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.

Abstract Background and Hypothesis The clinical-high-risk (CHR) approach was developed to prevent psychosis through the detection of psychosis risk. CHR services are transdiagnostic in nature, therefore the appropriate management of comorbidity is a central part of care. Differential diagnosis is particularly challenging across 3 common comorbidities, schizotypal personality disorder (SPD), autism spectrum disorder (ASD), and borderline personality disorder (BPD). Phenomenological research indicates a disturbance of “basic self” may differentiate between these commonly comorbid disorders and can be captured by Huber’s basic symptoms (BS) concept. We investigated whether BS vary across these disorders and may inform differential diagnosis in young person’s meeting CHR criteria. Study Design A total of 685 participants meeting CHR criteria from the NAPLS-3 cohort completed the COGDIS items of the schizophrenia proneness instrument, a measure of BS, as well as the structured interview for DSM-5 (SCID-5). A logistic regression model was used to investigate the variation of COGDIS across SPD, ASD, and BPD, while controlling for age and SIPs positive severity. Study Results Meeting COGDIS criteria was positively associated with SPD (OR = 1.72, CI = [1.31–2.28], P = .001) but not ASD nor BPD. Conclusions Our results indicate that “basic self-disturbance” as indicated by COGDIS differs across SPD, ASD, and BPD. COGDIS may be useful to inform the management of comorbidities in CHR services, by providing insight into subtle subjective experiences that may benefit from disorder-specific interventions.

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.

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.

The concept of ultra-high risk for psychosis (UHR) has been at the forefront of psychiatric research for several decades, with the ultimate goal of preventing the onset of psychotic disorder in high-risk individuals. Orygen (Melbourne, Australia) has led a range of observational and intervention studies in this clinical population. These datasets have now been integrated into the UHR 1000+ cohort, consisting of a sample of 1,245 UHR individuals with a follow-up period ranging from 1 to 16.7 years. This paper describes the cohort, presents a clinical prediction model of transition to psychosis in this cohort, and examines how predictive performance is affected by changes in UHR samples over time. We analyzed transition to psychosis using a Cox proportional hazards model. Clinical predictors for transition to psychosis were investigated in the entire cohort using multiple imputation and Rubin's rule. To assess performance drift over time, data from 1995-2016 were used for initial model fitting, and models were subsequently validated on data from 2017-2020. Over the follow-up period, 220 cases (17.7%) developed a psychotic disorder. Pooled hazard ratio (HR) estimates showed that the Comprehensive Assessment of At-Risk Mental States (CAARMS) Disorganized Speech subscale severity score (HR=1.12, 95% CI: 1.02-1.24, p=0.024), the CAARMS Unusual Thought Content subscale severity score (HR=1.13, 95% CI: 1.03-1.24, p=0.009), the Scale for the Assessment of Negative Symptoms (SANS) total score (HR=1.02, 95% CI: 1.00-1.03, p=0.022), the Social and Occupational Functioning Assessment Scale (SOFAS) score (HR=0.98, 95% CI: 0.97-1.00, p=0.036), and time between onset of symptoms and entry to UHR service (log transformed) (HR=1.10, 95% CI: 1.02-1.19, p=0.013) were predictive of transition to psychosis. UHR individuals who met the brief limited intermittent psychotic symptoms (BLIPS) criteria had a higher probability of transitioning to psychosis than those who met the attenuated psychotic symptoms (APS) criteria (HR=0.48, 95% CI: 0.32-0.73, p=0.001) and those who met the Trait risk criteria (a first-degree relative with a psychotic disorder or a schizotypal personality disorder plus a significant decrease in functioning during the previous year) (HR=0.43, 95% CI: 0.22-0.83, p=0.013). Models based on data from 1995-2016 displayed good calibration at initial model fitting, but showed a drift of 20.2-35.4% in calibration when validated on data from 2017-2020. Large-scale longitudinal data such as those from the UHR 1000+ cohort are required to develop accurate psychosis prediction models. It is critical to assess existing and future risk calculators for temporal drift, that may reduce their utility in clinical practice over time.