Objective The assessment of response to lithium maintenance treatment in bipolar disorder (BD) is complicated by variable length of treatment, unpredictable clinical course, and often inconsistent compliance. Prospective and retrospective methods of assessment of lithium response have been proposed in the literature. In this study we report the key phenotypic measures of the “Retrospective Criteria of Long-Term Treatment Response in Research Subjects with Bipolar Disorder” scale currently used in the Consortium on Lithium Genetics (ConLiGen) study. Materials and Methods Twenty-nine ConLiGen sites took part in a two-stage case-vignette rating procedure to examine inter-rater agreement [Kappa (κ)] and reliability [intra-class correlation coefficient (ICC)] of lithium response. Annotated first-round vignettes and rating guidelines were circulated to expert research clinicians for training purposes between the two stages. Further, we analyzed the distributional properties of the treatment response scores available for 1,308 patients using mixture modeling. Results Substantial and moderate agreement was shown across sites in the first and second sets of vignettes (κ = 0.66 and κ = 0.54, respectively), without significant improvement from training. However, definition of response using the A score as a quantitative trait and selecting cases with B criteria of 4 or less showed an improvement between the two stages (ICC1 = 0.71 and ICC2 = 0.75, respectively). Mixture modeling of score distribution indicated three subpopulations (full responders, partial responders, non responders). Conclusions We identified two definitions of lithium response, one dichotomous and the other continuous, with moderate to substantial inter-rater agreement and reliability. Accurate phenotypic measurement of lithium response is crucial for the ongoing ConLiGen pharmacogenomic study.

Abstract Background Lithium (Li) remains the treatment of choice for bipolar disorders (BP). Its mood-stabilizing effects help reduce the long-term burden of mania, depression and suicide risk in patients with BP. It also has been shown to have beneficial effects on disease-associated conditions, including sleep and cardiovascular disorders. However, the individual responses to Li treatment vary within and between diagnostic subtypes of BP (e.g. BP-I and BP-II) according to the clinical presentation. Moreover, long-term Li treatment has been linked to adverse side-effects that are a cause of concern and non-adherence, including the risk of developing chronic medical conditions such as thyroid and renal disease. In recent years, studies by the Consortium on Lithium Genetics (ConLiGen) have uncovered a number of genetic factors that contribute to the variability in Li treatment response in patients with BP. Here, we leveraged the ConLiGen cohort (N = 2064) to investigate the genetic basis of Li effects in BP. For this, we studied how Li response and linked genes associate with the psychiatric symptoms and polygenic load for medical comorbidities, placing particular emphasis on identifying differences between BP-I and BP-II. Results We found that clinical response to Li treatment, measured with the Alda scale, was associated with a diminished burden of mania, depression, substance and alcohol abuse, psychosis and suicidal ideation in patients with BP-I and, in patients with BP-II, of depression only. Our genetic analyses showed that a stronger clinical response to Li was modestly related to lower polygenic load for diabetes and hypertension in BP-I but not BP-II. Moreover, our results suggested that a number of genes that have been previously linked to Li response variability in BP differentially relate to the psychiatric symptomatology, particularly to the numbers of manic and depressive episodes, and to the polygenic load for comorbid conditions, including diabetes, hypertension and hypothyroidism. Conclusions Taken together, our findings suggest that the effects of Li on symptomatology and comorbidity in BP are partially modulated by common genetic factors, with differential effects between BP-I and BP-II.

Background: Lithium is a first-line medication for bipolar disorder (BD), but only ~30% of patients respond optimally to the drug. Since genetic factors are known to mediate lithium treatment response, we hypothesized whether polygenic susceptibility to the spectrum of depression traits is associated with treatment outcomes in patients with BD. In addition, we explored the potential molecular underpinnings of this relationship. Methods: Weighted polygenic scores (PGSs) were computed for major depressive disorder (MDD) and depressive symptoms (DS) in BD patients from the Consortium on Lithium Genetics (ConLi+Gen; n=2,586) who received lithium treatment. Lithium treatment outcome was assessed using the ALDA scale. Summary statistics from genome-wide association studies (GWAS) in MDD (130,664 cases and 330,470 controls) and DS (n=161,460) were used for PGS weighting. Associations between PGSs of depression traits and lithium treatment response were assessed by binary logistic regression. We also performed a cross-trait meta-GWAS, followed by Ingenuity Pathway Analysis. Outcomes: BD patients with a low polygenic load for depressive traits were more likely to respond well to lithium, compared to patients with high polygenic load (MDD: OR =1.64 [95%CI: 1.26-2.15], lowest vs highest PGS quartiles; DS: OR=1.53 [95%CI: 1.18-2.00]). Associations were significant for type 1, but not type 2 BD. Cross-trait GWAS and functional characterization implicated voltage-gated potassium channels, insulin-related pathways, mitogen-activated protein-kinase (MAPK) signaling, and miRNA expression. Interpretation: Genetic loading to depression traits in BD patients lower their odds of responding optimally to lithium. Our findings support the emerging concept of a lithium-responsive biotype in BD. Funding: see attached details. Keywords: lithium treatment, Major depressive disorder, depressive symptoms, depressive traits, bipolar disorder, polygenic score, pharmacogenomics, Voltage-gated potassium channel, insulin, MAPK.

Bipolar disorder (BD) is a genetically complex mental illness characterized by severe oscillations of mood and behavior. Genome-wide association studies (GWAS) have identified several risk loci that together account for a small portion of the heritability. To identify additional risk loci, we performed a two-stage meta-analysis of >9 million genetic variants in 9,784 bipolar disorder patients and 30,471 controls, the largest GWAS of BD to date. In this study, to increase power we used ~2,000 lithium-treated cases with a long-term diagnosis of BD from the Consortium on Lithium Genetics, excess controls, and analytic methods optimized for markers on the X-chromosome. In addition to four known loci, results revealed genome-wide significant associations at two novel loci: an intergenic region on 9p21.3 (rs12553324, p = 5.87×10-9; odds ratio = 1.12) and markers within ERBB2 (rs2517959, p = 4.53×10-9; odds ratio = 1.13). No significant X-chromosome associations were detected and X-linked markers explained very little BD heritability. The results add to a growing list of common autosomal variants involved in BD and illustrate the power of comparing well-characterized cases to an excess of controls in GWAS.

Disentangling the etiology of common, complex diseases is a major challenge in genetic research. For bipolar disorder (BD), several genome-wide association studies (GWAS) have been performed. Similar to other complex disorders, major breakthroughs in explaining the high heritability of BD through GWAS have remained elusive. To overcome this dilemma, genetic research into BD, has embraced a variety of strategies such as the formation of large consortia to increase sample size and sequencing approaches. Here we advocate a complementary approach making use of already existing GWAS data: applying a data mining procedure to identify yet undetected genotype-phenotype relationships. We adapted association rule mining, a data mining technique traditionally used in retail market research,to identify frequent and characteristic genotype patterns showing strong associations to phenotype clusters. We applied this strategy to three independent GWAS datasets from 2,835 phenotypically characterized patients with BD. In a discovery step, 20,882 candidate association rules were extracted. Two of these - one associated with eating disorder and the other with anxiety - remained significant in an independent dataset after robust correction for multiple testing, showing considerable effect sizes (odds ratio ~ 3.4 and 3.0, respectively). Our approach may help detect novel specific genotype-phenotype relationships in BD typically not explored by analyses like GWAS. While we adapted the data mining tool within the context of BD gene discovery, it may facilitate identifying highly specific genotype-phenotype relationships in subsets of genome-wide data sets of other complex phenotype with similar epidemiological properties and challenges to gene discovery efforts.

Documented penicillin allergies are associated with increased morbidity, increased hospital stay, and an increase in resistant infections. Penicillin allergy evaluations using direct oral challenge with or without skin testing has been recommended as a delabeling strategy for patients with penicillin reaction histories. Barriers for achieving equitable access, however, exist. Understanding patient perceptions regarding their penicillin allergy across diverse populations is crucial to mitigate potential obstacles to penicillin allergy testing (PAT) and the use of penicillin-like antibiotics after delabeling.

Lithium is a first-line mood stabilizer for the maintenance treatment of Bipolar Disorder (BPD). However, the efficacy of lithium varies widely, with a non-response rate of up to 30%. Biological response markers and predictors are lacking. Objective: Genetic factors are thought to mediate lithium treatment response, and the previously reported genetic overlap between BPD and schizophrenia (SCZ) led us to test whether a polygenic score (PGS) for SCZ could predict lithium treatment response in BPD. Further, we explored the potential molecular underpinnings of this association. Design: Weighted SCZ PGSs were computed at ten p-value thresholds (PT) using summary statistics from a genome-wide association study (GWAS) of 36,989 SCZ cases, and genotype data for BPD patients from the Consortium on Lithium Genetics (ConLi+Gen). For functional exploration, we performed a cross-trait meta-GWAS and pathway analysis, combining GWAS summary statistics on SCZ and lithium treatment response. Setting: International multicenter GWAS. Participants: Patients with BPD who had undergone lithium treatment were genotyped and retrospectively assessed for long-term treatment response (n=2,586). Main outcome measures: Clinical treatment response to lithium was defined on both the categorical and continuous scales using the ALDA score. The effect measures include odds ratios (ORs) and the proportion of variance explained (R2), and a significant association was determined at p<0.05. Results: The PGS for SCZ was inversely associated with lithium treatment response in the categorical outcome (p=8x10-5), at PT <5x10-2. Patients with BPD who had low polygenic load for SCZ responded better to lithium, with ORs for lithium response ranging from 3.46 [95%CI: 1.42-8.41 at 1st decile] to 2.03 [95%CI: 0.86-4.81 at the 9th decile], compared to the patients in the 10th decile of SCZ risk. In the cross-trait meta-GWAS, 15 genetic loci that may have overlapping effects on lithium treatment response and susceptibility to SCZ were identified. Functional pathway and network analysis of these loci point to the HLA complex and inflammatory cytokines (TNFα, IL-4, IFNγ) as molecular contributors to lithium treatment response in BPD. Conclusions and Relevance: The study provides, for the first-time, evidence for a negative association between high genetic loading for SCZ and poor response to lithium in patients with BPD. These results suggest the potential for translational research aimed at personalized prescribing of lithium.