Genome scans, including both genome-wide association studies and deep sequencing, continue to discover a growing number of significant association signals for various traits. However, often variants meeting genome-wide significance criteria explain far less of the overall trait variance than “sub-threshold” association signals. To extract these sub-threshold signals, there is a need for methods which accurately estimate the mean of all (normally-distributed) test-statistics from a genome scan (i.e., Z-scores). This is currently achieved by the difficult procedures of adjusting all Z-score (χ_1^2) statistics for “winner’s curse” (multiple testing). Given that multiple testing adjustments are much simpler for p-values, we propose a method for estimating Z-scores means by i) first adjusting their p-values for multiple testing and then ii) transforming the adjusted p-values to upper tail Z-scores with the sign of the original statistics. Because a False Discovery Rate (FDR) procedure is used for multiple testing adjustment, we denote this method FDR Inverse Quantile Transformation (FIQT). When compared to competitors, e.g. Empirical Bayes (including proposed improvements), FIQT is more i) accurate and ii) computationally efficient by orders of magnitude. Its accuracy advantage is substantial at larger sample sizes and/or moderate numbers of association signals. Practical application of FIQT to Z-scores from the first Psychiatric Genetic Consortium (PGC) schizophrenia predicts a non-trivial fraction of the significant signal regions from the subsequent published PGC schizophrenia studies. Finally, we suggest that FIQT might be i) used to improve subject level risk prediction and ii) further improved by modelling the noncentrality of χ_1^2 statistics.

Genotype imputation across populations of mixed ancestry is critical for optimal discovery in large-scale genome-wide association studies (GWAS). Methods for direct imputation of GWAS summary statistics were previously shown to be practically as accurate as summary statistics produced after raw genotype imputation, while incurring orders of magnitude lower computational burden. Given that direct imputation needs a precise estimation of linkage-disequilibrium (LD) and that most of the methods using a small reference panel e.g., ~2,500 subject coming from the 1000 Genome Project, there is a great need for much larger and more diverse reference panels. To accurately estimate the LD needed for an exhaustive analysis of any cosmopolitan cohort, we developed DISTMIX2. DISTMIX2: i) uses a much larger and more diverse reference panel and ii) estimates weights of ethnic mixture based solely on Z-scores (when AFs are not available). We applied DISTMIX2 to GWAS summary statistics from the Psychiatric Genetic Consortium (PGC). DISTMIX2 uncovered signals in numerous new regions, with most of these findings coming from the rarer variants. Rarer variants provide much sharper location for the signals compared with common variants, as the LD for rare variants extends over a lower distance than for common ones. For example, while the original PGC post-traumatic stress disorder (PTSD) study found only 3 marginal signals for common variants, we now uncover a very strong signal for a rare variant in PKN2, a gene associated with neuronal and hippocampal development. Thus, DISTMIX2 provides a robust and fast (re)imputation approach for most Psychiatric GWAS studies.### Competing Interest StatementThe authors have declared no competing interest.

Recently, long noncoding RNA (lncRNA) were implicated in the etiology of alcohol dependence (AD). As lncRNA provide another layer of complexity to the transcriptome, assessing their expression in the brain is the first critical step towards understanding lncRNA functions in AD. To that end, we profiled the expression of lncRNA and protein coding genes (PCG) in nucleus accumbens (NAc) from 41 subjects with AD and 41 controls. At false discovery rate (FDR) of 5%, we identified 69 and 309 differentially expressed lncRNA and PCG genes, respectively. Using co-expression network analyses, we identified three lncRNA and five PCG modules significantly correlated with AD at Bonferroni adj. p≤0.05. To better understand lncRNA functions, we integrated the lncRNA and PCG hubs from the significant AD modules; at FDR of 5%, we identified 3 151 positive and 2 255 negative correlations supporting the functional role of lncRNA in the development of AD. Gene enrichment analysis revealed that PCG significantly correlated with lncRNA are, among others, enriched for neuronal and immune related processes. To highlight the mechanisms, by which genetic variants contribute to AD, we integrated lncRNA and PCG hubs with genome-wide SNP data. At FDR≤0.3, we identified 276 expression quantitative trait loci (eQTL), affecting the expression of 20 and 256 lncRNA and PCG hubs, respectively. Our study is the first to profile lncRNA expression in nucleus accumbens in a large postmortem alcohol brain sample and our results may provide novel insights into the regulation of the brain transcriptome across disease.

Genome-wide and, very soon, sequencing association studies, might yield multiple regions harbouring interesting association signals. Given that each region encompasses numerous variants in high linkage disequilibrium, it is not clear which are i) truly causal or ii) just reasonably close to the causal ones. Researchers proposed many methods to predict, albeit not test, the causal SNPs in a region, a process commonly denoted as fine-mapping. Unfortunately, all existing fine-mapping methods output posterior causality probabilities assuming that causal SNPs are among those already measured in the study, or have been catalogued elsewhere. However, due to technological and computational obstacles in calling many types of genetic variants, such assumption is not realistic. We propose a novel method/software, denoted as Quasi-CAausality Test (QCAT), for testing (not just predicting) the causality of any catalogued genetic variant. QCAT i) makes no assumption that causal variants are among catalogued variants, and ii) makes use of easily available summary statistics from genetic studies, e.g. variant association Z-scores, to make statistical inferences. The proposed statistical test controls the type I error at or below the desired level. Its practical application to well-known smoking association signals provide some insightful results.

ABSTRACT Motivation : To increase detection power, researchers use gene level analysis methods to aggregate weak marker signals. Due to gene expression controlling biological processes, researchers proposed aggregating signals for expression Quantitative Trait Loci (eQTL). Most gene-level eQTL methods make statistical inferences based on i) summary statistics from genome-wide association studies (GWAS) and ii) linkage disequilibrium (LD) patterns from a relevant reference panel. While most such tools assume homogeneous cohorts, our Gene-level Joint Analysis of functional SNPs in Cosmopolitan Cohorts (JEPEGMIX) method accommodates cosmopolitan cohorts by using heterogeneous panels. However, JEPGMIX relies on brain eQTLs from older gene expression studies and does not adjust for background enrichment in GWAS signals. Results: We propose JEPEGMIX2, an extension of JEPEGMIX. When compared to JPEGMIX, it uses i) cis-eQTL SNPs from the latest expression studies and ii) brains specific (sub)tissues and tissues other than brain. JEPEGMIX2 also i) avoids accumulating averagely enriched polygenic information by adjusting for background enrichment and ii), to avoid an increase in false positive rates for studies with numerous highly enriched (above the background) genes, it outputs gene q-values based on Holm adjustment of p-values.

Genetic signal detection in genome-wide association studies (GWAS) is enhanced by pooling small signals from multiple Single Nucleotide Polymorphism (SNP), e.g. across genes and pathways. Because genes are believed to influence traits via gene expression, it is of interest to combine information from expression Quantitative Trait Loci (eQTLs) in a gene or genes in the same pathway. Such methods, widely referred as transcriptomic wide association analysis (TWAS), already exist for gene analysis. Due to the possibility of eliminating most of the confounding effect of linkage disequilibrium (LD) from TWAS gene statistics, pathway TWAS methods would be very useful in uncovering the true molecular bases of psychiatric disorders. However, such methods are not yet available for arbitrarily large pathways/gene sets. This is possibly due to it quadratic (in the number of SNPs) computational burden for computing LD across large regions. To overcome this obstacle, we propose JEPEGMIX2-P, a novel TWAS pathway method that i) has a linear computational burden, ii) uses a large and diverse reference panel (33K subjects), iii) is competitive (adjusts for background enrichment in gene TWAS statistics) and iv) is applicable as-is to ethnically mixed cohorts. To underline its potential for increasing the power to uncover genetic signals over the state-of-the-art and commonly used non-transcriptomics methods, e.g. MAGMA, we applied JEPEGMIX2-P to summary statistics of most large meta-analyses from Psychiatric Genetics Consortium (PGC). While our work is just the very first step toward clinical translation of psychiatric disorders, PGC anorexia results suggest a possible avenue for treatment.### Competing Interest StatementThe authors have declared no competing interest.

Abstract Post-traumatic stress disorder (PTSD), a consequence of psychological trauma, is associated with increased inflammation and an elevated risk of developing comorbid inflammatory diseases. However, the mechanistic link between this mental health disorder and inflammation remains elusive. Using a pre-clinical model of PTSD known as repeated social defeat stress (RSDS), we previously identified that S100a8 and S100a9 mRNA, genes that encode the protein calprotectin, were significantly upregulated in T-lymphocytes after psychological trauma. Calprotectin expression positively correlated with inflammatory gene expression and the mitochondrial redox environment in T-lymphocytes, therefore, we hypothesized that genetic deletion of calprotectin would attenuate the inflammatory and redox phenotype displayed after RSDS. Using pharmacological and genetic manipulation of S100a9 (which functionally eliminates calprotectin) in mice, we unexpectedly observed worsening of behavioral pathology, inflammation, and the mitochondrial redox environment in mice after RSDS compared to wild-type (WT) animals. Furthermore, loss of calprotectin significantly enhanced the metabolic demand on T-lymphocytes suggesting this protein may play an undescribed role in mitochondrial regulation. This was further supported by single-cell RNA sequencing analysis demonstrating that RSDS and loss of S100a9 primarily altered genes associated with mitochondrial function and oxidative phosphorylation. Taken together, these data demonstrate the loss of calprotectin potentiates the RSDS-induced phenotype, which suggests its observed upregulation after psychological trauma may provide previously unexplored protective functions.

ABSTRACT Background Excessive alcohol consumption has become a growing public health concern worldwide due to the potential development of alcohol dependence (AD). Prolonged alcohol abuse leads to dysregulation of the mesocorticolimbic pathway (MCL), effectively disrupting executive functioning and the allostatic conditioning of reward response. Methods We utilized weighted gene co-expressed network analysis (WGCNA) and network preservation using a case/control study design ( n =35) to identify unique and shared biological processes dysregulated in AD in the prefrontal cortex (PFC) and nucleus accumbens (NAc). We used correlation and regression analyses to identify mRNA/miRNA interactions and local expression quantitative trait loci (cis-eQTL) to identify genetic regulatory mechanisms for networks significantly associated with AD. Results Network analyses revealed 6 and 3 significant mRNA modules from the NAc and PFC, respectively. Network preservation revealed immune response upregulation in both regions, whereas cellular morphogenesis/localization and cilia-based cell projection processes were upregulated only in the NAc. We observed 4 significantly correlated module eigengenes (ME) between the significant mRNA and miRNA modules in PFC, and 6 significant miRNA/mRNA ME correlations in NAc, with the mir-449a/b cluster emerging as a potential regulator for cellular morphogenesis/localization dysregulation in this brain region. Finally, we identified cis-eQTLs (37 mRNA and 9 miRNA in NAc, and 17 mRNA and 16 miRNA in PFC) which potentially mediate alcohol’s effect in a brain region-specific manner. Conclusion In agreement with previous reports, we observed a generalized upregulation of immune response processes in subjects with AD, that highlights alcohol’s neurotoxic properties, while simultaneously demonstrating distinct molecular changes in subcortical brain regions as a result of chronic alcohol abuse. Such changes further support previous neuroimaging and physiological studies that emphasize the distinct roles PFC and NAc play in the development of addictive behaviors.

A bstract Epigenome-wide association studies (EWAS) aim to provide evidence that marks of DNA methylation (DNAm) have downstream consequences that can result in the development of human diseases. Although these methods have been successful in identifying DNAm patterns associated with disease states, any further characterization of etiologic mechanisms underlying disease remains elusive. This knowledge gap does not originate from a lack of DNAm-trait associations, but rather stems from study design issues that affect the interpretability of EWAS results. Despite known limitations in predicting the function of a particular CpG site, most EWAS maintain the broad assumption that altered DNAm results in a concomitant change of transcription at the most proximal gene. This study integrated DNAm and gene expression (GE) measurements in two cohorts, the Adolescent and Young Adult Twin Study (AYATS) and the Pregnancy, Race, Environment, Genes (PREG) study, to improve the understanding of epigenomic regulatory mechanisms. CpG sites associated with GE in cis were enriched in areas of transcription factor binding and areas of intermediate-to-low CpG density. CpG sites associated with trans GE were also enriched in areas of known regulatory significance, including enhancer regions. These results highlight issues with restricting DNAm-transcript annotations to small genomic intervals and question the validity of assuming a canonical cis DNAm-GE pathway. Based on these findings, the interpretation of EWAS results is limited in studies without multi-omic support and further research should identify genomic regions in which GE-associated DNAm is overrepresented.