Pathogenic mutations in APP, PSEN1, PSEN2, MAPT and GRN have previously been linked to familial early onset forms of dementia. Mutation screening in these genes has been performed in either very small series or in single families with late onset AD (LOAD). Similarly, studies in single families have reported mutations in MAPT and GRN associated with clinical AD but no systematic screen of a large dataset has been performed to determine how frequently this occurs. We report sequence data for 439 probands from late-onset AD families with a history of four or more affected individuals. Sixty sequenced individuals (13.7%) carried a novel or pathogenic mutation. Eight pathogenic variants, (one each in APP and MAPT, two in PSEN1 and four in GRN) three of which are novel, were found in 14 samples. Thirteen additional variants, present in 23 families, did not segregate with disease, but the frequency of these variants is higher in AD cases than controls, indicating that these variants may also modify risk for disease. The frequency of rare variants in these genes in this series is significantly higher than in the 1,000 genome project (p = 5.09 × 10⁻⁵; OR = 2.21; 95%CI = 1.49-3.28) or an unselected population of 12,481 samples (p = 6.82 × 10⁻⁵; OR = 2.19; 95%CI = 1.347-3.26). Rare coding variants in APP, PSEN1 and PSEN2, increase risk for or cause late onset AD. The presence of variants in these genes in LOAD and early-onset AD demonstrates that factors other than the mutation can impact the age at onset and penetrance of at least some variants associated with AD. MAPT and GRN mutations can be found in clinical series of AD most likely due to misdiagnosis. This study clearly demonstrates that rare variants in these genes could explain an important proportion of genetic heritability of AD, which is not detected by GWAS.

The polygenic nature of Alzheimer's disease (AD) suggests that multiple variants jointly contribute to disease susceptibility. As an individual's genetic variants are constant throughout life, evaluating the combined effects of multiple disease-associated genetic risks enables reliable AD risk prediction. Because of the complexity of genomic data, current statistical analyses cannot comprehensively capture the polygenic risk of AD, resulting in unsatisfactory disease risk prediction. However, deep learning methods, which capture nonlinearity within high-dimensional genomic data, may enable more accurate disease risk prediction and improve our understanding of AD etiology. Accordingly, we developed deep learning neural network models for modeling AD polygenic risk.

Abstract Changes in the levels of circulating proteins are associated with Alzheimer’s disease (AD), whereas their pathogenic roles in AD are unclear. Here, we identified soluble ST2 (sST2), a decoy receptor of interleukin-33–ST2 signaling, as a new disease-causing factor in AD. Increased circulating sST2 level is associated with more severe pathological changes in female individuals with AD. Genome-wide association analysis and CRISPR–Cas9 genome editing identified rs1921622 , a genetic variant in an enhancer element of IL1RL1 , which downregulates gene and protein levels of sST2. Mendelian randomization analysis using genetic variants, including rs1921622 , demonstrated that decreased sST2 levels lower AD risk and related endophenotypes in females carrying the Apolipoprotein E ( APOE )-ε4 genotype; the association is stronger in Chinese than in European-descent populations. Human and mouse transcriptome and immunohistochemical studies showed that rs1921622 /sST2 regulates amyloid-beta (Aβ) pathology through the modulation of microglial activation and Aβ clearance. These findings demonstrate how sST2 level is modulated by a genetic variation and plays a disease-causing role in females with AD.

Brain genetics is an active research area. The degree to which genetic variants impact variations in brain structure and function remains largely unknown. We examined the heritability of regional brain volumes (p ~ 100) captured by single-nucleotide polymorphisms (SNPs) in UK Biobank (n ~ 9000). We found that regional brain volumes are highly heritable in this study population. We observed omni-genic impact across the genome as well as enrichment of SNPs in active chromatin regions. Principal components derived from regional volume data are also highly heritable, but the amount of variance in brain volume explained by the component did not seem to be related to its heritability. Heritability estimates vary substantially across large-scale functional networks and brain regions. The variation in heritability across regions was not related to measurement reliability. Heritability estimates exhibit a symmetric pattern across left and right hemispheres and are consistent in females and males. Our main findings in UK Biobank are consistent with those in Alzheimers Disease Neuroimaging Initiative (n ~ 1100), Philadelphia Neurodevelopmental Cohort (n ~ 600), and Pediatric Imaging, Neurocognition, and Genetics (n ~ 500) datasets, with more stable estimates in UK Biobank.

Up to 80% of Parkinson's disease patients develop dementia, but time to dementia varies widely from motor symptom onset. Dementia with Lewy bodies presents with clinical features similar to Parkinson's disease dementia, but cognitive impairment precedes or coincides with motor onset. It remains controversial whether dementia with Lewy bodies and Parkinson's disease dementia are distinct conditions or represent part of a disease spectrum. The biological mechanisms underlying disease heterogeneity, in particular the development of dementia, remain poorly understood, but will likely be the key to understanding disease pathways and, ultimately, therapy development. Previous genome-wide association studies in Parkinson's disease and dementia with Lewy bodies/Parkinson's disease dementia have identified risk loci differentiating patients from controls. We collated data for 7804 patients of European ancestry from Tracking Parkinson's, The Oxford Discovery Cohort, and Accelerating Medicine Partnership-Parkinson's Disease Initiative. We conducted a discrete phenotype genome-wide association study comparing Lewy body diseases with and without dementia to decode disease heterogeneity by investigating the genetic drivers of dementia in Lewy body diseases. We found that risk allele rs429358 tagging