NR
Natalie Royle
Author with expertise in Genomic Studies and Association Analyses
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
8
(63% Open Access)
Cited by:
2,240
h-index:
38
/
i10-index:
69
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Common genetic variants influence human subcortical brain structures

Derrek Hibar et al.Jan 20, 2015
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.
0
Citation834
0
Save
0

Brain age predicts mortality

James Cole et al.Apr 25, 2017
Age-associated disease and disability are placing a growing burden on society. However, ageing does not affect people uniformly. Hence, markers of the underlying biological ageing process are needed to help identify people at increased risk of age-associated physical and cognitive impairments and ultimately, death. Here, we present such a biomarker, ‘brain-predicted age’, derived using structural neuroimaging. Brain-predicted age was calculated using machine-learning analysis, trained on neuroimaging data from a large healthy reference sample (N=2001), then tested in the Lothian Birth Cohort 1936 (N=669), to determine relationships with age-associated functional measures and mortality. Having a brain-predicted age indicative of an older-appearing brain was associated with: weaker grip strength, poorer lung function, slower walking speed, lower fluid intelligence, higher allostatic load and increased mortality risk. Furthermore, while combining brain-predicted age with grey matter and cerebrospinal fluid volumes (themselves strong predictors) not did improve mortality risk prediction, the combination of brain-predicted age and DNA-methylation-predicted age did. This indicates that neuroimaging and epigenetics measures of ageing can provide complementary data regarding health outcomes. Our study introduces a clinically-relevant neuroimaging ageing biomarker and demonstrates that combining distinct measurements of biological ageing further helps to determine risk of age-related deterioration and death.
0

Novel genetic loci underlying human intracranial volume identified through genome-wide association

Hieab Adams et al.Oct 3, 2016
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.
0
Citation239
0
Save
0

White matter hyperintensities and normal-appearing white matter integrity in the aging brain

Susana Maniega et al.Oct 13, 2014
White matter hyperintensities (WMH) of presumed vascular origin are a common finding in brain magnetic resonance imaging of older individuals and contribute to cognitive and functional decline. It is unknown how WMH form, although white matter degeneration is characterized pathologically by demyelination, axonal loss, and rarefaction, often attributed to ischemia. Changes within normal-appearing white matter (NAWM) in subjects with WMH have also been reported but have not yet been fully characterized. Here, we describe the in vivo imaging signatures of both NAWM and WMH in a large group of community-dwelling older people of similar age using biomarkers derived from magnetic resonance imaging that collectively reflect white matter integrity, myelination, and brain water content. Fractional anisotropy (FA) and magnetization transfer ratio (MTR) were significantly lower, whereas mean diffusivity (MD) and longitudinal relaxation time (T1) were significantly higher, in WMH than NAWM (p < 0.0001), with MD providing the largest difference between NAWM and WMH. Receiver operating characteristic analysis on each biomarker showed that MD differentiated best between NAWM and WMH, identifying 94.6% of the lesions using a threshold of 0.747 × 10(-9) m(2)s(-1) (area under curve, 0.982; 95% CI, 0.975-0.989). Furthermore, the level of deterioration of NAWM was strongly associated with the severity of WMH, with MD and T1 increasing and FA and MTR decreasing in NAWM with increasing WMH score, a relationship that was sustained regardless of distance from the WMH. These multimodal imaging data indicate that WMH have reduced structural integrity compared with surrounding NAWM, and MD provides the best discriminator between the 2 tissue classes even within the mild range of WMH severity, whereas FA, MTR, and T1 only start reflecting significant changes in tissue microstructure as WMH become more severe.
0

Polygenic architecture of human neuroanatomical diversity

Anne Biton et al.Mar 28, 2019
Abstract We analysed the genomic architecture of neuroanatomical diversity using magnetic resonance imaging and single nucleotide polymorphism (SNP) data from >26,000 individuals from the UK Biobank project and 5 other projects that had previously participated in the ENIGMA consortium. Our results confirm the polygenic architecture of neuroanatomical diversity, with SNPs capturing from 40% to 54% of regional brain volume variance. Chromosomal length correlated with the amount of phenotypic variance captured, r∼0.64 on average, suggesting that at a global scale causal variants are homogeneously distributed across the genome. At a local scale, SNPs within genes (∼51%) captured ∼1.5 times more genetic variance than the rest; and SNPs with low minor allele frequency (MAF) captured less variance than the rest: the 40% of SNPs with MAF<5% captured <1/4th of the genetic variance. We also observed extensive pleiotropy across regions, with an average genetic correlation of r G ∼0.45. Genetic correlations were similar to phenotypic and environmental correlations, however, genetic correlations were often larger than phenotypic correlations for the left/right volumes of the same region. The heritability of differences in left/right volumes was generally not statistically significant, suggesting an important influence of environmental causes in the variability of brain asymmetry. Our code is available at https://github.com/neuroanatomy/genomic-architecture .
0
Citation4
0
Save
0

Brain Structural Differences Between 73- And 92-Year Olds Matched For Childhood Intelligence, Social Background, And Intracranial Volume

Stuart Ritchie et al.May 9, 2017
Fully characterizing age differences in the brain is a key task for combatting ageing-related cognitive decline. Using propensity score matching on two independent, narrow-age cohorts, we used data on childhood cognitive ability, socioeconomic background, and intracranial volume to match participants at mean age 92 years (n = 42) to very similar participants at mean age 73 (n = 126). Examining a variety of global and regional structural neuroimaging variables, there were large differences in grey and white matter volumes, cortical surface area, cortical thickness, and white matter hyperintensity volume and spatial extent. In a mediation analysis, the total volume of white matter hyperintensities and total cortical surface area jointly mediated 24.9% of the relation between age and general cognitive ability (tissue volumes and cortical thickness were not significant mediators in this analysis). These findings provide an unusual and valuable perspective on neurostructural ageing, in which brains from the eighth and tenth decades of life differ widely despite the same cognitive, socio-economic, and brain-volumetric starting points.
0

Do Candidate Genes Affect the Brain's White Matter Microstructure? Large-Scale Evaluation of 6,165 Diffusion MRI Scans

Neda Jahanshad et al.Feb 20, 2017
Susceptibility genes for psychiatric and neurological disorders - including APOE, BDNF, CLU, CNTNAP2, COMT, DISC1, DTNBP1, ErbB4, HFE, NRG1, NTKR3, and ZNF804A - have been reported to affect white matter (WM) microstructure in the healthy human brain, as assessed through diffusion tensor imaging (DTI). However, effects of single nucleotide polymorphisms (SNPs) in these genes explain only a small fraction of the overall variance and are challenging to detect reliably in single cohort studies. To date, few studies have evaluated the reproducibility of these results. As part of the ENIGMA-DTI consortium, we pooled regional fractional anisotropy (FA) measures for 6,165 subjects (CEU ancestry N=4,458) from 11 cohorts worldwide to evaluate effects of 15 candidate SNPs by examining their associations with WM microstructure. Additive association tests were conducted for each SNP. We used several meta-analytic and mega-analytic designs, and we evaluated regions of interest at multiple granularity levels. The ENIGMA-DTI protocol was able to detect single-cohort findings as originally reported. Even so, in this very large sample, no significant associations remained after multiple-testing correction for the 15 SNPs investigated. Suggestive associations (1.3x10-4 < p < 0.05, uncorrected) were found for BDNF, COMT, and ZNF804A in specific tracts. Meta- and mega-analyses revealed similar findings. Regardless of the approach, the previously reported candidate SNPs did not show significant associations with WM microstructure in this largest genetic study of DTI to date; the negative findings are likely not due to insufficient power. Genome-wide studies, involving large-scale meta-analyses, may help to discover SNPs robustly influencing WM microstructure.