BackgroundSuicide is a leading cause of death worldwide, and nonfatal suicide attempts, which occur far more frequently, are a major source of disability and social and economic burden. Both have substantial genetic etiology, which is partially shared and partially distinct from that of related psychiatric disorders.MethodsWe conducted a genome-wide association study (GWAS) of 29,782 suicide attempt (SA) cases and 519,961 controls in the International Suicide Genetics Consortium (ISGC). The GWAS of SA was conditioned on psychiatric disorders using GWAS summary statistics via multitrait-based conditional and joint analysis, to remove genetic effects on SA mediated by psychiatric disorders. We investigated the shared and divergent genetic architectures of SA, psychiatric disorders, and other known risk factors.ResultsTwo loci reached genome-wide significance for SA: the major histocompatibility complex and an intergenic locus on chromosome 7, the latter of which remained associated with SA after conditioning on psychiatric disorders and replicated in an independent cohort from the Million Veteran Program. This locus has been implicated in risk-taking behavior, smoking, and insomnia. SA showed strong genetic correlation with psychiatric disorders, particularly major depression, and also with smoking, pain, risk-taking behavior, sleep disturbances, lower educational attainment, reproductive traits, lower socioeconomic status, and poorer general health. After conditioning on psychiatric disorders, the genetic correlations between SA and psychiatric disorders decreased, whereas those with nonpsychiatric traits remained largely unchanged.ConclusionsOur results identify a risk locus that contributes more strongly to SA than other phenotypes and suggest a shared underlying biology between SA and known risk factors that is not mediated by psychiatric disorders.

Bipolar DisordersVolume 17, Issue 5 p. 572-573 Letter to the Editor Smoking and postpartum psychosis Arianna Di Florio, Arianna Di Florio Institute of Psychological Medicine and Clinical Neurosciences, MRC Centre for Neuropsychiatric Genetics and Genomics, Cardiff University, Cardiff, UK Department of Psychiatry, University of North Carolina at Chapel Hill, Chapel Hill, NC, USASearch for more papers by this authorHolly Morgan, Holly Morgan Institute of Psychological Medicine and Clinical Neurosciences, MRC Centre for Neuropsychiatric Genetics and Genomics, Cardiff University, Cardiff, UKSearch for more papers by this authorLisa Jones, Lisa Jones Department of Psychiatry, School of Clinical and Experimental Medicine, University of Birmingham, Birmingham, UKSearch for more papers by this authorLiz Forty, Liz Forty Institute of Psychological Medicine and Clinical Neurosciences, MRC Centre for Neuropsychiatric Genetics and Genomics, Cardiff University, Cardiff, UKSearch for more papers by this authorKatherine Gordon-Smith, Katherine Gordon-Smith Institute of Psychological Medicine and Clinical Neurosciences, MRC Centre for Neuropsychiatric Genetics and Genomics, Cardiff University, Cardiff, UK Department of Psychiatry, School of Clinical and Experimental Medicine, University of Birmingham, Birmingham, UKSearch for more papers by this authorNick Craddock, Nick Craddock Institute of Psychological Medicine and Clinical Neurosciences, MRC Centre for Neuropsychiatric Genetics and Genomics, Cardiff University, Cardiff, UKSearch for more papers by this authorIan Jones, Corresponding Author Ian Jones Institute of Psychological Medicine and Clinical Neurosciences, MRC Centre for Neuropsychiatric Genetics and Genomics, Cardiff University, Cardiff, UK Corresponding author: Professor Ian Jones Institute of Psychological Medicine & Clinical Neurosciences MRC Centre for Neuropsychiatric Genetics and Genomics Cardiff University Hadyn Ellis Building Maindy Road Cathays Cardiff CF24 4HQ UK E-mail: jonesir1@cf.ac.ukSearch for more papers by this author Arianna Di Florio, Arianna Di Florio Institute of Psychological Medicine and Clinical Neurosciences, MRC Centre for Neuropsychiatric Genetics and Genomics, Cardiff University, Cardiff, UK Department of Psychiatry, University of North Carolina at Chapel Hill, Chapel Hill, NC, USASearch for more papers by this authorHolly Morgan, Holly Morgan Institute of Psychological Medicine and Clinical Neurosciences, MRC Centre for Neuropsychiatric Genetics and Genomics, Cardiff University, Cardiff, UKSearch for more papers by this authorLisa Jones, Lisa Jones Department of Psychiatry, School of Clinical and Experimental Medicine, University of Birmingham, Birmingham, UKSearch for more papers by this authorLiz Forty, Liz Forty Institute of Psychological Medicine and Clinical Neurosciences, MRC Centre for Neuropsychiatric Genetics and Genomics, Cardiff University, Cardiff, UKSearch for more papers by this authorKatherine Gordon-Smith, Katherine Gordon-Smith Institute of Psychological Medicine and Clinical Neurosciences, MRC Centre for Neuropsychiatric Genetics and Genomics, Cardiff University, Cardiff, UK Department of Psychiatry, School of Clinical and Experimental Medicine, University of Birmingham, Birmingham, UKSearch for more papers by this authorNick Craddock, Nick Craddock Institute of Psychological Medicine and Clinical Neurosciences, MRC Centre for Neuropsychiatric Genetics and Genomics, Cardiff University, Cardiff, UKSearch for more papers by this authorIan Jones, Corresponding Author Ian Jones Institute of Psychological Medicine and Clinical Neurosciences, MRC Centre for Neuropsychiatric Genetics and Genomics, Cardiff University, Cardiff, UK Corresponding author: Professor Ian Jones Institute of Psychological Medicine & Clinical Neurosciences MRC Centre for Neuropsychiatric Genetics and Genomics Cardiff University Hadyn Ellis Building Maindy Road Cathays Cardiff CF24 4HQ UK E-mail: jonesir1@cf.ac.ukSearch for more papers by this author First published: 09 June 2015 https://doi.org/10.1111/bdi.12314Citations: 4Read the full textAboutPDF ToolsRequest permissionExport citationAdd to favoritesTrack citation ShareShare Give accessShare full text accessShare full-text accessPlease review our Terms and Conditions of Use and check box below to share full-text version of article.I have read and accept the Wiley Online Library Terms and Conditions of UseShareable LinkUse the link below to share a full-text version of this article with your friends and colleagues. Learn more.Copy URL Share a linkShare onFacebookTwitterLinked InRedditWechat No abstract is available for this article.Citing Literature Volume17, Issue5August 2015Pages 572-573 RelatedInformation

Abstract Background Genetic risk for bipolar disorder (BD) is conferred through many common alleles, while a role for rare copy number variants (CNVs) is less clear. BD subtypes schizoaffective disorder bipolar type (SAB), bipolar I disorder (BD I) and bipolar II disorder (BD II) differ according to the prominence and timing of psychosis, mania and depression. The factors contributing to the combination of symptoms within a given patient are poorly understood. Methods Rare, large CNVs were analyzed in 6353 BD cases (3833 BD I [2676 with psychosis, 850 without psychosis], 1436 BD II, 579 SAB) and 8656 controls. Measures of CNV burden were integrated with polygenic risk scores (PRS) for schizophrenia (SCZ) to evaluate the relative contributions of rare and common variants to psychosis risk. Results CNV burden did not differ in BD relative to controls when treated as a single diagnostic entity. Burden in SAB was increased compared to controls (p-value = 0.001), BD I (p-value = 0.0003) and BD II (p-value = 0.0007). Burden and SCZ PRS were higher in SAB compared to BD I with psychosis (CNV p-value = 0.0007, PRS p-value = 0.004) and BD I without psychosis (CNV p-value = 0.0004, PRS p-value = 3.9 × 10 −5 ). Within BD I, psychosis was associated with higher SCZ PRS (p-value = 0.005) but not with CNV burden. Conclusions CNV burden in BD is limited to SAB. Rare and common genetic variants may contribute differently to risk for psychosis and perhaps other classes of psychiatric symptoms.

Many but not all persons with bipolar disorder require hospital care because of severe mood episodes. Likewise, some but not all patients experience long-term occupational dysfunction that extends beyond acute mood episodes. It is not known whether these dissimilar outcomes of bipolar disorder are driven by different polygenic profiles. Here, polygenic scores (PGSs) for major psychiatric disorders and educational attainment were assessed for associations with occupational functioning and psychiatric hospital admissions in bipolar disorder.

Abstract Despite advances in proteomic technologies, clinical translation of plasma biomarkers remains low, partly due to a major bottleneck between the discovery of candidate biomarkers and downstream costly clinical validation studies. Due to a dearth of multiplexable assays, generally only a few candidate biomarkers are tested, and the validation success rate is accordingly low. Here, we demonstrate the capability of internal standard triggered-parallel reaction monitoring (IS-PRM) to prioritize candidate biomarkers for validation studies. A 5,176-plex assay coupling immunodepletion and fractionation with IS-PRM was developed and implemented in human plasma to quantify peptides representing 1,314 breast cancer biomarker candidates. Compared to prior approaches using data-dependent analysis, IS-PRM showed improved sensitivity (912 vs 295 proteins quantified) and precision (CV 0.1 vs 0.27) enabling rank-ordering of candidate biomarkers for validation studies. The assay greatly expands capabilities for quantification of large numbers of proteins and is well suited for prioritization of viable candidate biomarkers.

Background: Insomnia and hypersomnia are common in bipolar disorder (BD) but it is unclear whether genetic factors influence this association. Stratifying by bipolar subtypes could elucidate the nature of this association and inform research on sleep and BD. We therefore aimed to determine whether polygenic risk scores (PRS) for insomnia, daytime sleepiness and sleep duration differ according to bipolar subtypes (bipolar I disorder, BD-I or bipolar II disorder, BD-II). Methods: In this case-control study, we used multinomial regression to determine whether PRS for insomnia, daytime sleepiness, and sleep duration were associated with risk of BD-I or BD-II when compared to each other and to controls. Cases (n=4672) were recruited within the United Kingdom from the Bipolar Disorder Research Network. Controls (n=5714) were recruited from the 1958 British Birth Cohort and UK Blood Service. All participants were of European ancestry. Clinical subtypes of BD were determined by semi-structured psychiatric interview (the Schedules for Clinical Assessment in Neuropsychiatry) and case notes. Results: Within cases, 3404 and 1268 met DSM-IV criteria for BD-I and BD-II, respectively. Insomnia PRS was associated with increased risk of BD-II (RR = 1.14, 95% CI = 1.07-1.21, P = 8.26 x 10-5) but not BD-I (RR = 0.98, 95% CI = 0.94-1.03, P = .409) relative to controls. In contrast, sleep duration PRS was associated with increased relative risk of BD-I (RR = 1.10, 95% CI = 1.06-1.15, P = 1.13 x 10-5), but not BD-II (RR = 0.99, 95% CI = 0.93-1.06, P = .818). Daytime sleepiness PRS was associated with an increased risk of BD-I (RR = 1.07, 95% CI = 1.02-1.11, P = .005) and BD-II (RR = 1.14, 95% CI = 1.07-1.22, P = 3.22 x 10-5) compared to controls, but did not distinguish subtypes from each other. Conclusions: Bipolar subtypes differ in genetic liability to insomnia and sleep duration. Our findings provide further evidence that the distinction between BD-I and BD-II has biological and genetic validity. This distinction will be critical in the selection of participants for future research on the role of sleep disturbance in BD.

Background: The prevalence of depression is higher in individuals suffering from autoimmune diseases, but the mechanisms underlying the observed comorbidities are unknown. Epidemiological findings point to a bi-directional relationship - that depression increases the risk of developing an autoimmune disease, and vice-versa. Shared genetic etiology is a plausible explanation for the overlap between depression and autoimmune diseases. In this study we tested whether genetic variation in the Major Histocompatibility Complex (MHC), which is associated with risk for autoimmune diseases, is also associated with risk for depression. Method: We fine-mapped the classical MHC (chr6: 29.6-33.1 Mb), imputing 216 Human Leukocyte Antigen (HLA) alleles and four Complement Component 4 (C4) haplotypes in studies from the Psychiatric Genomics Consortium (PGC) Major Depressive Disorder (MDD) working group and the UK Biobank (UKB). In the 26 PGC-MDD studies, cases met a lifetime diagnosis of MDD, determined by a structured diagnostic interview. In the UKB, cases and controls were identified from an online mental health questionnaire. The total sample size was 45,149 depression cases and 86,698 controls. We tested for association between depression status and imputed MHC variants in each study and performed an inverse-variance weighted meta-analysis across the PGC-MDD and UKB samples, applying both a conservative region-wide significance threshold (3.9-e6) and a candidate threshold (1.6e-4). Results: No HLA alleles or C4 haplotypes were associated with depression at the conservative threshold in the PGC, UKB or meta-analysis. HLA-B*08:01 was associated with modest protection for depression at the candidate threshold in the meta-analysis. Under the conservative threshold, 70 SNPs were detected in the UKB and 143 SNPs were detected in the meta-analysis, mirroring previous findings from highly powered GWAS of depression. Discussion: We found no evidence that HLA alleles, which play a major role in the genetic susceptibility to autoimmune diseases, or C4 haplotypes, which are strongly associated with schizophrenia, confer risk for depression. These results indicate that autoimmune diseases and depression do not share common risk loci of moderate or large effect in the MHC.

Abstract Importance Bipolar disorder (BD) overlaps schizophrenia in its clinical presentation and genetic liability. Alternative approaches to patient stratification beyond current diagnostic categories are needed to understand the underlying disease processes/mechanisms. Objectives To investigate the relationship between common-variant liability for schizophrenia, indexed by polygenic risk scores (PRS) and psychotic presentations of BD, using clinical descriptions which consider both occurrence and level of mood-incongruent psychotic features. Design Case-control design: using multinomial logistic regression, to estimate differential associations of PRS across categories of cases and controls. Settings & Participants 4399 BDcases, mean [sd] age-at-interview 46[12] years, of which 2966 were woman (67%) from the BD Research Network (BDRN) were included in the final analyses, with data for 4976 schizophrenia cases and 9012 controls from the Type-1 diabetes genetics consortium and Generation Scotland included for comparison. Exposure Standardised PRS, calculated using alleles with an association p-value threshold < 0.05 in the second Psychiatric Genomics Consortium genome-wide association study of schizophrenia, adjusted for the first 10 population principal components and genotyping-platform. Main outcome measure Multinomial logit models estimated PRS associations with BD stratified by (1) Research Diagnostic Criteria (RDC) BD subtypes (2) Lifetime occurrence of psychosis.(3) Lifetime mood-incongruent psychotic features and (4) ordinal logistic regression examined PRS associations across levels of mood-incongruence. Ratings were derived from the Schedule for Clinical Assessment in Neuropsychiatry interview (SCAN) and the Bipolar Affective Disorder Dimension Scale (BADDS). Results Across clinical phenotypes, there was an exposure-response gradient with the strongest PRS association for schizophrenia (RR=1.94, (95% C.I. 1.86, 2.01)), then schizoaffective BD (RR=1.37, (95% C.I. 1.22, 1.54)), BD I (RR= 1.30, (95% C.I. 1.24, 1.36)) and BD II (RR=1.04, (95% C.I. 0.97, 1.11)). Within BD cases, there was an effect gradient, indexed by the nature of psychosis, with prominent mood-incongruent psychotic features having the strongest association (RR=1.46, (95% C.I. 1.36, 1.57)), followed by mood-congruent psychosis (RR= 1.24, (95% C.I. 1.17, 1.33)) and lastly, BD cases with no history of psychosis (RR=1.09, (95% C.I. 1.04, 1.15)). Conclusion We show for the first time a polygenic-risk gradient, across schizophrenia and bipolar disorder, indexed by the occurrence and level of mood-incongruent psychotic symptoms.