ZZ
Ziliang Zhu
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:
258
h-index:
12
/
i10-index:
13
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Genome-wide association analysis of 19,629 individuals identifies variants influencing regional brain volumes and refines their genetic co-architecture with cognitive and mental health traits

Bingxin Zhao et al.Nov 1, 2019
Volumetric variations of the human brain are heritable and are associated with many brain-related complex traits. Here we performed genome-wide association studies (GWAS) of 101 brain volumetric phenotypes using the UK Biobank sample including 19,629 participants. GWAS identified 365 independent genetic variants exceeding a significance threshold of 4.9 × 10−10, adjusted for testing multiple phenotypes. A gene-based association study found 157 associated genes (124 new), and functional gene mapping analysis linked 146 additional genes. Many of the discovered genetic variants and genes have previously been implicated in cognitive and mental health traits. Through genome-wide polygenic-risk-score prediction, more than 6% of the phenotypic variance (P = 3.13 × 10−24) in four other independent studies could be explained by the UK Biobank GWAS results. In conclusion, our study identifies many new genetic associations at the variant, locus and gene levels and advances our understanding of the pleiotropy and genetic co-architecture between brain volumes and other traits. Genome-wide analyses in 19,629 individuals identify 365 independent variants associated with brain volumetric phenotypes. The study provides insight into the overlapping genetic architecture of brain volume measures and cognitive and mental health traits.
0
Citation238
0
Save
0

Common genetic variation influencing human white matter microstructure

Bingxin Zhao et al.May 25, 2020
Abstract Brain regions communicate with each other via tracts of myelinated axons, commonly referred to as white matter. White matter microstructure can be measured in the living human brain using diffusion based magnetic resonance imaging (dMRI), and has been found to be altered in patients with neuropsychiatric disorders. Although under strong genetic control, few genetic variants influencing white matter microstructure have ever been identified. Here we identified common genetic variants influencing white matter microstructure using dMRI in 42,919 individuals (35,741 in the UK Biobank). The dMRIs were summarized into 215 white matter microstructure traits, including 105 measures from tract-specific functional principal component analysis. Genome-wide association analysis identified many novel white matter microstructure associated loci ( P < 2.3 × 10 −10 ). We identified shared genetic influences through genetic correlations between white matter tracts and 62 other complex traits, including stroke, neuropsychiatric disorders (e.g., ADHD, bipolar disorder, major depressive disorder, schizophrenia), cognition, neuroticism, chronotype, as well as non-brain traits. Common variants associated with white matter microstructure alter the function of regulatory elements in glial cells, particularly oligodendrocytes. White matter associated genes were enriched in pathways involved in brain disease pathogenesis, neurodevelopment process, and repair of white matter damage ( P < 1.5 × 10 −8 ). In summary, this large-scale tract-specific study provides a big step forward in understanding the genetic architecture of white matter and its genetic links to a wide spectrum of clinical outcomes.
0
Citation8
0
Save
13

Common variants contribute to intrinsic human brain functional networks

Bingxin Zhao et al.Jul 30, 2020
Abstract The human brain remains active in the absence of explicit tasks and forms networks of correlated activity. Resting-state functional magnetic resonance imaging (rsfMRI) measures brain activity at rest, which has been linked with both cognitive and clinical outcomes. The genetic variants influencing human brain function are largely unknown. Here we utilized rsfMRI from 44,190 individuals of multiple ancestries (37,339 in the UK Biobank) to discover and validate the common genetic variants influencing intrinsic brain activity. We identified hundreds of novel genetic loci associated with intrinsic functional signatures ( P < 2.8 × 10 −11 ), including associations to the central executive, default mode, and salience networks involved in the triple network model of psychopathology. A number of intrinsic brain activity associated loci colocalized with brain disorder GWAS (e.g., Alzheimer’s disease, Parkinson’s disease, schizophrenia) and cognition, such as 19q13.32, 17q21.31, and 2p16.1. Particularly, we detected a colocalization between one (rs429358) of the two variants in the APOE ε4 locus and function of the default mode, central executive, attention, and visual networks. Genetic correlation analysis demonstrated shared genetic influences between brain function and brain structure in the same regions. We also detected significant genetic correlations with 26 other complex traits, such as ADHD, major depressive disorder, schizophrenia, intelligence, education, sleep, subjective well-being, and neuroticism. Common variants associated with intrinsic brain activity were enriched within regulatory element in brain tissues.
13
Citation7
0
Save
0

Transcriptome-wide association analysis of 211 neuroimaging traits identifies new genes for brain structures and yields insights into the gene-level pleiotropy with other complex traits

Bingxin Zhao et al.Nov 15, 2019
Abstract Structural and microstructural variations of human brain are heritable and highly polygenic traits, with hundreds of associated genes founded in recent genome-wide association studies (GWAS). Using gene expression data, transcriptome-wide association studies (TWAS) can prioritize these GWAS findings and also identify novel gene-trait associations. Here we performed TWAS analysis of 211 structural neuroimaging phenotypes in a discovery-validation analysis of six datasets. Using a cross-tissue approach, TWAS discovered 204 associated genes (86 new) exceeding Bonferroni significance threshold of 1.37*10 −8 (adjusted for testing multiple phenotypes) in the UK Biobank (UKB) cohort, and validated 18 TWAS or previous GWAS-detected genes. The TWAS-significant genes of brain structures had been linked to a wide range of complex traits in different domains. Additional TWAS analysis of 11 cognitive and mental health traits detected 69 overlapping significant genes with brain structures, further characterizing the genetic overlaps among these brain-related traits. Through TWAS gene-based polygenic risk scores (PRS) prediction, we found that TWAS PRS gained substantial power in association analysis compared to conventional variant-based PRS, and up to 6.97% of phenotypic variance (p-value=7.56*10 −31 ) in testing datasets can be explained by UKB TWAS-derived PRS. In conclusion, our study illustrates that TWAS can be a powerful supplement to traditional GWAS in imaging genetics studies for gene discovery-validation, genetic co-architecture analysis, and polygenic risk prediction.
0
Citation5
0
Save
0

Large-scale GWAS reveals genetic architecture of brain white matter microstructure and genetic overlap with cognitive and mental health traits (n=17,706)

Bingxin Zhao et al.Mar 25, 2018
Individual variations of white matter (WM) tracts are known to be associated with various cognitive and neuropsychiatric traits. Diffusion tensor imaging (DTI) and genome-wide single-nucleotide polymorphism (SNP) data from 17,706 UK Biobank participants offer opportunity to identify novel genetic variants of WM tracts and explore the genetic overlap with other brain-related complex traits. We analyzed the genetic architecture of 110 tract-based DTI parameters, carried out genome-wide association studies (GWAS) and performed post-GWAS analyses, including association lookups, gene-based association analysis, functional gene mapping, and genetic correlation estimation. DTI parameters are substantially heritable for all WM tracts (mean heritability 48.7%). We observed a highly polygenic architecture of genetic influence across the genome (p-value=1.67*10-05) as well as the enrichment of genetic effects for active SNPs annotated by central nervous system cells (p-value=8.95*10-12). GWAS identified 213 independent significant SNPs associated with 90 DTI parameters (696 SNP-level and 205 locus-level associations; p-value<4.5*10-10, adjusted for testing multiple phenotypes). Gene-based association study prioritized 112 significant genes, most of which are novel. More importantly, association lookups found that many of the novel SNPs and genes of DTI parameters have previously been implicated with cognitive and mental health traits. The present study identifies many new genetic variants at SNP, locus and gene levels for integrity of brain WM tracts and provides the overview of pleiotropy with cognitive and mental health traits.
0

Heritability of regional brain volumes in large-scale neuroimaging and genetic studies

Bingxin Zhao et al.Oct 25, 2017
Brain genetics is an active research area. The degree to which genetic variants impact variations in brain structure and function remains largely unknown. We examined the heritability of regional brain volumes (p ~ 100) captured by single-nucleotide polymorphisms (SNPs) in UK Biobank (n ~ 9000). We found that regional brain volumes are highly heritable in this study population. We observed omni-genic impact across the genome as well as enrichment of SNPs in active chromatin regions. Principal components derived from regional volume data are also highly heritable, but the amount of variance in brain volume explained by the component did not seem to be related to its heritability. Heritability estimates vary substantially across large-scale functional networks and brain regions. The variation in heritability across regions was not related to measurement reliability. Heritability estimates exhibit a symmetric pattern across left and right hemispheres and are consistent in females and males. Our main findings in UK Biobank are consistent with those in Alzheimers Disease Neuroimaging Initiative (n ~ 1100), Philadelphia Neurodevelopmental Cohort (n ~ 600), and Pediatric Imaging, Neurocognition, and Genetics (n ~ 500) datasets, with more stable estimates in UK Biobank.
0

GWAS of 19,629 individuals identifies novel genetic variants for regional brain volumes and refines their genetic co-architecture with cognitive and mental health traits

Bingxin Zhao et al.Mar 25, 2019
Volumetric variations of human brain are heritable and are associated with many brain-related complex traits. Here we performed genome-wide association studies (GWAS) and post-GWAS analyses of 101 brain volumetric phenotypes using the UK Biobank (UKB) sample including 19,629 participants. GWAS identified 287 independent SNPs exceeding genome-wide significance threshold of 4.9*10-10, adjusted for testing multiple phenotypes. Gene-based association study found 142 associated genes (113 new) and functional gene mapping analysis linked 122 more genes. Many of the discovered genetic variants have previously been implicated with cognitive and mental health traits (such as cognitive performance, education, mental disease/disorders), and significant genetic correlations were detected for 29 pairs of traits. The significant SNPs discovered in the UKB sample were supported by a joint analysis with other four independent studies (total sample size 2,192), and we performed a meta-analysis of five samples to provide GWAS summary statistics with sample size larger than 20,000. Using genome-wide polygenic risk scores prediction, up to 4.36% of phenotypic variance (p-value=2.97*10-22) in the four independent studies can be explained by the UKB GWAS results. In conclusion, our study identifies many new genetic variants at SNP, locus and gene levels and advances our understanding of the pleiotropy and genetic co-architecture between brain volumes and other traits.
8

Jointly analyzing the association of human milk nutrients with cognition and temperament traits during the first 6 months of life

Tengfei Li et al.Apr 25, 2022
Abstract Early dietary exposure via human milk (HM) components offers a window of opportunity to support cognitive and temperamental development. While several studies have focused on associations of few pre-selected HM components with cognition and temperament, it is highly plausible that HM components synergistically and jointly support cognitive and behavioral development in early life. We aimed to discern the combined associations of a wide array of HM nutrients with cognition and temperament during the first six months of life and explore if there were persistent effects up to 18 months old, when HM is the primary source of an infant’s nutrition. The Mullen Scales of Early Learning and Infant Behavior Questionnaires-Revised were used to assess cognition and temperament, respectively, of fifty-four exclusively/predominantly breastfed infants in the first 6 months of life, whose follow-ups were conducted at 6-9, 9-12 and 12-18 months old. HM samples were obtained from the mothers of the participants at less than 6 months of life and analyzed for fatty acids (total monounsaturated fatty acids, polyunsaturated fatty acid, total saturated fatty acid (TSFA), arachidonic acid (ARA), docosahexaenoic acid (DHA), ARA/DHA, omega-6/omega-3 polyunsaturated fatty acids ratio (n-6/n-3)), phospholipids (phosphatidylcholine, phosphatidylethanolamine (PE), phosphatidylinositol (PI), sphingomyelin) and choline (free choline, phosphocholine (PCho), glycerophosphocholine). Feature selection was performed to select nutrients associated with cognition and temperament, respectively. The combined effects of selected nutrients were analyzed using multiple regression. A positive association between the arachidonic acid (ARA) and surgency was observed ( p = 0.024). Significant effect of DHA, n-6/n-3, PE and TSFA concentrations on receptive language ( R 2 = 0.39, p = 0.025), and the elevated ARA, PCho, and PI with increased surgency ( R 2 = 0.43, p = 0.003) was identified, suggesting that DHA and ARA may have distinct roles for temperament and language functions. Furthermore, the exploratory association analyses suggest that the effects of HM nutrients on R.L. and surgency may persist beyond the first 6 months of life, particularly surgency at 12-18 months ( p = 0.002). Our studies highlighted that various HM nutrients work together to support the development of cognition and temperament traits during early infancy.