Impulsivity has been strongly linked to addictive behaviors, but can be operationalized in a number of ways that vary considerably in overlap, suggesting multidimensionality.This study tested the hypothesis that the latent structure among multiple measures of impulsivity would reflect the following three broad categories: impulsive choice, reflecting discounting of delayed rewards; impulsive action, reflecting ability to inhibit a prepotent motor response; and impulsive personality traits, reflecting self-reported attributions of self-regulatory capacity.The study used a cross-sectional confirmatory factor analysis of multiple impulsivity assessments. Participants were 1252 young adults (62 % female) with low levels of addictive behavior, who were assessed in individual laboratory rooms at the University of Chicago and the University of Georgia. The battery comprised a Delay (replace hyphen with space) Discounting Task, Monetary Choice Questionnaire, Conners' Continuous Performance Test, Go/NoGo Task, Stop Signal Task, Barratt Impulsiveness Scale, and the UPPS-P Impulsive Behavior Scale.The hypothesized three-factor model provided the best fit to the data, although sensation seeking was excluded from the final model. The three latent factors were largely unrelated to each other and were variably associated with substance use.These findings support the hypothesis that diverse measures of impulsivity can broadly be organized into three categories that are largely distinct from one another. These findings warrant investigation among individuals with clinical levels of addictive behavior and may be applied to understanding the underlying biological mechanisms of these categories.

Abstract Background Prior research has identified altered brain structure and function in individuals at risk for self-directed violence thoughts and behaviors. However, these studies have largely utilized healthy controls and findings have been inconsistent. Thus, this study examined differences in resting-state functional network connectivity among individuals with lifetime suicide attempt(s) versus lifetime self-directed violence thoughts alone. Methods Using data from the UK Biobank, this study utilized a series of linear regressions to compare individuals with lifetime suicide attempt(s) ( n = 566) versus lifetime self-directed violence thoughts alone ( n = 3,447) on within- and between-network resting-state functional connectivity subnetworks. Results There were no significant between-group differences for between-network, within-network, or whole-brain functional connectivity after adjusting for age, sex, ethnicity, and body mass index and performing statistical corrections for multiple comparisons. Conclusions Resting-state network measures may not differentiate between individuals with lifetime suicide attempt(s) and lifetime self-directed violence thoughts alone. Null findings diverge from results reported in smaller neuroimaging studies of suicide risk, but are consistent with null findings in other large-scale studies and meta-analyses. Strengths of the study include its large sample size and stringent control group. Future research on a wider array of imaging, genetic, and psychosocial risk factors can clarify relative contributions of individual and combined variables to suicide risk and inform scientific understanding of ideation-to-action framework.

Background: Impulsive personality traits are complex heritable traits that are governed by frontal-subcortical circuits and are associated with numerous neuropsychiatric disorders, particularly drug abuse. Methods: In collaboration with the genetics company 23andMe, Inc., we performed several genome-wide association studies (GWAS) on measures of impulsive personality traits (the short version of the UPPSP Impulsive Behavior Scale, and the Barratt Impulsiveness Scale [BIS-11]) and drug experimentation (the number of drug classes an individual has tried in their lifetime) in up to 22,861 male and female adult research participants of European ancestry. Results: Impulsive personality traits and drug experimentation showed SNP-heritabilities that ranged from 5 to 11%. Genetic variants in the CADM2 locus were significantly associated with the UPPSP Sensation Seeking subscale (P = 8.3 x 10-9, rs139528938) and showed a suggestive association with drug experimentation (P = 3.0 x 10-7, rs2163971; r2 = 0.68 with rs139528938); CADM2 has been previously associated with measures of risky behaviors and self-reported risk tolerance, cannabis initiation, alcohol consumption, as well as information speed processing, body mass index (BMI) variation and obesity. Furthermore, genetic variants in the CACNA1I locus were significantly associated with the UPPSP Negative Urgency subscale (P = 3.8 x 10-8, rs199694726). Multiple subscales from both UPPSP and BIS showed strong genetic correlations (>0.5) with drug experimentation and other substance use traits measured in independent cohorts, including smoking initiation, and lifetime cannabis use. Several UPPSP and BIS subscales were genetically correlated with attention-deficit/hyperactivity disorder (rg = 0.30-0.51, p < 8.69 x 10-3), supporting their validity as endophenotypes. Conclusions: Our findings demonstrate a role for common genetic contributions to individual differences in impulsivity. Furthermore, our study is the first to provide a genetic dissection of the relationship between different types of impulsive personality traits and various psychiatric disorders.

Delay discounting (DD), which is the tendency to discount the value of delayed versus current rewards, is elevated in a constellation of diseases and behavioral conditions. We performed a genome-wide association study of DD using 23,127 research participants of European ancestry. The most significantly associated SNP was rs6528024 (P = 2.40 x 10-8), which is located in an intron of the gene GPM6B. We also showed that 12% of the variance in DD was accounted for by genotype, and that the genetic signature of DD overlapped with attention-deficit/hyperactivity disorder, schizophrenia, major depression, smoking, personality, cognition, and body weight.

Novel treatments for alcohol use disorder (AUD) and alcohol-related liver disease (ALD) are greatly needed. We utilized a recently developed Bayesian approach, Integrative Risk Gene Selector (iRIGS), to identify high-confidence risk genes (HRGs) for alcohol consumption using SNPs from the largest alcohol consumption GWAS to date (N = 941,280). We subsequently used the Target Central Resource Database (TCRD) to search for drug-protein interactions for these HRGs and previously identified risk genes for alcohol consumption. We identified several HRGs for alcohol consumption that are novel contributions to the previously published alcohol consumption GWAS. Namely, ACVR2A, codes for activin receptor type-2A, which is critical for liver function, and PRKCE, codes for protein kinase C epsilon, which has been linked to alcohol consumption. Furthermore, several previously identified risk genes for alcohol consumption code for proteins that are implicated in liver function and are targeted by drugs that are promising candidates for managing hepatotoxicity (e.g., metformin), highlighting potential candidates for drug repurposing. This study demonstrates the value of incorporating regulatory information and drug-protein interaction data to highlight promising molecular targets and drugs for treating AUD and ALD.

Genetic factors contribute to the risk for developing alcohol use disorder (AUD). In collaboration with the genetics company 23andMe, Inc., we performed a genome-wide association (GWAS) study of the Alcohol Use Disorder Identification Test (AUDIT), an instrument designed to screen for alcohol misuse over the past year. Our final sample consisted of 20,328 research participants of European ancestry (55.3% females; mean age = 53.8, SD = 16.1) who reported ever using alcohol. Our results showed that the “chip-heritability” of AUDIT score, when treated as a continuous phenotype, was 12%. No loci reached genome-wide significance. The gene ADH1C, which has been previously implicated in AUD, was among our most significant associations (4.4 x 10-7; rs141973904). We also detected a suggestive association on chromosome 1 (2.1 x 10-7; rs182344113) near the gene KCNJ9, which has been implicated in mouse models of high ethanol drinking. Using LD score regression, we identified positive genetic correlations between AUDIT score and AUD, high alcohol consumption, and cigarette smoking. We also observed an unexpected positive genetic correlation between AUDIT and educational attainment, and additional unexpected negative correlations with BMI/obesity and attention-deficit/hyperactivity disorder (ADHD). We conclude that conducting a genetic study using data from a population unselected for AUD and responding to an online questionnaire may represent a cost-effective strategy for elucidating the etiology of AUD.