Whole-exome sequencing reveals that a rare variant of phospholipase D3 (PLD3(V232M)) segregates with Alzheimer’s disease status in two independent families and doubles risk for the disease in case–control series, and that several other PLD3 variants increase risk for Alzheimer’s disease in African Americans and people of European descent. The identification of mutations causing Alzheimer's disease in amyloid-β precursor protein, presenilin 1 and presenilin 2 led to a better understanding of the pathobiology of the condition. Further mutations are expected to be implicated, but the identification of such variants has been challenging. These authors used exome sequencing to identify low-frequency coding variants with large effects on late-onset Alzheimer's disease. They report several coding variants in the gene PLD3, coding for phospholipase D3, that increase disease risk at least twofold. PLD3 may have a role in the processing of amyloid-β and may have potential as a novel therapeutic target. Genome-wide association studies (GWAS) have identified several risk variants for late-onset Alzheimer's disease (LOAD)1,2. These common variants have replicable but small effects on LOAD risk and generally do not have obvious functional effects. Low-frequency coding variants, not detected by GWAS, are predicted to include functional variants with larger effects on risk. To identify low-frequency coding variants with large effects on LOAD risk, we carried out whole-exome sequencing (WES) in 14 large LOAD families and follow-up analyses of the candidate variants in several large LOAD case–control data sets. A rare variant in PLD3 (phospholipase D3; Val232Met) segregated with disease status in two independent families and doubled risk for Alzheimer’s disease in seven independent case–control series with a total of more than 11,000 cases and controls of European descent. Gene-based burden analyses in 4,387 cases and controls of European descent and 302 African American cases and controls, with complete sequence data for PLD3, reveal that several variants in this gene increase risk for Alzheimer’s disease in both populations. PLD3 is highly expressed in brain regions that are vulnerable to Alzheimer’s disease pathology, including hippocampus and cortex, and is expressed at significantly lower levels in neurons from Alzheimer’s disease brains compared to control brains. Overexpression of PLD3 leads to a significant decrease in intracellular amyloid-β precursor protein (APP) and extracellular Aβ42 and Aβ40 (the 42- and 40-residue isoforms of the amyloid-β peptide), and knockdown of PLD3 leads to a significant increase in extracellular Aβ42 and Aβ40. Together, our genetic and functional data indicate that carriers of PLD3 coding variants have a twofold increased risk for LOAD and that PLD3 influences APP processing. This study provides an example of how densely affected families may help to identify rare variants with large effects on risk for disease or other complex traits.

While numerous studies have implicated copy number variants (CNVs) in a range of neurological phenotypes, the impact relative to disease severity has been difficult to ascertain due to small sample sizes, lack of phenotypic details, and heterogeneity in platforms used for discovery. Using a customized microarray enriched for genomic hotspots, we assayed for large CNVs among 1,227 individuals with various neurological deficits including dyslexia (376), sporadic autism (350), and intellectual disability (ID) (501), as well as 337 controls. We show that the frequency of large CNVs (>1 Mbp) is significantly greater for ID-associated phenotypes compared to autism (p = 9.58 × 10(-11), odds ratio = 4.59), dyslexia (p = 3.81 × 10(-18), odds ratio = 14.45), or controls (p = 2.75 × 10(-17), odds ratio = 13.71). There is a striking difference in the frequency of rare CNVs (>50 kbp) in autism (10%, p = 2.4 × 10(-6), odds ratio = 6) or ID (16%, p = 3.55 × 10(-12), odds ratio = 10) compared to dyslexia (2%) with essentially no difference in large CNV burden among dyslexia patients compared to controls. Rare CNVs were more likely to arise de novo (64%) in ID when compared to autism (40%) or dyslexia (0%). We observed a significantly increased large CNV burden in individuals with ID and multiple congenital anomalies (MCA) compared to ID alone (p = 0.001, odds ratio = 2.54). Our data suggest that large CNV burden positively correlates with the severity of childhood disability: ID with MCA being most severely affected and dyslexics being indistinguishable from controls. When autism without ID was considered separately, the increase in CNV burden was modest compared to controls (p = 0.07, odds ratio = 2.33).

Abstract Efficient neural processing depends on regulating responses through suppression and facilitation of neural activity. Utilizing a well-known visual motion paradigm that evokes behavioral suppression and facilitation, and combining 5 different methodologies (behavioral psychophysics, computational modeling, functional MRI, pharmacology, and magnetic resonance spectroscopy), we provide evidence that challenges commonly held assumptions about the neural processes underlying suppression and facilitation. We show that: 1) both suppression and facilitation can emerge from a single, computational principle – divisive normalization; there is no need to invoke separate neural mechanisms, 2) neural suppression and facilitation in the motion-selective area MT mirror perception, but strong suppression also occurs in earlier visual areas, and 3) suppression is not driven by GABA-mediated inhibition. Thus, while commonly used spatial suppression paradigms may provide insight into neural response magnitudes in visual areas, they cannot be used to infer neural inhibition.

Abstract Bigger sample size can help to identify new genetic variants contributing to an increased risk of developing Alzheimer’s disease. However, the heterogeneity of the whole-exome sequencing (WES) data generation methods presents a challenge to a joint analysis. Here we present a bioinformatics strategy for joint calling 20,504 WES samples collected across nine studies and sequenced using ten different capture kits in fourteen sequencing centers in the Alzheimer’s Disease Sequencing Project. gVCFs of samples were joint-called by the Genome Center for Alzheimer’s Disease into a single VCF, containing only positions within the union of capture kits. The VCF was then processed using specific strategies to account for the batch effects arising from the use of different capture kits from different studies. We identified 8.2 million autosomal variants. 96.82% of the variants are high-quality, and are located in 28,579 Ensembl transcripts. 41% of the variants are intronic and 15% are missense variants. 1.8% of the variants are with CADD>30. Our new strategy for processing these diversely generated WES samples has shown to generate high-quality data. The improved ability to combine data sequenced in different batches benefits the whole genomics research community. The WES data are accessible to the scientific community via https://dss.niagads.org/ .