EK
Eva Krapohl
Author with expertise in Genomic Studies and Association Analyses
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
7
(57% Open Access)
Cited by:
1,879
h-index:
28
/
i10-index:
40
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
16

Genome-wide association meta-analysis in 269,867 individuals identifies new genetic and functional links to intelligence

Jeanne Savage et al.Jun 25, 2018
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.
16
Citation959
3
Save
3

Genome-wide association meta-analysis of 78,308 individuals identifies new loci and genes influencing human intelligence

Suzanne Sniekers et al.May 22, 2017
Danielle Posthuma and colleagues perform a large meta-analysis for intelligence and determine genetic overlap with several neuropsychiatric and metabolic traits. They find 15 new significant loci and implicate 40 new genes, most of which are predominantly expressed in the brain. Intelligence is associated with important economic and health-related life outcomes1. Despite intelligence having substantial heritability2 (0.54) and a confirmed polygenic nature, initial genetic studies were mostly underpowered3,4,5. Here we report a meta-analysis for intelligence of 78,308 individuals. We identify 336 associated SNPs (METAL P < 5 × 10−8) in 18 genomic loci, of which 15 are new. Around half of the SNPs are located inside a gene, implicating 22 genes, of which 11 are new findings. Gene-based analyses identified an additional 30 genes (MAGMA P < 2.73 × 10−6), of which all but one had not been implicated previously. We show that the identified genes are predominantly expressed in brain tissue, and pathway analysis indicates the involvement of genes regulating cell development (MAGMA competitive P = 3.5 × 10−6). Despite the well-known difference in twin-based heritability2 for intelligence in childhood (0.45) and adulthood (0.80), we show substantial genetic correlation (rg = 0.89, LD score regression P = 5.4 × 10−29). These findings provide new insight into the genetic architecture of intelligence.
3
Citation382
0
Save
0

Environmental sensitivity in children: Development of the Highly Sensitive Child Scale and identification of sensitivity groups.

Michael Pluess et al.Sep 21, 2017
A large number of studies document that children differ in the degree they are shaped by their developmental context with some being more sensitive to environmental influences than others.Multiple theories suggest that Environmental Sensitivity is a common trait predicting the response to negative as well as positive exposures.However, most research to date relied on more or less proximal markers of Environmental Sensitivity.In this paper we introduce a new questionnaire-the Highly Sensitive Child (HSC) scale-as a promising self-report measure of Environmental Sensitivity.After describing the development of the short 12-item HSC scale for children and adolescents, we report on the psychometric properties of the scale, including confirmatory factor analysis and test-retest reliability.After considering bivariate and multivariate associations with well-established temperament and personality traits, we apply Latent Class Analysis to test for the existence of hypothesised sensitivity groups.Analyses are conducted across five studies featuring four different UK-based samples ranging in age from 8-19 years and with a total sample size of N = 3,581.Results suggest the 12-item HSC scale is a psychometrically robust measure that performs well in both children and adolescents.Besides being relatively independent from other common traits, the Latent Class Analysis suggests that there are three distinct groups with different levels of Environmental Sensitivity-low (approx.25-35%), medium (approx.41-47%), and high (20-35%).Finally, we provide exploratory cut-off scores for the categorisation of children into these different groups which may be useful for both researchers and practitioners.
0

Estimating the sensitivity of associations between risk factors and outcomes to shared genetic effects

Jean‐Baptiste Pingault et al.Mar 30, 2019
Objective: Countless associations between risk factors and outcomes are reported in epidemiological research, but often without estimating the contribution from genetics. However most outcomes and risk factors are substantially heritable, and genetic influences can confound these associations. Here we propose a two-stage approach for evaluating the role of shared genetic effects in explaining these observed associations. Method: Genotyped unrelated participants from the Twins Early Development Study are included (N from 3,663 to 4,693 depending on the outcome) in our analyses. As an example for our proposed approach, we focus on maternal educational attainment, a risk factor known to associate with a variety of offspring social and health outcomes, including child educational achievement, Body Mass Index, and Attention Deficit Hyperactivity Disorders (ADHD). In the first stage of our approach we estimate how much of the phenotypic associations between maternal education and child outcomes can be attributed to shared genetic effects via regressions controlling for increasingly powerful polygenic scores. In the second stage, we estimate shared genetic effects using heritability estimates and genetic correlations equal to those derived in both SNP-based and twin-based studies. Finally, evidence from the two stages are evaluated in conjunction to provide an overall assessment of the likelihood that the association is explained by genetics. Results: Associations between maternal education and the three developmental outcomes are highly significant. The magnitude of these associations decrease when using polygenic scores to account for shared genetic effects, explaining between 14.3% and 24.3% of the original associations. For the three outcomes, the magnitude of these associations further decrease under a SNP-based heritability scenario and are almost entirely or entirely explained by genetics under a twin-based heritability scenario. Conclusions: Observed association between maternal education and child educational attainment, BMI and ADHD symptoms may be largely explained by genetics. To the extent that available estimates of SNP-based and twin-based heritabilities are accurate, the present findings represent a call for caution when interpreting non-genetically informed epidemiology studies of the role of maternal education or other 'environmental' risk factors. The two-stage approach that we propose adds a new tool to probe the robustness of findings regarding the role of a range of risk factors. Our approach, akin to a genetically informed sensitivity analysis, only requires a genotyped cohort with adequate phenotypic measurements, and has the potential to be widely applied across the life and social sciences.
0

Genetic Association Study of Childhood Aggression across raters, instruments and age

Hill Ip et al.Nov 29, 2019
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.
0

GWAS meta-analysis (N=279,930) identifies new genes and functional links to intelligence

Jeanne Savage et al.Sep 6, 2017
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.