Abstract Whereas large-scale statistical analyses can robustly identify disease-gene relationships, they do not accurately capture genotype-phenotype correlations or disease mechanisms. We use multiple lines of independent evidence to show that different variant types in a single gene, SATB1 , cause clinically overlapping but distinct neurodevelopmental disorders. Clinical evaluation of 42 individuals carrying SATB1 variants identified overt genotype-phenotype relationships, associated with different pathophysiological mechanisms, established by functional assays. Missense variants in the CUT1 and CUT2 DNA-binding domains result in stronger chromatin binding, increased transcriptional repression and a severe phenotype. Contrastingly, variants predicted to result in haploinsufficiency are associated with a milder clinical presentation. A similarly mild phenotype is observed for individuals with premature protein truncating variants that escape nonsense-mediated decay and encode truncated proteins, which are transcriptionally active but mislocalized in the cell. Our results suggest that in-depth mutation-specific genotype-phenotype studies are essential to capture full disease complexity and to explain phenotypic variability.

Objective Suicide death is a highly preventable, yet growing, worldwide health crisis. To date, there has been a lack of adequately powered genomic studies of suicide, with no sizeable suicide death cohorts available for study. To address this limitation, we conducted the first comprehensive genomic analysis of suicide death, using a previously unpublished suicide cohort.Methods The analysis sample consisted of 3,413 population-ascertained cases of European ancestry and 14,810 ancestrally matched controls. Analytical methods included principle components analysis for ancestral matching and adjusting for population stratification, linear mixed model genome-wide association testing (conditional on genetic relatedness matrix), gene and gene set enrichment testing, polygenic score analyses, as well as SNP heritability and genetic correlation estimation using LD score regression.Results GWAS identified two genome-wide significant loci (6 SNPs, p <5×10−8). Gene-based analyses implicated 19 genes on chromosomes 13, 15, 16, 17, and 19 ( q <0.05). Suicide heritability was estimated h2 =0.2463, SE = 0.0356 using summary statistics from a multivariate logistic GWAS adjusting for ancestry. Notably, suicide polygenic scores were robustly predictive of out of sample suicide death, as were polygenic scores for several other psychiatric disorders and psychological traits, particularly behavioral disinhibition and major depressive disorder.Conclusions In this report, we identify multiple genome-wide significant loci/genes, and demonstrate robust polygenic score prediction of suicide death case-control status, adjusting for ancestry, in independent training and test sets. Additionally, we report that suicide death cases have increased genetic risk for behavioral disinhibition, major depression, autism spectrum disorder, psychosis, and alcohol use disorder relative to controls. Results demonstrate the ability of polygenic scores to robustly, and multidimensionally, predict suicide death case-control status.

The high-risk pedigree (HRP) design is an established strategy to discover rare, highly-penetrant, Mendelian-like causal variants. Its success, however, in complex traits has been modest, largely due to challenges of genetic heterogeneity and complex inheritance models. We describe a HRP strategy that addresses intra-familial heterogeneity, and identifies inherited segments important for mapping regulatory risk. We apply this new Shared Genomic Segment (SGS) method in 11 extended, Utah, multiple myeloma (MM) HRPs, and subsequent exome sequencing in SGS regions of interest in 1063 MM / MGUS (monoclonal gammopathy of undetermined significance, a precursor to MM) cases and 964 controls from a jointly-called collaborative resource, including cases from the initial 11 HRPs. One genome-wide significant 1.8 Mb shared segment was found at 6q16. Exome sequencing in this region revealed predicted deleterious variants in USP45 (p.Gln691*, p.Gln621Glu), a gene known to influence DNA repair through endonuclease regulation. Additionally, a 1.2 Mb segment at 1p36.11 is inherited in two Utah HRPs, with coding variants identified in ARID1A (p.Ser90Gly, p.Met890Val), a key gene in the SWI/SNF chromatin remodeling complex. Our results provide compelling statistical and genetic evidence for segregating risk variants for MM. In addition, we demonstrate a novel strategy to use large HRPs for risk-variant discovery more generally in complex traits.

Genomic studies to date in autism spectrum disorder (ASD) have largely focused on newly arising mutations that disrupt protein coding sequence and strongly influence risk. We evaluate the contribution of noncoding regulatory variation across the size and frequency spectrum through whole genome sequencing of 519 ASD cases, their unaffected sibling controls, and parents. Cases carry a small excess of de novo (1.02-fold) noncoding variants, which is not significant after correcting for paternal age. Assessing 51,801 regulatory classes, no category is significantly associated with ASD after correction for multiple testing. The strongest signals are observed in coding regions, including structural variation not detected by previous technologies and missense variation. While rare noncoding variation likely contributes to risk in neurodevelopmental disorders, no category of variation has impact equivalent to loss-of-function mutations. Average effect sizes are likely to be smaller than that for coding variation, requiring substantially larger samples to quantify this risk.

Progress in gene discovery for Autism Spectrum Disorder (ASD) has been rapid over the past decade, with major successes in validation of risk of predominantly rare, penetrant, de novo and inherited mutations in over 100 genes (de Rubies et al., 2015; Sanders et al., 2015). However, the majority of individuals with ASD diagnoses do not carry a rare, penetrant genetic risk factor. In fact, recent estimates suggest that most of the genetic liability of ASD is due to as yet undiscovered common, less penetrant inherited variation (Gaugler et al., 2014) which is much more difficult to detect. The study of extended, high-risk families adds significant information in our search for these common inherited risk factors. Here, we present results of a new, powerful pedigree analysis method (Shared Genomic Segments--SGS) on three large families from the Utah Autism Research Program. The method improves upon previous methods by allowing for within-family heterogeneity, and identifying exact region boundaries and subsets of cases who share for targeted follow-up analyses. Our SGS analyses identified one genome-wide significant shared segment on chromosome 17 (q21.32, p=1.47x10-8). Additional regions with suggestive evidence were identified on chromosomes 3, 4, 6, 8, 11, 13, 14, 15, and 18. Several of these segments showed evidence of sharing across families. Genes of interest in these regions include ATP8A1, DOCK3, CACNA2D2, ITGB3, AMBRA1, FOLH1, DGKZ, MTHFS, ARNT2, BTN2A2, BTN3A1, BTN3A3, BTN2A1, and BTN1A1. We are exploring multiple other lines of evidence to follow up these implicated regions and genes.

Most cognitive and psychiatric disorders are thought to be disorders of the synapse, yet the precise synapse defects remain unknown. Because synapses are highly specialized anatomical structures, defects in synapse formation and function can often be observed as changes in micro-scale neuroanatomy. Unfortunately, few methods are available for accurate analysis of synaptic structures in human postmortem tissues. Here, we present a methodological pipeline for assessing pre- and postsynaptic structures in human postmortem tissue that is accurate, rapid, and relatively inexpensive. Our method uses small tissue blocks from postmortem human brains, immersion fixation, DiI labeling, and confocal microscopy. As proof of principle, we analyzed pre- and postsynaptic structures from hippocampi of 13 individuals aged 4 months to 71 years. Our results indicate that postsynaptic CA1 dendritic spine shape and density do not change in adults, while presynaptic DG mossy fiber boutons undergo significant structural rearrangements with normal aging. This suggests that mossy fiber synapses, which play a major role in learning and memory, may remain dynamic throughout life. Importantly, we find that human CA1 spine densities observed using this method on tissue that is up to 28 hours postmortem is comparable to prior studies using tissue with much shorter postmortem intervals. Thus, the ease of our protocol and suitability on tissue with longer postmortem intervals should facilitate higher-powered studies of human pre and postsynaptic structures in healthy and diseased states.

Suicide is the 10th leading cause of death in the US. While environment has undeniable impact, evidence suggests genetic factors play a significant role in completed suicide. We linked a resource of >4,500 DNA samples from completed suicides obtained from the Utah Medical Examiner to genealogical records and medical records data available on over 8 million individuals. This linking has resulted in the identification of high-risk extended families (7-9 generations) with significant familial risk of completed suicide. Familial aggregation across distant relatives minimizes effects of shared environment, provides more genetically homogeneous risk groups, and magnifies genetic risks through familial repetition. We analyzed Illumina PsychArray genotypes from suicide cases in 43 high-risk families, identifying 30 distinct shared genomic segments with genome-wide evidence (p=2.02E-07 to 1.30E-18) of segregation with completed suicide. The 207 genes implicated by the shared regions provide a focused set of genes for further study; 18 have been previously associated with suicide risk. While PsychArray variants do not represent exhaustive variation within the 207 genes, we investigated these for specific segregation within the high-risk families, and for association of variants with predicted functional impact in ~1300 additional Utah suicides unrelated to the discovery families. None of the limited PsychArray variants explained the high-risk family segregation; sequencing of these regions will be needed to discover segregating risk variants, which may be rarer or regulatory. However, additional association tests yielded four significant PsychArray variants (SP110, rs181058279; AGBL2, rs76215382; SUCLA2, rs121908538; APH1B, rs745918508), raising the likelihood that these genes confer risk of completed suicide.