Schizophrenia is a highly heritable disorder. Genetic risk is conferred by a large number of alleles, including common alleles of small effect that might be detected by genome-wide association studies. Here we report a multi-stage schizophrenia genome-wide association study of up to 36,989 cases and 113,075 controls. We identify 128 independent associations spanning 108 conservatively defined loci that meet genome-wide significance, 83 of which have not been previously reported. Associations were enriched among genes expressed in brain, providing biological plausibility for the findings. Many findings have the potential to provide entirely new insights into aetiology, but associations at DRD2 and several genes involved in glutamatergic neurotransmission highlight molecules of known and potential therapeutic relevance to schizophrenia, and are consistent with leading pathophysiological hypotheses. Independent of genes expressed in brain, associations were enriched among genes expressed in tissues that have important roles in immunity, providing support for the speculated link between the immune system and schizophrenia. Schizophrenia is a highly heritable genetic disorder, however, identification of specific genetic risk variants has proven difficult because of its complex polygenic nature—a large multi-stage genome-wide association study identifies 128 independent associations in over 100 loci (83 of which are new); key findings include identification of genes involved in glutamergic neurotransmission and support for a link between the immune system and schizophrenia. Although schizophrenia is a highly heritable disorder, its complex polygenic nature has impeded attempts to establish its genetic basis. This paper reports a genome-wide association study of more than 36,000 schizophrenia patients and 100,000 controls. The study identifies 128 independent associations in 108 loci, 83 of them new. Among them are many genes involved in glutamatergic neurotransmission, highlighting a potential therapeutic avenue. In addition, the results provide support for the hypothesized link between the immune system and schizophrenia.

Naomi Wray and colleagues report an analysis of genome-wide association data sets from the Psychiatric Genomics Consortium for five psychiatric disorders. They find that common variation explains 17–29% of the variance in liability and provide further support for a shared genetic etiology for these related psychiatric disorders. Most psychiatric disorders are moderately to highly heritable. The degree to which genetic variation is unique to individual disorders or shared across disorders is unclear. To examine shared genetic etiology, we use genome-wide genotype data from the Psychiatric Genomics Consortium (PGC) for cases and controls in schizophrenia, bipolar disorder, major depressive disorder, autism spectrum disorders (ASD) and attention-deficit/hyperactivity disorder (ADHD). We apply univariate and bivariate methods for the estimation of genetic variation within and covariation between disorders. SNPs explained 17–29% of the variance in liability. The genetic correlation calculated using common SNPs was high between schizophrenia and bipolar disorder (0.68 ± 0.04 s.e.), moderate between schizophrenia and major depressive disorder (0.43 ± 0.06 s.e.), bipolar disorder and major depressive disorder (0.47 ± 0.06 s.e.), and ADHD and major depressive disorder (0.32 ± 0.07 s.e.), low between schizophrenia and ASD (0.16 ± 0.06 s.e.) and non-significant for other pairs of disorders as well as between psychiatric disorders and the negative control of Crohn's disease. This empirical evidence of shared genetic etiology for psychiatric disorders can inform nosology and encourages the investigation of common pathophysiologies for related disorders.

Polygenic risk scores have shown great promise in predicting complex disease risk and will become more accurate as training sample sizes increase. The standard approach for calculating risk scores involves linkage disequilibrium (LD)-based marker pruning and applying a p value threshold to association statistics, but this discards information and can reduce predictive accuracy. We introduce LDpred, a method that infers the posterior mean effect size of each marker by using a prior on effect sizes and LD information from an external reference panel. Theory and simulations show that LDpred outperforms the approach of pruning followed by thresholding, particularly at large sample sizes. Accordingly, predicted R2 increased from 20.1% to 25.3% in a large schizophrenia dataset and from 9.8% to 12.0% in a large multiple sclerosis dataset. A similar relative improvement in accuracy was observed for three additional large disease datasets and for non-European schizophrenia samples. The advantage of LDpred over existing methods will grow as sample sizes increase. Polygenic risk scores have shown great promise in predicting complex disease risk and will become more accurate as training sample sizes increase. The standard approach for calculating risk scores involves linkage disequilibrium (LD)-based marker pruning and applying a p value threshold to association statistics, but this discards information and can reduce predictive accuracy. We introduce LDpred, a method that infers the posterior mean effect size of each marker by using a prior on effect sizes and LD information from an external reference panel. Theory and simulations show that LDpred outperforms the approach of pruning followed by thresholding, particularly at large sample sizes. Accordingly, predicted R2 increased from 20.1% to 25.3% in a large schizophrenia dataset and from 9.8% to 12.0% in a large multiple sclerosis dataset. A similar relative improvement in accuracy was observed for three additional large disease datasets and for non-European schizophrenia samples. The advantage of LDpred over existing methods will grow as sample sizes increase.

The CNV analysis group of the Psychiatric Genomic Consortium analyzes a large schizophrenia cohort to examine genomic copy number variants (CNVs) and disease risk. They find an enrichment of CNV burden in cases versus controls and identify 8 genome-wide significant loci as well as novel suggestive loci conferring either risk or protection to schizophrenia. Copy number variants (CNVs) have been strongly implicated in the genetic etiology of schizophrenia (SCZ). However, genome-wide investigation of the contribution of CNV to risk has been hampered by limited sample sizes. We sought to address this obstacle by applying a centralized analysis pipeline to a SCZ cohort of 21,094 cases and 20,227 controls. A global enrichment of CNV burden was observed in cases (odds ratio (OR) = 1.11, P = 5.7 × 10−15), which persisted after excluding loci implicated in previous studies (OR = 1.07, P = 1.7 × 10−6). CNV burden was enriched for genes associated with synaptic function (OR = 1.68, P = 2.8 × 10−11) and neurobehavioral phenotypes in mouse (OR = 1.18, P = 7.3 × 10−5). Genome-wide significant evidence was obtained for eight loci, including 1q21.1, 2p16.3 (NRXN1), 3q29, 7q11.2, 15q13.3, distal 16p11.2, proximal 16p11.2 and 22q11.2. Suggestive support was found for eight additional candidate susceptibility and protective loci, which consisted predominantly of CNVs mediated by nonallelic homologous recombination.

Better analytical methods are needed to extract biological meaning from genome-wide association studies (GWAS) of psychiatric disorders. Here the authors take GWAS data from over 60,000 subjects, including patients with schizophrenia, bipolar disorder and major depression, and identify common etiological pathways shared amongst them. Genome-wide association studies (GWAS) of psychiatric disorders have identified multiple genetic associations with such disorders, but better methods are needed to derive the underlying biological mechanisms that these signals indicate. We sought to identify biological pathways in GWAS data from over 60,000 participants from the Psychiatric Genomics Consortium. We developed an analysis framework to rank pathways that requires only summary statistics. We combined this score across disorders to find common pathways across three adult psychiatric disorders: schizophrenia, major depression and bipolar disorder. Histone methylation processes showed the strongest association, and we also found statistically significant evidence for associations with multiple immune and neuronal signaling pathways and with the postsynaptic density. Our study indicates that risk variants for psychiatric disorders aggregate in particular biological pathways and that these pathways are frequently shared between disorders. Our results confirm known mechanisms and suggest several novel insights into the etiology of psychiatric disorders.

Schizophrenia and bipolar disorder are two distinct diagnoses that share symptomology. Understanding the genetic factors contributing to the shared and disorder-specific symptoms will be crucial for improving diagnosis and treatment. In genetic data consisting of 53,555 cases (20,129 bipolar disorder [BD], 33,426 schizophrenia [SCZ]) and 54,065 controls, we identified 114 genome-wide significant loci implicating synaptic and neuronal pathways shared between disorders. Comparing SCZ to BD (23,585 SCZ, 15,270 BD) identified four genomic regions including one with disorder-independent causal variants and potassium ion response genes as contributing to differences in biology between the disorders. Polygenic risk score (PRS) analyses identified several significant correlations within case-only phenotypes including SCZ PRS with psychotic features and age of onset in BD. For the first time, we discover specific loci that distinguish between BD and SCZ and identify polygenic components underlying multiple symptom dimensions. These results point to the utility of genetics to inform symptomology and potential treatment.

Regulatory and coding variants are known to be enriched with associations identified by genome-wide association studies (GWASs) of complex disease, but their contributions to trait heritability are currently unknown. We applied variance-component methods to imputed genotype data for 11 common diseases to partition the heritability explained by genotyped SNPs (hg2) across functional categories (while accounting for shared variance due to linkage disequilibrium). Extensive simulations showed that in contrast to current estimates from GWAS summary statistics, the variance-component approach partitions heritability accurately under a wide range of complex-disease architectures. Across the 11 diseases DNaseI hypersensitivity sites (DHSs) from 217 cell types spanned 16% of imputed SNPs (and 24% of genotyped SNPs) but explained an average of 79% (SE = 8%) of hg2 from imputed SNPs (5.1× enrichment; p = 3.7 × 10−17) and 38% (SE = 4%) of hg2 from genotyped SNPs (1.6× enrichment, p = 1.0 × 10−4). Further enrichment was observed at enhancer DHSs and cell-type-specific DHSs. In contrast, coding variants, which span 1% of the genome, explained <10% of hg2 despite having the highest enrichment. We replicated these findings but found no significant contribution from rare coding variants in independent schizophrenia cohorts genotyped on GWAS and exome chips. Our results highlight the value of analyzing components of heritability to unravel the functional architecture of common disease. Regulatory and coding variants are known to be enriched with associations identified by genome-wide association studies (GWASs) of complex disease, but their contributions to trait heritability are currently unknown. We applied variance-component methods to imputed genotype data for 11 common diseases to partition the heritability explained by genotyped SNPs (hg2) across functional categories (while accounting for shared variance due to linkage disequilibrium). Extensive simulations showed that in contrast to current estimates from GWAS summary statistics, the variance-component approach partitions heritability accurately under a wide range of complex-disease architectures. Across the 11 diseases DNaseI hypersensitivity sites (DHSs) from 217 cell types spanned 16% of imputed SNPs (and 24% of genotyped SNPs) but explained an average of 79% (SE = 8%) of hg2 from imputed SNPs (5.1× enrichment; p = 3.7 × 10−17) and 38% (SE = 4%) of hg2 from genotyped SNPs (1.6× enrichment, p = 1.0 × 10−4). Further enrichment was observed at enhancer DHSs and cell-type-specific DHSs. In contrast, coding variants, which span 1% of the genome, explained <10% of hg2 despite having the highest enrichment. We replicated these findings but found no significant contribution from rare coding variants in independent schizophrenia cohorts genotyped on GWAS and exome chips. Our results highlight the value of analyzing components of heritability to unravel the functional architecture of common disease.

Objective: To evaluate previously reported associations of copy number variants (CNVs) with schizophrenia and to identify additional associations, the authors analyzed CNVs in the Molecular Genetics of Schizophrenia study (MGS) and additional available data. Method: After quality control, MGS data for 3,945 subjects with schizophrenia or schizoaffective disorder and 3,611 screened comparison subjects were available for analysis of rare CNVs (<1% frequency). CNV detection thresholds were chosen that maximized concordance in 151 duplicate assays. Pointwise and genewise analyses were carried out, as well as analyses of previously reported regions. Selected regions were visually inspected and confirmed with quantitative polymerase chain reaction. Results: In analyses of MGS data combined with other available data sets, odds ratios of 7.5 or greater were observed for previously reported deletions in chromosomes 1q21.1, 15q13.3, and 22q11.21, duplications in 16p11.2, and exon-disrupting deletions in NRXN1. The most consistently supported candidate associations across data sets included a 1.6-Mb deletion in chromosome 3q29 (21 genes, TFRC to BDH1) that was previously described in a mild-moderate mental retardation syndrome, exonic duplications in the gene for vasoactive intestinal peptide receptor 2 (VIPR2), and exonic duplications in C16orf72. The case subjects had a modestly higher genome-wide number of gene-containing deletions (>100 kb and >1 Mb) but not duplications. Conclusions: The data strongly confirm the association of schizophrenia with 1q21.1, 15q13.3, and 22q11.21 deletions, 16p11.2 duplications, and exonic NRXN1 deletions. These CNVs, as well as 3q29 deletions, are also associated with mental retardation, autism spectrum disorders, and epilepsy. Additional candidate genes and regions, including VIPR2, were identified. Study of the mechanisms underlying these associations should shed light on the pathophysiology of schizophrenia.

Objective: Systems Training for Emotional Predictability and Problem Solving (STEPPS) is a 20-week manual-based group treatment program for outpatients with borderline personality disorder that combines cognitive behavioral elements and skills training with a systems component. The authors compared STEPPS plus treatment as usual with treatment as usual alone in a randomized controlled trial. Method: Subjects with borderline personality disorder were randomly assigned to STEPPS plus treatment as usual or treatment as usual alone. Total score on the Zanarini Rating Scale for Borderline Personality Disorder was the primary outcome measure. Secondary outcomes included measures of global functioning, depression, impulsivity, and social functioning; suicide attempts and self-harm acts; and crisis utilization. Subjects were followed 1 year posttreatment. A linear mixed-effects model was used in the analysis. Results: Data pertaining to 124 subjects (STEPPS plus treatment as usual [N=65]; treatment as usual alone [N=59]) were analyzed. Subjects assigned to STEPPS plus treatment as usual experienced greater improvement in the Zanarini Rating Scale for Borderline Personality Disorder total score and subscales assessing affective, cognitive, interpersonal, and impulsive domains. STEPPS plus treatment as usual also led to greater improvements in impulsivity, negative affectivity, mood, and global functioning. These differences yielded moderate to large effect sizes. There were no differences between groups for suicide attempts, self-harm acts, or hospitalizations. Most gains attributed to STEPPS were maintained during follow-up. Fewer STEPPS plus treatment as usual subjects had emergency department visits during treatment and follow-up. The discontinuation rate was high in both groups. Conclusions: STEPPS, an adjunctive group treatment, can deliver clinically meaningful improvements in borderline personality disorder-related symptoms and behaviors, enhance global functioning, and relieve depression.

The authors carried out a genetic association study of 14 schizophrenia candidate genes (RGS4, DISC1, DTNBP1, STX7, TAAR6, PPP3CC, NRG1, DRD2, HTR2A, DAOA, AKT1, CHRNA7, COMT, and ARVCF). This study tested the hypothesis of association of schizophrenia with common single nucleotide polymorphisms (SNPs) in these genes using the largest sample to date that has been collected with uniform clinical methods and the most comprehensive set of SNPs in each gene.The sample included 1,870 cases (schizophrenia and schizoaffective disorder) and 2,002 screened comparison subjects (i.e. controls), all of European ancestry, with ancestral outliers excluded based on analysis of ancestry-informative markers. The authors genotyped 789 SNPs, including tags for most common SNPs in each gene, SNPs previously reported as associated, and SNPs located in functional domains of genes such as promoters, coding exons (including nonsynonymous SNPs), 3' untranslated regions, and conserved noncoding sequences. After extensive data cleaning, 648 SNPs were analyzed for association of single SNPs and of haplotypes.Neither experiment-wide nor gene-wide statistical significance was observed in the primary single-SNP analyses or in secondary analyses of haplotypes or of imputed genotypes for additional common HapMap SNPs. Results in SNPs previously reported as associated with schizophrenia were consistent with chance expectation, and four functional polymorphisms in COMT, DRD2, and HTR2A did not produce nominally significant evidence to support previous evidence for association.It is unlikely that common SNPs in these genes account for a substantial proportion of the genetic risk for schizophrenia, although small effects cannot be ruled out.