DNA methylation levels change with age. Recent studies have identified biomarkers of chronological age based on DNA methylation levels. It is not yet known whether DNA methylation age captures aspects of biological age. Here we test whether differences between people’s chronological ages and estimated ages, DNA methylation age, predict all-cause mortality in later life. The difference between DNA methylation age and chronological age (Δage) was calculated in four longitudinal cohorts of older people. Meta-analysis of proportional hazards models from the four cohorts was used to determine the association between Δage and mortality. A 5-year higher Δage is associated with a 21% higher mortality risk, adjusting for age and sex. After further adjustments for childhood IQ, education, social class, hypertension, diabetes, cardiovascular disease, and APOE e4 status, there is a 16% increased mortality risk for those with a 5-year higher Δage. A pedigree-based heritability analysis of Δage was conducted in a separate cohort. The heritability of Δage was 0.43. DNA methylation-derived measures of accelerated aging are heritable traits that predict mortality independently of health status, lifestyle factors, and known genetic factors.

Daniel Benjamin, Meike Bartels, Philipp Koellinger and colleagues report a genome-wide association meta-analysis of subjective well-being, depressive symptoms and neuroticism. The study leverages a large sample size together with genetic correlations between the phenotypes to identify, with high confidence, loci associated with each phenotype. Very few genetic variants have been associated with depression and neuroticism, likely because of limitations on sample size in previous studies. Subjective well-being, a phenotype that is genetically correlated with both of these traits, has not yet been studied with genome-wide data. We conducted genome-wide association studies of three phenotypes: subjective well-being (n = 298,420), depressive symptoms (n = 161,460), and neuroticism (n = 170,911). We identify 3 variants associated with subjective well-being, 2 variants associated with depressive symptoms, and 11 variants associated with neuroticism, including 2 inversion polymorphisms. The two loci associated with depressive symptoms replicate in an independent depression sample. Joint analyses that exploit the high genetic correlations between the phenotypes (|ρ^| ≈ 0.8) strengthen the overall credibility of the findings and allow us to identify additional variants. Across our phenotypes, loci regulating expression in central nervous system and adrenal or pancreas tissues are strongly enriched for association.

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.

Background: The DNA methylation-based 'epigenetic clock' correlates strongly with chronological age, but it is currently unclear what drives individual differences. We examine cross-sectional and longitudinal associations between the epigenetic clock and four mortality-linked markers of physical and mental fitness: lung function, walking speed, grip strength and cognitive ability.

Summary Metabolic dysregulation in multiple tissues alters glucose homeostasis and influences risk for type 2 diabetes (T2D). To identify pathways and tissues influencing T2D-relevant glycemic traits (fasting glucose [FG], fasting insulin [FI], two-hour glucose [2hGlu] and glycated hemoglobin [HbA1c]), we investigated associations of exome-array variants in up to 144,060 individuals without diabetes of multiple ancestries. Single-variant analyses identified novel associations at 21 coding variants in 18 novel loci, whilst gene-based tests revealed signals at two genes, TF (HbA1c) and G6PC (FG, FI). Pathway and tissue enrichment analyses of trait-associated transcripts confirmed the importance of liver and kidney for FI and pancreatic islets for FG regulation, implicated adipose tissue in FI and the gut in 2hGlu, and suggested a role for the non-endocrine pancreas in glucose homeostasis. Functional studies demonstrated that a novel FG/FI association at the liver-enriched G6PC transcript was driven by multiple rare loss-of-function variants. The FG/HbA1c-associated, islet-specific G6PC2 transcript also contained multiple rare functional variants, including two alleles within the same codon with divergent effects on glucose levels. Our findings highlight the value of integrating genomic and functional data to maximize biological inference. Highlights 23 novel coding variant associations (single-point and gene-based) for glycemic traits 51 effector transcripts highlighted different pathway/tissue signatures for each trait The exocrine pancreas and gut influence fasting and 2h glucose, respectively Multiple variants in liver-enriched G6PC and islet-specific G6PC2 influence glycemia

General cognitive function is a prominent human trait associated with many important life outcomes 1,2 , including longevity 3 . The substantial heritability of general cognitive function is known to be polygenic, but it has had little explication in terms of the contributing genetic variants 4,5,6 . Here, we combined cognitive and genetic data from the CHARGE and COGENT consortia, and UK Biobank (total N=280,360; age range = 16 to 102). We found 9,714 genome-wide significant SNPs ( P <5 x 10 −8 ) in 99 independent loci. Most showed clear evidence of functional importance. Among many novel genes associated with general cognitive function were SGCZ , ATXN1 , MAPT , AUTS2 , and P2RY6 . Within the novel genetic loci were variants associated with neurodegenerative disorders, neurodevelopmental disorders, physical and psychiatric illnesses, brain structure, and BMI. Gene-based analyses found 536 genes significantly associated with general cognitive function; many were highly expressed in the brain, and associated with neurogenesis and dendrite gene sets. Genetic association results predicted up to 4% of general cognitive function variance in independent samples. There was significant genetic overlap between general cognitive function and information processing speed, as well as many health variables including longevity.

Abstract Humans vary substantially in their willingness to take risks. In a combined sample of over one million individuals, we conducted genome-wide association studies (GWAS) of general risk tolerance, adventurousness, and risky behaviors in the driving, drinking, smoking, and sexual domains. We identified 611 approximately independent genetic loci associated with at least one of our phenotypes, including 124 with general risk tolerance. We report evidence of substantial shared genetic influences across general risk tolerance and risky behaviors: 72 of the 124 general risk tolerance loci contain a lead SNP for at least one of our other GWAS, and general risk tolerance is moderately to strongly genetically correlated ( to 0.50) with a range of risky behaviors. Bioinformatics analyses imply that genes near general-risk-tolerance-associated SNPs are highly expressed in brain tissues and point to a role for glutamatergic and GABAergic neurotransmission. We find no evidence of enrichment for genes previously hypothesized to relate to risk tolerance.

Abstract Identifying predictors of cognitive ability and brain structure in later life is an important step towards understanding the mechanisms leading to cognitive decline and dementia. This study used ultra-performance liquid chromatography mass spectrometry (UPLC-MS) and nuclear magnetic resonance (NMR) to measure targeted and untargeted metabolites, mainly lipids and lipoproteins, in ∼600 members of the Lothian Birth Cohort 1936 (LBC1936) at aged ∼73 years. Penalized regression models (LASSO) were then used to identify sets of metabolites that predict variation in general cognitive ability and structural brain variables. UPLC-MS-POS measured lipids, together predicted 19% of the variance in total brain volume and 17% of the variance in both grey matter and normal appearing white matter volumes. Multiple subclasses of lipids were included in the predictor, but the best performing lipid was the sphingomyelin SM(d18:2/14:0) which occurred in 100% of iterations of all three significant models. No metabolite set predicted cognitive ability, or white matter hyperintensities or connectivity. Future studies should concentrate on identifying specific lipids as potential cognitive and brain-structural biomarkers in older individuals.

We investigated the effects of 35 inflammatory cytokines on respiratory outcomes, including COVID-19, asthma (atopic and non-atopic), chronic obstructive pulmonary disease (COPD), and pulmonary function indices, using Mendelian randomization and colocalization analyses. The emerging associations were further explored using observational analyses in the UK Biobank. We found an inverse association between genetically predicted macrophage colony stimulating factor (MCSF), soluble intercellular adhesion molecule-1 (sICAM), and soluble vascular cell adhesion molecule-1 with risk of COVID-19 outcomes. sICAM was positively associated with atopic asthma risk, whereas tumor necrosis factor-alfa showed an inverse association. A positive association was shown between interleukin-18 and COPD risk (replicated in observational analysis), whereas an inverse association was shown for interleukin-1 receptor antagonist (IL-1ra). IL-1ra and monocyte chemotactic protein-3 were positively associated with lung function indices, whereas inverse associations were shown for MCSF and interleukin-18 (replicated in observational analysis). Our results point to these cytokines as potential pharmacological targets for respiratory traits.

Maternal smoking during pregnancy is associated with adverse offspring health outcomes across their life course. We hypothesize that DNA methylation is a potential mediator of this relationship. To test this, we examined the association of prenatal maternal smoking with DNA methylation in 2,821 individuals (age 16 to 48 years) from five prospective birth cohort studies and perform Mendelian randomization and mediation analyses to assess, whether methylation markers have causal effects on disease outcomes in the offspring. We identify 69 differentially methylated CpGs in 36 genomic regions (P < 10-7), and show that DNA methylation may represent a biological mechanism through which maternal smoking is associated with increased risk of psychiatric morbidity in the exposed offspring.