Objective: Major depressive disorder has been linked with inflammatory processes, but it is unclear whether individual differences in levels of inflammatory biomarkers could help match patients to treatments that are most likely to be beneficial. The authors tested the hypothesis that C-reactive protein (CRP), a commonly available marker of systemic inflammation, predicts differential response to escitalopram (a serotonin reuptake inhibitor) and nortriptyline (a norepinephrine reuptake inhibitor). Method: The hypothesis was tested in the Genome-Based Therapeutic Drugs for Depression (GENDEP) study, a multicenter open-label randomized clinical trial. CRP was measured with a high-sensitivity method in serum samples from 241 adult men and women with major depressive disorder randomly allocated to 12-week treatment with escitalopram (N=115) or nortriptyline (N=126). The primary outcome measure was the score on the Montgomery-Åsberg Depression Rating Scale (MADRS), administered weekly. Results: CRP level at baseline differentially predicted treatment outcome with the two antidepressants (CRP-drug interaction: β=3.27, 95% CI=1.65, 4.89). For patients with low levels of CRP (<1 mg/L), improvement on the MADRS score was 3 points higher with escitalopram than with nortriptyline. For patients with higher CRP levels, improvement on the MADRS score was 3 points higher with nortriptyline than with escitalopram. CRP and its interaction with medication explained more than 10% of individual-level variance in treatment outcome. Conclusions: An easily accessible peripheral blood biomarker may contribute to improvement in outcomes of major depressive disorder by personalizing treatment choice.

Background Symptom dimensions have not yet been comprehensively tested as predictors of the substantial heterogeneity in outcomes of antidepressant treatment in major depressive disorder. Method We tested nine symptom dimensions derived from a previously published factor analysis of depression rating scales as predictors of outcome in 811 adults with moderate to severe depression treated with flexibly dosed escitalopram or nortriptyline in Genome-based Therapeutic Drugs for Depression (GENDEP). The effects of symptom dimensions were tested in mixed-effect regression models that controlled for overall initial depression severity, age, sex and recruitment centre. Significant results were tested for replicability in 3637 adult out-patients with non-psychotic major depression treated with citalopram in level I of Sequenced Treatment Alternatives to Relieve Depression (STAR*D). Results The interest-activity symptom dimension (reflecting low interest, reduced activity, indecisiveness and lack of enjoyment) at baseline strongly predicted poor treatment outcome in GENDEP, irrespective of overall depression severity, antidepressant type and outcome measure used. The prediction of poor treatment outcome by the interest-activity dimension was robustly replicated in STAR*D, independent of a comprehensive list of baseline covariates. Conclusions Loss of interest, diminished activity and inability to make decisions predict poor outcome of antidepressant treatment even after adjustment for overall depression severity and other clinical covariates. The prominence of such symptoms may require additional treatment strategies and should be accounted for in future investigations of antidepressant response.

Objective The purpose of this study was to identify genetic variants underlying the considerable individual differences in response to antidepressant treatment. The authors performed a genome-wide association analysis of improvement of depression severity with two antidepressant drugs. Method High-quality Illumina Human610-quad chip genotyping data were available for 706 unrelated participants of European ancestry treated for major depression with escitalopram (N=394) or nortriptyline (N=312) over a 12-week period in the Genome-Based Therapeutic Drugs for Depression (GENDEP) project, a partially randomized open-label pharmacogenetic trial. Results Single nucleotide polymorphisms in two intergenic regions containing copy number variants on chromosomes 1 and 10 were associated with the outcome of treatment with escitalopram or nortriptyline at suggestive levels of significance and with a high posterior likelihood of true association. Drug-specific analyses revealed a genome-wide significant association between marker rs2500535 in the uronyl 2-sulphotransferase gene and response to nortriptyline. Response to escitalopram was best predicted by a marker in the interleukin-11 (IL11) gene. A set of 72 a priori-selected candidate genes did not show pharmacogenetic associations above a chance level, but an association with response to escitalopram was detected in the interleukin-6 gene, which is a close homologue of IL11. Conclusions While limited statistical power means that a number of true associations may have been missed, these results suggest that efficacy of antidepressants may be predicted by genetic markers other than traditional candidates. Genome-wide studies, if properly replicated, may thus be important steps in the elucidation of the genetic basis of pharmacological response.

Population-based studies have associated inflammation, particularly higher C-reactive protein (CRP), with depressive severity, but clinical trials in major depressive disorder were rather non-specific without examining the role of gender. We aimed to investigate the association between CRP and overall depression severity including specific depressive symptoms and to examine potential gender differences.We included 231 individuals with major depressive disorder from the Genome-Based Therapeutics Drugs for Depression (GENDEP) study. At baseline, we assessed high-sensitivity CRP levels and psychopathology with the Montgomery Aasberg Depression Rating Scale (MADRS). We performed linear regression analyses to investigate the association between baseline CRP levels with overall MADRS severity and specific symptoms at baseline and adjusted for age, gender, anti-inflammatory and psychotropic drug treatment, body mass index, smoking, inflammatory diseases, and recruitment center.Higher CRP levels were significantly associated with greater overall MADRS symptom severity (p=0.02), which was significant among women (p=0.02) but not among men (p=0.68). Among women, higher CRP was associated with increased severity on observed mood, cognitive symptoms, interest-activity, and suicidality, but we found no significant associations among men. Interaction analyses showed no significant gender differences on the overall MADRS score or specific symptoms.Our results support the sickness syndrome theory suggesting that chronic low-grade inflammation may be associated with a subtype of depression. The potential gender differences in psychopathology may be explained by biological and/or psychosocial factors, e.g. differential modulation of immune responses by sex hormones. Clinical studies should investigate symptom-specific and/or gender-specific treatment guided by peripheral inflammatory markers.

Cytochrome (CYP) P450 enzymes have a primary role in antidepressant metabolism and variants in these polymorphic genes are targets for pharmacogenetic investigation. This is the first meta-analysis to investigate how CYP2C19 polymorphisms predict citalopram/escitalopram efficacy and side effects. CYP2C19 phenotypes comprise poor metabolizers (PM), intermediate and intermediate+ metabolizers (IM; IM+), extensive and extensive+ metabolizers (EM [wild type]; EM+) and ultra-rapid metabolizers (UM) defined by the two most common CYP2C19 functional polymorphisms (rs4244285 and rs12248560) in Caucasians. These polymorphisms were genotyped or imputed from genome-wide data in four samples treated with citalopram or escitalopram (GENDEP, STAR*D, GenPod, PGRN-AMPS). Treatment efficacy was percentage symptom improvement and remission. Side effect data were available at weeks 2-4, 6 and 9 in three of the investigated samples. A fixed-effects meta-analysis was performed using EM as the reference group. Analysis of 2558 patients for efficacy and 2037 patients for side effects showed that PMs had higher symptom improvement (SMD=0.43, CI=0.19-0.66) and higher remission rates (OR=1.55, CI=1.23-1.96) compared to EMs. At weeks 2-4, PMs showed higher risk of gastro-intestinal (OR=1.26, CI=1.08-1.47), neurological (OR=1.28, CI=1.07-1.53) and sexual side effects (OR=1.52, CI=1.23-1.87; week 6 values similar). No difference was seen at week 9 or in total side effect burden. PMs did not have higher risk of dropout at week 4 compared to EMs. Antidepressant dose was not different among CYP2C19 groups. CYP2C19 polymorphisms may provide helpful information for guiding citalopram/escitalopram treatment, despite PMs are relatively rare among Caucasians (~2%).

Inflammatory markers such as cytokines represent potential biomarkers for major depressive disorder (MDD). Many, generally small studies have examined the role of single markers and found significant associations. We assessed 42 inflammatory markers, namely cytokines, in the blood of 321 control subjects and 887 MDD cases. We tested whether individual inflammatory marker levels were significantly affected by MDD case/control status, current episode, or current depression severity, co-varying for age, sex, body mass index (BMI), smoking, current antidepressant use, ethnicity, assay batch and study effects. We further used machine learning algorithms to investigate if we could use our data to blindly discriminate MDD patients, or those in a current episode. We found broad and powerful influences of confounding factors on log-protein levels. Notably, IL-6 levels were very strongly influenced by BMI (p = 1.37 x 10-43, variance explained = 18%), while Interleukin-16 was the most significant predictor of current depressive episode (p = 0.003, variance explained = 0.9%, q < 0.1). No single inflammatory marker predicted MDD case/control status when a subject was not in a depressed episode, nor did any predict depression severity. Machine learning results revealed that using inflammatory marker data with clinical confounder information significantly increased precision for differentiating MDD patients who were in an episode. To conclude, a wide panel of inflammatory markers alongside clinical information may aid in predicting the onset of symptoms, but no single inflammatory protein is likely to represent a clinically useful biomarker for MDD diagnosis or prognosis. We note that the potential influence of physical health related and population stratification related confounders on inflammatory biomarker studies in psychiatry is considerable.

Abstract CYP2D6 is a widely expressed human xenobiotic metabolizing enzyme, best known for its role in the hepatic phase I cytochrome P450 enzyme system, where it metabolizes ∼20% of medications. It is also expressed in other organs including the brain, where its potential role in physiology and mental health traits and disorders is under further investigation. Owing to the presence of homologous pseudogenes in the CYP2D locus and transposable repeat elements in the intergenic regions, the gene encoding the CYP2D6 enzyme, CYP2D6 , is one of the most hypervariable known human genes - with more than 165 core haplotypes. Haplotypes include structural variants, with a subtype of these known as hybrid haplotypes or fusion genes comprising part of CYP2D6 and part of its adjacent pseudogene, CYP2D7 . The fusion genes are particularly challenging to identify. High fidelity (HiFi) single molecule real-time (SMRT) long-read sequencing can cover whole CYP2D6 haplotypes in a single continuous sequence, and is therefore ideal for structural variant detection. In addition, it is highly accurate and suitable for novel haplotype identification, which is necessary as new CYP2D6 haplotypes are continuously being discovered, and many more likely remain to be identified in relatively understudied populations such as Indigenous Peoples. The aim of the present work was to develop an efficient and accurate HiFi SMRT amplicon-based method capable of detecting the full range of CYP2D6 haplotypes including fusion genes. We report proof-of-concept for 24 amplicons including three positive controls, aligned to fusion gene haplotypes, with prior cross-validation data. Amplicons with CYP2D7-D6 fusion genes, including positive controls, aligned to the *13 subhaplotypes predicted ( *13F, *13A2 ) with 100% accuracy, with the exception of one that aligned at 99.9%. Alignment of the *68 was 100% and above 99.9% to the CYP2D6*68 partial sequences EU5300606 and JF307779, respectively. The best alignments for the remaining CYP2D6-2D7 fusion genes were ≥99.7% (to 3 significant figures). Lower percentage alignment for CYP2D6-2D7 fusion genes may reflect imperfect PCR optimization and/or the possibility that we may have haplotypes not yet in public databases. Further work on these is in progress. Moreover, we have adapted this method for non-hybrid haplotypes. This technique could therefore suffice for the characterization of the full range of CYP2D6 haplotypes. The method that we have developed could be extended to other complex loci and to other species in a multiplexed high throughput assay.

Background: CYP2D6 and CYP2C19 are cytochrome P450 enzymes involved in the metabolism of many medications from multiple therapeutic classes. The genes encoding them, CYP2D6 and CYP2C19, have multiple functional variants that have been associated with different levels of enzyme activity. There is evidence that methodology for identifying such variants (genotyping) effectively and efficiently could lead to substantial health care costs savings. There are various genotyping technologies available; we cross-validated several against each other. Methods: Ninety-six samples with a variety of CYP2D6 and CYP2C19 genotypes according to prior AmpliChip CYP450 and TaqMan CYP2C19*17 data were selected from the Genome-based therapeutic drugs for depression (GENDEP) study. Genotyping was performed with TaqMan copy number variant (CNV) analysis using probes specific for three different regions (CYP2D6 only), the next generation sequencing-based Ion S5 AmpliSeq Pharmacogenomics Panel, PharmacoScan, and long-range polymerase chain reaction (XL-PCR) followed by TaqMan single nucleotide variant (SNV) analysis or the Agena MassARRAY. Variant to star allele translation was automated. Results: The inter-platform concordance for CYP2C19 was high (94-98%). For CYP2D6, the IonS5-PharmacoScan concordance was 94% for a range of variants tested apart from those with at least one extra copy of a CYP2D6 gene (occurring at a frequency of 3.8%, 33/853), or a pseudogene-gene conversion (2%, 18/853). Conclusions: Inter-platform concordance for CYP2C19 was high, and, moreover, the Ion S5 and PharmacoScan data were 100% concordant with that from a TaqMan CYP2C19*2 assay. The level of concordance was also good for CYP2D6, apart from those with at least one extra copy of a CYP2D6 gene or a pseudogene-gene conversion. We have also demonstrated feasibility of using a NGS platform for genotyping CYP2D6 and CYP2C19, with automated data interpretation methodology. CYP2D6 and CYP2C19 genotyping may thereby become much more readily accessible, with potential substantial savings in health care costs and public benefit.

Background: Major depressive disorder (MDD) has a high personal and socio-economic burden and more than 60% of patients fail to achieve remission with the first antidepressant. The biological mechanisms behind antidepressant response are only partially known but genetic factors play a relevant role. A combined predictor across genetic variants may be useful to investigate this complex trait. Methods: Polygenic risk scores (PRS) were used to estimate multi-allelic contribution to: 1) antidepressant efficacy; 2) its overlap with MDD and schizophrenia. We constructed PRS and tested whether these predicted symptom improvement or remission from the GENDEP study (n=736) to the STAR*D study (n=1409) and vice-versa, including the whole sample or only patients treated with escitalopram or citalopram. Using summary statistics from Psychiatric Genomics Consortium for MDD and schizophrenia, we tested whether PRS from these disorders predicted symptom improvement in GENDEP, STAR*D, and five further studies (n=3756). Results: No significant prediction of antidepressant efficacy was obtained from PRS in GENDEP/STAR*D but this analysis might have been underpowered. There was no evidence of overlap in the genetics of antidepressant response with either MDD or schizophrenia, either in individual studies or a meta-analysis. Stratifying by antidepressant did not alter the results. Discussion: We identified no significant predictive effect using PRS between pharmacogenetic studies. The genetic liability to MDD or schizophrenia did not predict response to antidepressants, suggesting differences between the genetic component of depression and treatment response. Larger or more homogeneous studies will be necessary to obtain a polygenic predictor of antidepressant response.

Genome-wide association studies have generally failed to identify polymorphisms associated with antidepressant response. Possible reasons include limited coverage of genetic variants that this study tried to address by exome genotyping and dense imputation. A meta-analysis of Genome-Based Therapeutic Drugs for Depression (GENDEP) and Sequenced Treatment Alternatives to Relieve Depression (STAR*D) studies was performed at SNP, gene and pathway level. Coverage of genetic variants was increased compared to previous studies by adding exome genotypes to previously available genome-wide data and using the Haplotype Reference Consortium panel for imputation. Standard quality control was applied. Phenotypes were symptom improvement and remission after 12 weeks of antidepressant treatment. NEWMEDS consortium samples and Pharmacogenomic Research Network Antidepressant Medication Pharmacogenomic Study (PGRN-AMPS) served for replication. 7,062,950 SNPs were analysed in GENDEP (n=738) and STAR*D (n=1409). rs116692768 (p=1.80e-08, ITGA9 (integrin alpha 9)) and rs76191705 (p=2.59e-08, NRXN3 (neurexin 3)) were significantly associated with symptom improvement during citalopram/escitalopram treatment. At gene level, no consistent effect was found. At pathway level, the Gene Ontology terms GO:0005694 (chromosome) and GO:0044427 (chromosomal part) were associated with improvement (corrected p=0.007 and 0.045, respectively). The association between rs116692768 and symptom improvement was replicated in PGRN-AMPS (p=0.047), while rs76191705 was not. The two SNPs did not replicate in NEWMEDS. ITGA9 codes for a membrane receptor for neurotrophins and NRXN3 is a transmembrane neuronal adhesion receptor involved in synaptic differentiation. Despite their meaningful biological rationale for being involved in antidepressant effect, no convincing replication was achieved. Further studies may help in clarifying their role.