Abstract Categorizing people with late-onset Alzheimer’s disease into biologically coherent subgroups is important for personalized medicine. We evaluated data from five studies (total n=4 050, of whom 2 431 had genome-wide single nucleotide polymorphism (SNP) data). We assigned people to cognitively-defined subgroups on the basis of relative performance in memory, executive functioning, visuospatial functioning, and language at the time of Alzheimer’s disease diagnosis. We compared genotype frequencies for each subgroup to those from cognitively normal elderly controls. We focused on APOE and on SNPs with p<10 -5 and odds ratios more extreme than those previously reported for Alzheimer’s disease (<0.77 or >1.30). There was substantial variation across studies in the proportions of people in each subgroup. In each study, higher proportions of people with isolated substantial relative memory impairment had ≥1 APOE e4 allele than any other subgroup (overall p= 1.5 × 10 -27 ). Across subgroups, there were 33 novel suggestive loci across the genome with p<10 -5 and an extreme OR compared to controls, of which none had statistical evidence of heterogeneity and 30 had ORs in the same direction across all datasets. These data support the biological coherence of cognitively-defined subgroups and nominate novel genetic loci.

Abstract Continuous-wave functional near-infrared spectroscopy (fNIRS) neuroimaging provides an estimate of relative changes in oxygenated and de-oxygenated hemoglobin content, from which regional neural activity is inferred. The relation between both signals is governed by neurovascular coupling mechanisms. However, the magnitude of concentration changes and the contribution of noise sources to each chromophore is unique. Subsequently, it is not apparent if either chromophore signal practically provides greater information about the underlying neural state and relation to an experimental condition. To assess this question objectively, we applied a machine-learning approach to four datasets and evaluated which hemoglobin signal best differentiated between experimental conditions. To further ensure the objective nature of the analysis, the algorithm utilized all samples from the epoched data rather than pre-selected features. Regardless of experimental task, brain region, or stimulus, the oxygenated hemoglobin signal was better able to differentiate between conditions than the de-oxygenated signal. Incorporating both signals into the analysis provided no additional improvement over oxygenated hemoglobin alone. These results indicate that oxyhemoglobin is the most informative fNIRS signal in relation to experimental condition.

Abstract Alzheimer’s disease (AD) is a looming public health disaster with limited interventions. Alzheimer’s is a complex disease that can present with or without causative mutations and can be accompanied by a range of age-related comorbidities. This diverse presentation makes it difficult to study molecular changes specific to AD. To better understand the molecular signatures of disease we constructed a unique human brain sample cohort inclusive of autosomal dominant AD dementia (ADD), sporadic ADD, and those without dementia but with high AD histopathologic burden, and cognitively normal individuals with no/minimal AD histopathologic burden. All samples are clinically well characterized, and brain tissue was preserved postmortem by rapid autopsy. Samples from four brain regions were processed and analyzed by data-independent acquisition LC-MS/MS. Here we present a high-quality quantitative dataset at the peptide and protein level for each brain region. Multiple internal and external control strategies were included in this experiment to ensure data quality. All data are deposited in the ProteomeXchange repositories and available from each step of our processing.

Abstract Resilience to Alzheimer’s disease (RAD) is an uncommon combination of high disease burden without dementia that may provide critical insights into limiting the clinical impact of this incurable disease. In this study, we used mass spectrometry-based proteomics to quantify regional protein differences that characterize RAD. Starting with over 700 brain donations, we identified 43 extensively annotated research participants who met stringent inclusion exclusion criteria and analyzed matched isocortical regions, hippocampus, and caudate nucleus. Differential expression analysis of 7,115 soluble proteins identified lower isocortical and hippocampal soluble Aβ peptide levels as a significant feature of RAD. Protein co-expression analysis revealed a group of 181 densely-interacting proteins significantly associated with RAD that were enriched for actin filament-based process, cellular detoxification, and wound healing in isocortex and hippocampus. We further support our findings using data from 689 human isocortical samples from four independent external cohorts that were the closest approximations of our clinico-pathologic groups. The molecular basis of RAD, a widely replicated state in older adults for which there is no experimental model, likely holds important insights into therapeutic interventions for Alzheimer’s disease.

Background: We characterised the phenotypic consequence of genetic variation at the PCSK9 locus and compared findings with recent trials of pharmacological inhibitors of PCSK9. Methods: Published and individual participant level data (300,000+ participants) were combined to construct a weighted PCSK9 gene-centric score (GS). Fourteen randomized placebo controlled PCSK9 inhibitor trials were included, providing data on 79,578 participants. Results were scaled to a one mmol/L lower LDL-C concentration. Results: The PCSK9 GS (comprising 4 SNPs) associations with plasma lipid and apolipoprotein levels were consistent in direction with treatment effects. The GS odds ratio (OR) for myocardial infarction (MI) was 0.53 (95%CI 0.42; 0.68), compared to a PCSK9 inhibitor effect of 0.90 (95%CI 0.86; 0.93). For ischemic stroke ORs were 0.84 (95%CI 0.57; 1.22) for the GS, compared to 0.85 (95%CI 0.78; 0.93) in the drug trials. ORs with type 2 diabetes mellitus (T2DM) were 1.29 (95% CI 1.11; 1.50) for the GS, as compared to 1.00 (95%CI 0.96; 1.04) for incident T2DM in PCSK9 inhibitor trials. No genetic associations were observed for cancer, heart failure, atrial fibrillation, chronic obstructive pulmonary disease, or Alzheimer's disease - outcomes for which large-scale trial data were unavailable. Conclusions: Genetic variation at the PCSK9 locus recapitulates the effects of therapeutic inhibition of PCSK9 on major blood lipid fractions and MI. Apparent discordance between genetic associations and trial outcome for T2DM might be explained lack by a of statistical precision, or differences in the nature and duration of genetic versus pharmacological perturbation of PCSK9.

Body fat distribution is a heritable risk factor for a range of adverse health consequences, including hyperlipidemia and type 2 diabetes. To identify protein-coding variants associated with body fat distribution, assessed by waist-to-hip ratio adjusted for body mass index, we analyzed 228,985 predicted coding and splice site variants available on exome arrays in up to 344,369 individuals from five major ancestries for discovery and 132,177 independent European-ancestry individuals for validation. We identified 15 common (minor allele frequency, MAF ≥ 5%) and 9 low frequency or rare (MAF < 5%) coding variants that have not been reported previously. Pathway/gene set enrichment analyses of all associated variants highlight lipid particle, adiponectin level, abnormal white adipose tissue physiology, and bone development and morphology as processes affecting fat distribution and body shape. Furthermore, the cross-trait associations and the analyses of variant and gene function highlight a strong connection to lipids, cardiovascular traits, and type 2 diabetes. In functional follow-up analyses, specifically in Drosophila RNAi-knockdown crosses, we observed a significant increase in the total body triglyceride levels for two genes (DNAH10 and PLXND1). By examining variants often poorly tagged or entirely missed by genome-wide association studies, we implicate novel genes in fat distribution, stressing the importance of interrogating low-frequency and protein-coding variants.

Background: The human genome contains 'dark' gene regions that cannot be adequately assembled or aligned using standard short-read sequencing technologies, preventing researchers from identifying mutations within these gene regions that may be relevant to human disease. Here, we identify regions that are 'dark by depth' (few mappable reads) and others that are 'camouflaged' (ambiguous alignment), and we assess how well long-read technologies resolve these regions. We further present an algorithm to resolve most camouflaged regions (including in short-read data) and apply it to the Alzheimer's Disease Sequencing Project (ADSP; 13142 samples), as a proof of principle. Results: Based on standard whole-genome Illumina sequencing data, we identified 37873 dark regions in 5857 gene bodies (3635 protein-coding) from pathways important to human health, development, and reproduction. Of the 5857 gene bodies, 494 (8.4%) were 100% dark (142 protein-coding) and 2046 (34.9%) were ≥5% dark (628 protein-coding). Exactly 2757 dark regions were in protein-coding exons (CDS) across 744 genes. Long-read sequencing technologies from 10x Genomics, PacBio, and Oxford Nanopore Technologies reduced dark CDS regions to approximately 45.1%, 33.3%, and 18.2% respectively. Applying our algorithm to the ADSP, we rescued 4622 exonic variants from 501 camouflaged genes, including a rare, ten-nucleotide frameshift deletion in CR1, a top Alzheimer's disease gene. Conclusions: While we could not formally assess the CR1 frameshift mutation in Alzheimer's disease (insufficient sample-size), we believe it merits investigating in a larger cohort. There remain thousands of potentially important genomic regions overlooked by short-read sequencing that are largely resolved by long-read technologies.

Approximately 30% of older adults exhibit the neuropathologic features of Alzheimer's disease (AD) without signs of cognitive impairment. Yet, little is known about the genetic factors that allow these potentially resilient individuals to remain cognitively normal in the face of substantial neuropathology. We performed a large, genome-wide association study (GWAS) of two previously validated metrics of cognitive resilience quantified using a latent variable modeling approach and representing better-than-predicted cognitive performance for a given level of neuropathology. Data were harmonized across 5,108 participants from a clinical trial of AD and three longitudinal cohort studies of cognitive aging. All analyses were run across all participants and repeated restricting the sample to individuals with normal cognition to identify variants at the earliest stages of disease. As expected, all resilience metrics were genetically correlated with cognitive performance and education attainment traits (p-values<2.5x10-20), and we observed novel correlations with neuropsychiatric conditions (p-values<7.9x10-4). Notably, neither resilience metric was genetically correlated with clinical AD (p-values>0.42) nor associated with APOE (p-values>0.13). In single variant analyses, we observed a genome-wide significant locus among participants with normal cognition on chromosome 18 upstream of ATP8B1 (index SNP rs2571244, MAF=0.08, p=2.3x10-8). The top variant at this locus (rs2571244) was significantly associated with methylation in prefrontal cortex tissue at multiple CpG sites, including one just upstream of ATPB81 (cg19596477; p=2x10-13). Overall, this comprehensive genetic analysis of resilience implicates a putative role of vascular risk, metabolism, and mental health in protection from the cognitive consequences of neuropathology, while also providing evidence for a novel resilience gene along the bile acid metabolism pathway. Furthermore, the genetic architecture of resilience appears to be distinct from that of clinical AD, suggesting that a shift in focus to molecular contributors to resilience may identify novel pathways for therapeutic targets.

Abstract Electroencephalographic (EEG) source reconstruction is a powerful approach that helps to unmix scalp signals, mitigates volume conduction issues, and allows anatomical localization of brain activity. Algorithms used to estimate cortical sources require an anatomical model of the head and the brain, generally reconstructed using magnetic resonance imaging (MRI). When such scans are unavailable, a population average can be used for adults, but no average surface template is available for cortical source imaging in infants. To address this issue, this paper introduces a new series of 12 anatomical models for subjects between zero and 24 months of age. These templates are built from MRI averages and volumetric boundary element method segmentation of head tissues available as part of the Neurodevelopmental MRI Database. Surfaces separating the pia mater, the gray matter, and the white matter were estimated using the Infant FreeSurfer pipeline. The surface of the skin as well as the outer and inner skull surfaces were extracted using a cube marching algorithm followed by Laplacian smoothing and mesh decimation. We post-processed these meshes to correct topological errors and ensure watertight meshes. The use of these templates for source reconstruction is demonstrated and validated using 100 high-density EEG recordings in 7-month-old infants. Hopefully, these templates will support future studies based on EEG source reconstruction and functional connectivity in healthy infants as well as in clinical pediatric populations. Particularly, they should make EEG-based neuroimaging more feasible in longitudinal neurodevelopmental studies where it may not be possible to scan infants at multiple time points. Graphical abstract Highlights Twelve surface templates for infants in the 0-2 years old range are proposed These templates can be used for EEG source reconstruction using existing toolboxes A relatively modest impact of age differences was found in this age range Correlation analysis confirms increasing source differences with age differences Sources reconstructed with infants versus adult templates significantly differ