analyses using an independent control sample of 21,324 NFE controls from the Psychiatric Genomics Consortium. SNPs underwent rigorous quality control, and among SNPs meeting significance thresholds, we considered only those that were validated in sequence data. We identified five novel, high-impact, rare SNPs with significant associations with suicide death (SNAPC1, rs75418419; TNKS1BP1, rs143883793; ADGRF5, rs149197213; PER1, rs145053802; and ESS2, rs62223875). Both PER1 and SNAPC1 have other supporting gene-level evidence of suicide risk, and an association with bipolar disorder has been reported for PER1 and with schizophrenia for PER1, TNKS1BP1, and ESS2. Three genes (PER1, TNKS1BP1, and ADGRF5), with additional genes implicated by GWAS studies on suicidal behavior, showed significant enrichment in immune system, homeostatic and signal transduction processes. Pain, depression, and accidental trauma were the most prevalent phenotypes in electronic medical record data for the categories assessed. These findings suggest an important role for rare variants in suicide risk and provide new insights into the genetic architecture of suicide death. Furthermore, we demonstrate the added utility of careful assessment of genotyping arrays in rare variant discovery.