David Ellinghaus and colleagues report a combined association analysis of five chronic inflammatory diseases. They identify 27 new associations and highlight disease-specific association patterns at shared susceptibility loci. We simultaneously investigated the genetic landscape of ankylosing spondylitis, Crohn's disease, psoriasis, primary sclerosing cholangitis and ulcerative colitis to investigate pleiotropy and the relationship between these clinically related diseases. Using high-density genotype data from more than 86,000 individuals of European ancestry, we identified 244 independent multidisease signals, including 27 new genome-wide significant susceptibility loci and 3 unreported shared risk loci. Complex pleiotropy was supported when contrasting multidisease signals with expression data sets from human, rat and mouse together with epigenetic and expressed enhancer profiles. The comorbidities among the five immune diseases were best explained by biological pleiotropy rather than heterogeneity (a subgroup of cases genetically identical to those with another disease, possibly owing to diagnostic misclassification, molecular subtypes or excessive comorbidity). In particular, the strong comorbidity between primary sclerosing cholangitis and inflammatory bowel disease is likely the result of a unique disease, which is genetically distinct from classical inflammatory bowel disease phenotypes.

Chi-Hua Chen and colleagues report a GWAS for five personality traits and identify four loci associated with extraversion and two associated with neuroticism at genome-wide significance. They find that the five personality traits are genetically correlated and identify genetic correlations between personality traits and psychiatric disorders. Personality is influenced by genetic and environmental factors1 and associated with mental health. However, the underlying genetic determinants are largely unknown. We identified six genetic loci, including five novel loci2,3, significantly associated with personality traits in a meta-analysis of genome-wide association studies (N = 123,132–260,861). Of these genome-wide significant loci, extraversion was associated with variants in WSCD2 and near PCDH15, and neuroticism with variants on chromosome 8p23.1 and in L3MBTL2. We performed a principal component analysis to extract major dimensions underlying genetic variations among five personality traits and six psychiatric disorders (N = 5,422–18,759). The first genetic dimension separated personality traits and psychiatric disorders, except that neuroticism and openness to experience were clustered with the disorders. High genetic correlations were found between extraversion and attention-deficit–hyperactivity disorder (ADHD) and between openness and schizophrenia and bipolar disorder. The second genetic dimension was closely aligned with extraversion–introversion and grouped neuroticism with internalizing psychopathology (e.g., depression or anxiety).

Background Identifying individuals at risk for developing Alzheimer disease (AD) is of utmost importance. Although genetic studies have identified AD-associated SNPs in APOE and other genes, genetic information has not been integrated into an epidemiological framework for risk prediction. Methods and findings Using genotype data from 17,008 AD cases and 37,154 controls from the International Genomics of Alzheimer’s Project (IGAP Stage 1), we identified AD-associated SNPs (at p < 10−5). We then integrated these AD-associated SNPs into a Cox proportional hazard model using genotype data from a subset of 6,409 AD patients and 9,386 older controls from Phase 1 of the Alzheimer’s Disease Genetics Consortium (ADGC), providing a polygenic hazard score (PHS) for each participant. By combining population-based incidence rates and the genotype-derived PHS for each individual, we derived estimates of instantaneous risk for developing AD, based on genotype and age, and tested replication in multiple independent cohorts (ADGC Phase 2, National Institute on Aging Alzheimer’s Disease Center [NIA ADC], and Alzheimer’s Disease Neuroimaging Initiative [ADNI], total n = 20,680). Within the ADGC Phase 1 cohort, individuals in the highest PHS quartile developed AD at a considerably lower age and had the highest yearly AD incidence rate. Among APOE ε3/3 individuals, the PHS modified expected age of AD onset by more than 10 y between the lowest and highest deciles (hazard ratio 3.34, 95% CI 2.62–4.24, p = 1.0 × 10−22). In independent cohorts, the PHS strongly predicted empirical age of AD onset (ADGC Phase 2, r = 0.90, p = 1.1 × 10−26) and longitudinal progression from normal aging to AD (NIA ADC, Cochran–Armitage trend test, p = 1.5 × 10−10), and was associated with neuropathology (NIA ADC, Braak stage of neurofibrillary tangles, p = 3.9 × 10−6, and Consortium to Establish a Registry for Alzheimer’s Disease score for neuritic plaques, p = 6.8 × 10−6) and in vivo markers of AD neurodegeneration (ADNI, volume loss within the entorhinal cortex, p = 6.3 × 10−6, and hippocampus, p = 7.9 × 10−5). Additional prospective validation of these results in non-US, non-white, and prospective community-based cohorts is necessary before clinical use. Conclusions We have developed a PHS for quantifying individual differences in age-specific genetic risk for AD. Within the cohorts studied here, polygenic architecture plays an important role in modifying AD risk beyond APOE. With thorough validation, quantification of inherited genetic variation may prove useful for stratifying AD risk and as an enrichment strategy in therapeutic trials.

Recent genome-wide association studies (GWAS) and pathway analyses supported long-standing observations of an association between immune-mediated diseases and Parkinson disease (PD). The post-GWAS era provides an opportunity for cross-phenotype analyses between different complex phenotypes.To test the hypothesis that there are common genetic risk variants conveying risk of both PD and autoimmune diseases (ie, pleiotropy) and to identify new shared genetic variants and their pathways by applying a novel statistical framework in a genome-wide approach.Using the conjunction false discovery rate method, this study analyzed GWAS data from a selection of archetypal autoimmune diseases among 138 511 individuals of European ancestry and systemically investigated pleiotropy between PD and type 1 diabetes, Crohn disease, ulcerative colitis, rheumatoid arthritis, celiac disease, psoriasis, and multiple sclerosis. NeuroX data (6927 PD cases and 6108 controls) were used for replication. The study investigated the biological correlation between the top loci through protein-protein interaction and changes in the gene expression and methylation levels. The dates of the analysis were June 10, 2015, to March 4, 2017.The primary outcome was a list of novel loci and their pathways involved in PD and autoimmune diseases.Genome-wide conjunctional analysis identified 17 novel loci at false discovery rate less than 0.05 with overlap between PD and autoimmune diseases, including known PD loci adjacent to GAK, HLA-DRB5, LRRK2, and MAPT for rheumatoid arthritis, ulcerative colitis and Crohn disease. Replication confirmed the involvement of HLA, LRRK2, MAPT, TRIM10, and SETD1A in PD. Among the novel genes discovered, WNT3, KANSL1, CRHR1, BOLA2, and GUCY1A3 are within a protein-protein interaction network with known PD genes. A subset of novel loci was significantly associated with changes in methylation or expression levels of adjacent genes.The study findings provide novel mechanistic insights into PD and autoimmune diseases and identify a common genetic pathway between these phenotypes. The results may have implications for future therapeutic trials involving anti-inflammatory agents.

Abstract Accumulating evidence from genome wide association studies (GWAS) suggests an abundance of shared genetic influences among complex human traits and disorders, such as mental disorders. Here we introduce a statistical tool, MiXeR, which quantifies polygenic overlap irrespective of genetic correlation, using GWAS summary statistics. MiXeR results are presented as a Venn diagram of unique and shared polygenic components across traits. At 90% of SNP-heritability explained for each phenotype, MiXeR estimates that 8.3 K variants causally influence schizophrenia and 6.4 K influence bipolar disorder. Among these variants, 6.2 K are shared between the disorders, which have a high genetic correlation. Further, MiXeR uncovers polygenic overlap between schizophrenia and educational attainment. Despite a genetic correlation close to zero, the phenotypes share 8.3 K causal variants, while 2.5 K additional variants influence only educational attainment. By considering the polygenicity, discoverability and heritability of complex phenotypes, MiXeR analysis may improve our understanding of cross-trait genetic architectures.

Abstract Brain age is a widely used index for quantifying individuals’ brain health as deviation from a normative brain aging trajectory. Higher than expected brain age is thought partially to reflect above-average rate of brain aging. We explicitly tested this assumption in two large datasets and found no association between cross-sectional brain age and steeper brain decline measured longitudinally. Rather, brain age in adulthood was associated with early-life influences indexed by birth weight and polygenic scores. The results call for nuanced interpretations of cross-sectional indices of the aging brain and question their validity as markers of ongoing within-person changes of the aging brain. Longitudinal imaging data should be preferred whenever the goal is to understand individual change trajectories of brain and cognition in aging.

Abstract Socio-economic status (SES) has been proposed to have facilitating and protective effects on brain and cognition. Here we show that relationships between SES, brain volumes and general cognitive ability differ significantly across European and US cohorts (4-97 years, N ≈ 500,000; 54,000 with brain imaging). Education was positively related to intracranial (ICV) and total brain gray matter (GM) volume. Income was related to ICV, but not GM. Relationships varied significantly across samples, and SES was more strongly related to brain and cognition in US than European cohorts. Differences in neuroanatomical volumes explained part of the SES-cognition relationships. SES was more strongly related to ICV than to GM, implying that SES-cognition relations in adulthood are less likely grounded in neuroprotective effects on GM volume in aging. Rather, a relationship may be established early in life. The findings underscore that SES has no uniform association with, or impact on, brain and cognition.

ABSTRACT Accumulating evidence from genome wide association studies (GWAS) suggests an abundance of shared genetic influences among complex human traits and disorders, such as mental disorders. While current cross-trait analytical methods focus on genetic correlation between traits, we developed a novel statistical tool (MiXeR), which quantifies polygenic overlap independent of genetic correlation, using summary statistics from GWAS. MiXeR results can be presented as a Venn diagram of unique and shared polygenic components across traits. At 90% of SNP-heritability explained for each phenotype, MiXeR estimates that more than 9K variants causally influence schizophrenia, 7K influence bipolar disorder, and out of those variants 6.9K are shared between these two disorders, which have high genetic correlation. Further, MiXeR uncovers extensive polygenic overlap between schizophrenia and educational attainment. Despite a genetic correlation close to zero, these traits share more than 9K causal variants, while 3K additional variants only influence educational attainment. By considering the polygenicity, heritability and discoverability of complex phenotypes, MiXeR provides a more complete quantification of shared genetic architecture than offered by other available tools.

Abstract The question of how much sleep is best for the brain attracts scientific and public interest, and there is concern that insuficient sleep leads to poorer brain health. However, it is unknown how much sleep is sufficient and how much is too much. We analyzed 51,295 brain magnetic resonnance images from 47,039 participants, and calculated the self-reported sleep duration associated with the largest regional volumes and smallest ventricles relative to intracranial volume (ICV) and thickest cortex. 6.8 hours of sleep was associated with the most favorable brain outcome overall. Critical values, defined by 95% confidence intervals, were 5.7 and 7.9 hours. There was regional variation, with for instance the hippocampus showing largest volume at 6.3 hours. Moderately long sleep (> 8 hours) was more strongly associated with smaller relative volumes, thinner cortex and larger ventricles than even very short sleep (< 5 hours), but effect sizes were modest. People with larger ICV reported longer sleep (7.5 hours), so not correcting for ICV yielded longer durations associated with maximal volume. Controlling for socioeconomic status, body mass index and depression symptoms did not alter the associations. Genetic analyses showed that genes related to longer sleep in short sleepers were related to shorter sleep in long sleepers. This may indicate a genetically controlled homeostatic regulation of sleep duration. Mendelian randomization analyses did not suggest sleep duration to have a causal impact on brain structure in the analyzed datasets. The findings challenge the notion that habitual short sleep is negatively related to brain structure. Significance statement According to consensus recommendations, adults should sleep between 7 and 9 hours to optimize their health. We found that sleeping less than the recommended amount was associated with greater regional brain volumes relative to intracranial volume, and very short sleep was only weakly related to smaller volumes. Genetic analyses did not show causal effects of sleep duration on brain structure. Taken together, the results suggest that habitual short sleep is not an important contributor to lower brain volumes in adults on a group level, and that large individual dfferences in sleep need likely exist.

Abstract Cortical asymmetry is a ubiquitous feature of brain organization that is subtly altered in some neurodevelopmental disorders, yet we lack knowledge of how its development proceeds across life in health. Achieving consensus on the precise cortical asymmetries in humans is necessary to uncover the genetic and later influences that shape them, such as age. Here, we delineate population-level asymmetry in cortical thickness and surface area vertex-wise in 7 datasets and chart asymmetry trajectories longitudinally across life (4-89 years; observations = 3937; 70% longitudinal). We find replicable asymmetry interrelationships, heritability maps, and test asymmetry associations in large-scale data. Cortical asymmetry was robust across datasets. Whereas areal asymmetry is predominantly stable across life, thickness asymmetry grows in childhood and peaks in early adulthood. Areal asymmetry correlates phenotypically and genetically in specific regions, and is low-moderately heritable (max h 2 SNP ∼19%). In contrast, thickness asymmetry is globally interrelated across the cortex in a pattern suggesting highly left-lateralized individuals tend towards left-lateralization also in population-level right-asymmetric regions (and vice versa), and exhibits low or absent heritability. We find less areal asymmetry in the most consistently lateralized region in humans associates with subtly lower cognitive ability, and confirm small handedness and sex effects. Results suggest areal asymmetry is developmentally stable and arises in early life through genetic but mainly subject-specific stochastic effects, whereas childhood developmental growth shapes thickness asymmetry and may lead to directional variability of global thickness lateralization in the population.