A cardinal symptom of major depressive disorder (MDD) is the disruption of circadian patterns. However, to date, there is no direct evidence of circadian clock dysregulation in the brains of patients who have MDD. Circadian rhythmicity of gene expression has been observed in animals and peripheral human tissues, but its presence and variability in the human brain were difficult to characterize. Here, we applied time-of-death analysis to gene expression data from high-quality postmortem brains, examining 24-h cyclic patterns in six cortical and limbic regions of 55 subjects with no history of psychiatric or neurological illnesses ("controls") and 34 patients with MDD. Our dataset covered ~12,000 transcripts in the dorsolateral prefrontal cortex, anterior cingulate cortex, hippocampus, amygdala, nucleus accumbens, and cerebellum. Several hundred transcripts in each region showed 24-h cyclic patterns in controls, and >100 transcripts exhibited consistent rhythmicity and phase synchrony across regions. Among the top-ranked rhythmic genes were the canonical clock genes BMAL1(ARNTL), PER1-2-3, NR1D1(REV-ERBa), DBP, BHLHE40 (DEC1), and BHLHE41(DEC2). The phasing of known circadian genes was consistent with data derived from other diurnal mammals. Cyclic patterns were much weaker in the brains of patients with MDD due to shifted peak timing and potentially disrupted phase relationships between individual circadian genes. This transcriptome-wide analysis of the human brain demonstrates a rhythmic rise and fall of gene expression in regions outside of the suprachiasmatic nucleus in control subjects. The description of its breakdown in MDD suggests potentially important molecular targets for treatment of mood disorders.

In this report we describe findings that imply dysregulation of several fibroblast growth factor (FGF) system transcripts in frontal cortical regions of brains from human subjects with major depressive disorder (MDD). This altered gene expression was discovered by microarray analysis of frontal cortical tissue from MDD, bipolar, and nonpsychiatric control subjects and was verified by quantitative real-time PCR analysis and, importantly, in a separate cohort of MDD subjects. Furthermore, we show, through a separate analysis of specific serotonin reuptake inhibitor (SSRI)-treated and non-SSRI-treated MDD subjects that the observed changes in expression of FGF transcripts are not secondary to drug treatment. Rather, changes in specific FGF transcripts are attenuated by SSRIs and may thus be partially responsible for the mechanism of action of these drugs. We also make available the gene-expression profile of all of the other growth factors and growth factor receptors detected in these postmortem samples.

Psychiatric disorders are multigenic diseases with complex etiology that contribute significantly to human morbidity and mortality. Although clinically distinct, several disorders share many symptoms, suggesting common underlying molecular changes exist that may implicate important regulators of pathogenesis and provide new therapeutic targets.We performed RNA sequencing on tissue from the anterior cingulate cortex, dorsolateral prefrontal cortex, and nucleus accumbens from three groups of 24 patients each diagnosed with schizophrenia, bipolar disorder, or major depressive disorder, and from 24 control subjects. We identified differentially expressed genes and validated the results in an independent cohort. Anterior cingulate cortex samples were also subjected to metabolomic analysis. ChIP-seq data were used to characterize binding of the transcription factor EGR1.We compared molecular signatures across the three brain regions and disorders in the transcriptomes of post-mortem human brain samples. The most significant disease-related differences were in the anterior cingulate cortex of schizophrenia samples compared to controls. Transcriptional changes were assessed in an independent cohort, revealing the transcription factor EGR1 as significantly down-regulated in both cohorts and as a potential regulator of broader transcription changes observed in schizophrenia patients. Additionally, broad down-regulation of genes specific to neurons and concordant up-regulation of genes specific to astrocytes was observed in schizophrenia and bipolar disorder patients relative to controls. Metabolomic profiling identified disruption of GABA levels in schizophrenia patients.We provide a comprehensive post-mortem transcriptome profile of three psychiatric disorders across three brain regions. We highlight a high-confidence set of independently validated genes differentially expressed between schizophrenia and control patients in the anterior cingulate cortex and integrate transcriptional changes with untargeted metabolite profiling.

Psychiatric illness is unlikely to arise from pathology occurring uniformly across all cell types in affected brain regions. Despite this, transcriptomic analyses of the human brain have typically been conducted using macro-dissected tissue due to the difficulty of performing single-cell type analyses with donated post-mortem brains. To address this issue statistically, we compiled a database of several thousand transcripts that were specifically-enriched in one of 10 primary cortical cell types in previous publications. Using this database, we predicted the relative cell type content for 833 human cortical samples using microarray or RNA-Seq data from the Pritzker Consortium (GSE92538) or publicly-available databases (GSE53987, GSE21935, GSE21138, CommonMind Consortium). These predictions were generated by averaging normalized expression levels across transcripts specific to each cell type using our R-package BrainInABlender (validated and publicly-released on github). Using this method, we found that the principal components of variation in the datasets strongly correlated with the predicted neuronal/glial content of the samples. This variability was not simply due to dissection–the relative balance of brain cell types appeared to be influenced by a variety of demographic, pre- and post-mortem variables. Prolonged hypoxia around the time of death predicted increased astrocytic and endothelial gene expression, illustrating vascular upregulation. Aging was associated with decreased neuronal gene expression. Red blood cell gene expression was reduced in individuals who died following systemic blood loss. Subjects with Major Depressive Disorder had decreased astrocytic gene expression, mirroring previous morphometric observations. Subjects with Schizophrenia had reduced red blood cell gene expression, resembling the hypofrontality detected in fMRI experiments. Finally, in datasets containing samples with especially variable cell content, we found that controlling for predicted sample cell content while evaluating differential expression improved the detection of previously-identified psychiatric effects. We conclude that accounting for cell type can greatly improve the interpretability of transcriptomic data.

Suicides have increased to over 48,000 deaths yearly in the United States. Major depressive disorder (MDD) is the most common diagnosis among suicides, and identifying those at the highest risk for suicide is a pressing challenge. The objective of this study is to identify changes in gene expression associated with suicide in brain and blood for the development of biomarkers for suicide. Blood and brain were available for 45 subjects (53 blood samples and 69 dorsolateral prefrontal cortex (DLPFC) samples in total). Samples were collected from MDD patients who died by suicide (MDD-S), MDDs who died by other means (MDD-NS) and non-psychiatric controls. We analyzed gene expression using RNA and the NanoString platform. In blood, we identified 14 genes which significantly differentiated MDD-S versus MDD-NS. The top six genes differentially expressed in blood were: PER3, MTPAP, SLC25A26, CD19, SOX9, and GAR1. Additionally, four genes showed significant changes in brain and blood between MDD-S and MDD-NS; SOX9 was decreased and PER3 was increased in MDD-S in both tissues, while CD19 and TERF1 were increased in blood but decreased in DLPFC. To our knowledge, this is the first study to analyze matched blood and brain samples in a well-defined population of MDDs demonstrating significant differences in gene expression associated with completed suicide. Our results strongly suggest that blood gene expression is highly informative to understand molecular changes in suicide. Developing a suicide biomarker signature in blood could help health care professionals to identify subjects at high risk for suicide.

Abstract The frontal pole (Brodmann area 10, BA10) is the largest cytoarchitectonic region of the human cortex, performing complex integrative functions. BA10 undergoes intensive adolescent grey matter pruning prior to the age of onset for bipolar disorder (BP) and schizophrenia (SCHIZ), and its dysfunction is likely to underly aspects of their shared symptomology. In this study, we investigated the role of BA10 neurotransmission-related gene expression in BP and SCHIZ. We performed qPCR to measure the expression of 115 neurotransmission-related targets in control, BP, and SCHIZ postmortem samples ( n = 72). We chose this method for its high sensitivity to detect low-level expression. We then strengthened our findings by performing a meta-analysis of publicly released BA10 microarray data ( n = 101) and identified sources of convergence with our qPCR results. To improve interpretation, we leveraged the unusually large database of clinical metadata accompanying our samples to explore the relationship between BA10 gene expression, therapeutics, substances of abuse, and symptom profiles, and validated these findings with publicly available datasets. Using these convergent sources of evidence, we identified 20 neurotransmission-related genes that were differentially expressed in BP and SCHIZ in BA10. These results included a large diagnosis-related decrease in two important therapeutic targets with low levels of expression, HTR2B and DRD4, as well as other findings related to dopaminergic, GABAergic and astrocytic function. We also observed that therapeutics may produce a differential expression that opposes diagnosis effects. In contrast, substances of abuse showed similar effects on BA10 gene expression as BP and SCHIZ, potentially amplifying diagnosis-related dysregulation.

Supplemental tables S1â S10. (XLSX 349 kb)

Abstract Brodmann Area 10 (BA10) is the largest cytoarchitectonic region of the human cortex, performing complex integrative functions. BA10 undergoes intensive adolescent grey matter pruning around the average age of onset for Bipolar disorder (BP) and Schizophrenia (SCHIZ), and its dysfunction is likely to underly aspects of their shared symptomology. In this study, we investigated the role of BA10 neurotransmission-related gene expression in BP and SCHIZ. We performed qPCR to measure the expression of 115 neurotransmission-related targets in control, BP, and SCHIZ post-mortem samples ( n =72). We chose this method for its high sensitivity to detect low-level expression. We then bolstered our findings by performing a meta-analysis of publicly-released BA10 microarray data ( n =101) and identified sources of convergence with our qPCR results. To improve interpretation, we compiled an unusually large database of clinical metadata for our samples. We used this data to explore the relationship between BA10 gene expression, therapeutics, substances of abuse, and symptom profiles, and validated these findings with publicly-available datasets. Using these convergent sources of evidence, we identified 20 neurotransmission-related genes that were differentially expressed in BP and SCHIZ in BA10. These results included a large diagnosis-related decrease in two important therapeutic targets with low-levels of expression, HTR2B and DRD4, as well as other findings related to dopaminergic, GABA-ergic and astrocytic function. We also observed that therapeutics may produce differential expression that opposes the effects of diagnosis. In contrast, substances of abuse showed similar effects on BA10 gene expression as BP and SCHIZ, potentially amplifying diagnosis-related dysregulation.

DATA ABSTRACT: 
 Brodmann Area 10 (BA10) is the largest cytoarchitectonic region of the human cortex, performing complex integrative functions. BA10 undergoes intensive adolescent grey matter pruning around the average age of onset for Bipolar disorder (BP) and Schizophrenia (SCHIZ), and its dysfunction is likely to underly aspects of their shared symptomology. In this study, we investigated the role of BA10 neurotransmission-related gene expression in BP and SCHIZ. We performed qPCR to measure the expression of 115 neurotransmission-related targets in control, BP, and SCHIZ post-mortem samples (n=72). We chose this method for its high sensitivity to detect low-level expression. To improve interpretation, we compiled an unusually large database of clinical metadata for our samples. We used this data to explore the relationship between BA10 gene expression, therapeutics, substances of abuse, and symptom profiles, and validated these findings with publicly-available datasets. 
 DATA FILES: 
 1)"TableS1_AllSampleDemographics_wExploratory_ForFigShare.xlsx": Contains the metadata for the samples for all subjects ("Subject ID"), including demographics, clinical characteristics, pre- and post-mortem factors, and technical information. 
 2)"Concatenated_GabaGlu_ForFigShare.csv" and "Concatenated_DA5HT_ForFigShare.csv": The qPCR output for the experiment focused on targets related to the GABA and glutamate ("GabaGlu") neurotransmitter systems and Dopamine and Serotonin ("DA5HT") neurotransmitter systems. The samples for all subjects ("Subject ID") were run in either duplicate or quadruplicate. 
 RELEVANT METHODS: 
 This research was overseen and approved by the University of Michigan Institutional Review Board, Pritzker Neuropsychiatric Disorders Research Consortium, and the University of California Irvine Institutional Review Board. Key Resources (Table S1) and full methodological details are documented in the supplement. 
 Human samples were collected through the University of California-Irvine Pritzker Brain Donor Program with informed consent from next of kin (n=72, CTRL: n=27, BPD: n=21, SCHIZ: n=24; Table S2, Fig S1). A detailed psychological autopsy was performed using coroner records, medical records, and interviews with next-of-kin (Appendix 1). This information was used to confirm BP and SCHIZ diagnosis, and ensure absence of neurological or psychiatric disorder in CTRL subjects or their first-degree relatives. Other clinical information was summarized as 49 exploratory variables (Fig S2) denoting the presence or absence of 1) medication, 2) exposure to alcohol or drugs of abuse, and 3) diagnosis-related symptoms. 
 Brains were extracted during autopsy and kept on ice until being sliced into 1 cm thick coronal slabs, then snap-frozen for storage (-80℃) until microdissection. After counterbalancing processing batches by diagnosis, samples were blinded, and the foremost rostral slab from the left hemisphere was sub-dissected to obtain blocks averaging 500 µg containing lateral BA10 (Fig S3), a subregion implicated in SCHIZ. RNA was extracted using TRIzol™ and purified (RNeasy® Mini Kit). cDNA was synthesized (iScript Reverse Transcription Supermix kit) and analyzed in duplicate via qPCR (Applied Biosystems ViiA 7 real time PCR system) using two sets of ThermoFisher Scientific Taqman Gene Expression Array qPCR cards: 1) “Human GABA Glutamate” (REF#4342259): 84 targets (12 reference genes), 2) “Dopamine Serotonin” (REF#4342253): 31 targets (17 reference genes) (Table S3). These cards were preloaded with a complete list of targets for the main neurotransmitter systems in the frontal cortex: glutamate, GABA, dopamine, and serotonin, including receptors, transporters, metabolic enzymes, and other associated molecules. The cards were further customized to include several well-known markers for interneuron subtypes (SST, PVALB, CALB1) and astrocytes (AQP4, GJA1, GFAP, KCNJ10, S100B) to enhance the interpretation of neurotransmission-related data. Prior to differential expression analysis, the qPCR quantification cycle (Cq) data for targets was normalized using the average reference gene expression for each sample to produce -deltaCq values. 
 
 
 

Psychiatric illness is unlikely to arise from pathology occurring uniformly across all cell types in affected brain regions. Despite this, transcriptomic analyses of the human brain have typically been conducted using macro-dissected tissue due to the difficulty of performing single-cell type analyses with donated post-mortem brains. To address this issue statistically, we compiled a database of several thousand transcripts that were specifically-enriched in one of 10 primary cortical cell types in previous publications. Using this database, we predicted the relative cell type composition for 833 human cortical samples using microarray or RNA-Seq data from the Pritzker Consortium (GSE92538) or publicly-available databases (GSE53987, GSE21935, GSE21138, CommonMind Consortium). These predictions were generated by averaging normalized expression levels across transcripts specific to each cell type using our R-package BrainInABlender (validated and publicly-released: https://github.com/hagenaue/BrainInABlender). Using this method, we found that the principal components of variation in the datasets strongly correlated with the neuron to glia ratio of the samples. This variability was not simply due to dissection - the relative balance of brain cell types appeared to be influenced by a variety of demographic, pre- and post-mortem variables. Prolonged hypoxia around the time of death predicted increased astrocytic and endothelial gene expression, illustrating vascular upregulation. Aging was associated with decreased neuronal gene expression. Red blood cell gene expression was reduced in individuals who died following systemic blood loss. Subjects with Major Depressive Disorder had decreased astrocytic gene expression, mirroring previous morphometric observations. Subjects with Schizophrenia had reduced red blood cell gene expression, resembling the hypofrontality detected in fMRI experiments. Finally, in datasets containing samples with especially variable cell content, we found that controlling for predicted sample cell content while evaluating differential expression improved the detection of previously-identified psychiatric effects. We conclude that accounting for cell type can greatly improve the interpretability of transcriptomic data.