Abstract Magnetic resonance imaging (MRI) has transformed our understanding of the human brain through well-replicated mapping of abilities to specific structures (for example, lesion studies) and functions 1–3 (for example, task functional MRI (fMRI)). Mental health research and care have yet to realize similar advances from MRI. A primary challenge has been replicating associations between inter-individual differences in brain structure or function and complex cognitive or mental health phenotypes (brain-wide association studies (BWAS)). Such BWAS have typically relied on sample sizes appropriate for classical brain mapping 4 (the median neuroimaging study sample size is about 25), but potentially too small for capturing reproducible brain–behavioural phenotype associations 5,6 . Here we used three of the largest neuroimaging datasets currently available—with a total sample size of around 50,000 individuals—to quantify BWAS effect sizes and reproducibility as a function of sample size. BWAS associations were smaller than previously thought, resulting in statistically underpowered studies, inflated effect sizes and replication failures at typical sample sizes. As sample sizes grew into the thousands, replication rates began to improve and effect size inflation decreased. More robust BWAS effects were detected for functional MRI (versus structural), cognitive tests (versus mental health questionnaires) and multivariate methods (versus univariate). Smaller than expected brain–phenotype associations and variability across population subsamples can explain widespread BWAS replication failures. In contrast to non-BWAS approaches with larger effects (for example, lesions, interventions and within-person), BWAS reproducibility requires samples with thousands of individuals.

Genes overlap across psychiatric disease Many genome-wide studies have examined genes associated with a range of neuropsychiatric disorders. However, the degree to which the genetic underpinnings of these diseases differ or overlap is unknown. Gandal et al. performed meta-analyses of transcriptomic studies covering five major psychiatric disorders and compared cases and controls to identify coexpressed gene modules. From this, they found that some psychiatric disorders share global gene expression patterns. This overlap in polygenic traits in neuropsychiatric disorders may allow for better diagnosis and treatment. Science , this issue p. 693

The ABCD study is a new and ongoing project of very substantial size and scale involving 21 data acquisition sites. It aims to recruit 11,500 children and follow them for ten years with extensive assessments at multiple timepoints. To deliver on its potential to adequately describe adolescent development, it is essential that it adopt recruitment procedures that are efficient and effective and will yield a sample that reflects the nation’s diversity in an epidemiologically informed manner. Here, we describe the sampling plans and recruitment procedures of this study. Participants are largely recruited through the school systems with school selection informed by gender, race and ethnicity, socioeconomic status, and urbanicity. Procedures for school selection designed to mitigate selection biases, dynamic monitoring of the accumulating sample to correct deviations from recruitment targets, and a description of the recruitment procedures designed to foster a collaborative attitude between the researchers, the schools and the local communities, are provided.

Background Major depressive disorder is characterized by increased and sustained emotional reactivity, which has been linked to sustained amygdala activity. It is also characterized by disruptions in executive control, linked to abnormal dorsolateral prefrontal cortex (DLPFC) function. These mechanisms have been hypothesized to interact in depression. This study explored relationships between amygdala and DLPFC activity during emotional and cognitive information processing in unipolar depression. Method Twenty-seven unmedicated patients with DSM-IV unipolar major depressive disorder and 25 never-depressed healthy control subjects completed tasks requiring executive control (digit sorting) and emotional information processing (personal relevance rating of words) during event-related functional magnetic resonance imaging (fMRI) assessment. Results Relative to control subjects, depressed subjects displayed sustained amygdala reactivity on the emotional tasks and decreased DLPFC activity on the digit-sorting task. Decreased relationships between the time-series of amygdala and DLPFC activity were observed within tasks in depression, but different depressed individuals showed each type of bias. Conclusions Depression is associated with increased limbic activity in response to emotional information processing and decreased DLPFC activity in response to cognitive tasks though these may reflect separate mechanisms. Depressed individuals also display decreased relationships between amygdala and DLPFC activity, potentially signifying decreased functional relationships among these structures. Major depressive disorder is characterized by increased and sustained emotional reactivity, which has been linked to sustained amygdala activity. It is also characterized by disruptions in executive control, linked to abnormal dorsolateral prefrontal cortex (DLPFC) function. These mechanisms have been hypothesized to interact in depression. This study explored relationships between amygdala and DLPFC activity during emotional and cognitive information processing in unipolar depression. Twenty-seven unmedicated patients with DSM-IV unipolar major depressive disorder and 25 never-depressed healthy control subjects completed tasks requiring executive control (digit sorting) and emotional information processing (personal relevance rating of words) during event-related functional magnetic resonance imaging (fMRI) assessment. Relative to control subjects, depressed subjects displayed sustained amygdala reactivity on the emotional tasks and decreased DLPFC activity on the digit-sorting task. Decreased relationships between the time-series of amygdala and DLPFC activity were observed within tasks in depression, but different depressed individuals showed each type of bias. Depression is associated with increased limbic activity in response to emotional information processing and decreased DLPFC activity in response to cognitive tasks though these may reflect separate mechanisms. Depressed individuals also display decreased relationships between amygdala and DLPFC activity, potentially signifying decreased functional relationships among these structures.

Background

 Investigations of unipolar major depressive disorder (MDD) have focused primarily on major depressive episode remission/recovery and relapse/recurrence. This is the first prospective, naturalistic, long-term study of the weekly symptomatic course of MDD. 

Methods

 The weekly depressive symptoms of 431 patients with MDD seeking treatment at 5 academic centers were divided into 4 levels of severity: (1) depressive symptoms at the threshold for MDD; (2) depressive symptoms at the threshold for minor depressive or dysthymic disorder (MinD); (3) subsyndromal or subthreshold depressive symptoms (SSDs), below the thresholds for MinD and MDD; and (4) no depressive symptoms. The percentage of weeks at each level, number of changes in symptom level, and medication status were analyzed overall and for 3 subgroups defined by mood disorder history. 

Results

 Patients were symptomatically ill in 59% of weeks. Symptom levels changed frequently (1.8/y), and 9 of 10 patients spent weeks at 3 or 4 different levels during follow-up. The MinD (27%) and SSD (17%) symptom levels were more common than the MDD (15%) symptom level. Patients with double depression and recurrent depression had more chronic symptoms than patients with their first lifetime major depressive episode (72% and 65%, respectively, vs 46% of follow-up weeks). 

Conclusion

 The long-term weekly course of unipolar MDD is dominated by prolonged symptomatic chronicity. Combined MinD and SSD level symptoms were about 3 times more common (43%) than MDD level symptoms (15%). The symptomatic course is dynamic and changeable, and MDD, MinD, and SSD symptom levels commonly alternate over time in the same patients as a symptomatic continuum of illness activity of a single clinical disease.

The Adolescent Brain Cognitive Development (ABCD) Study is an ongoing, nationwide study of the effects of environmental influences on behavioral and brain development in adolescents. The main objective of the study is to recruit and assess over eleven thousand 9-10-year-olds and follow them over the course of 10 years to characterize normative brain and cognitive development, the many factors that influence brain development, and the effects of those factors on mental health and other outcomes. The study employs state-of-the-art multimodal brain imaging, cognitive and clinical assessments, bioassays, and careful assessment of substance use, environment, psychopathological symptoms, and social functioning. The data is a resource of unprecedented scale and depth for studying typical and atypical development. The aim of this manuscript is to describe the baseline neuroimaging processing and subject-level analysis methods used by ABCD. Processing and analyses include modality-specific corrections for distortions and motion, brain segmentation and cortical surface reconstruction derived from structural magnetic resonance imaging (sMRI), analysis of brain microstructure using diffusion MRI (dMRI), task-related analysis of functional MRI (fMRI), and functional connectivity analysis of resting-state fMRI. This manuscript serves as a methodological reference for users of publicly shared neuroimaging data from the ABCD Study.

Several lines of evidence suggest that genome-wide association studies (GWASs) have the potential to explain more of the “missing heritability” of common complex phenotypes. However, reliable methods for identifying a larger proportion of SNPs are currently lacking. Here, we present a genetic-pleiotropy-informed method for improving gene discovery with the use of GWAS summary-statistics data. We applied this methodology to identify additional loci associated with schizophrenia (SCZ), a highly heritable disorder with significant missing heritability. Epidemiological and clinical studies suggest comorbidity between SCZ and cardiovascular-disease (CVD) risk factors, including systolic blood pressure, triglycerides, low- and high-density lipoprotein, body mass index, waist-to-hip ratio, and type 2 diabetes. Using stratified quantile-quantile plots, we show enrichment of SNPs associated with SCZ as a function of the association with several CVD risk factors and a corresponding reduction in false discovery rate (FDR). We validate this “pleiotropic enrichment” by demonstrating increased replication rate across independent SCZ substudies. Applying the stratified FDR method, we identified 25 loci associated with SCZ at a conditional FDR level of 0.01. Of these, ten loci are associated with both SCZ and CVD risk factors, mainly triglycerides and low- and high-density lipoproteins but also waist-to-hip ratio, systolic blood pressure, and body mass index. Together, these findings suggest the feasibility of using genetic-pleiotropy-informed methods for improving gene discovery in SCZ and identifying potential mechanistic relationships with various CVD risk factors. Several lines of evidence suggest that genome-wide association studies (GWASs) have the potential to explain more of the “missing heritability” of common complex phenotypes. However, reliable methods for identifying a larger proportion of SNPs are currently lacking. Here, we present a genetic-pleiotropy-informed method for improving gene discovery with the use of GWAS summary-statistics data. We applied this methodology to identify additional loci associated with schizophrenia (SCZ), a highly heritable disorder with significant missing heritability. Epidemiological and clinical studies suggest comorbidity between SCZ and cardiovascular-disease (CVD) risk factors, including systolic blood pressure, triglycerides, low- and high-density lipoprotein, body mass index, waist-to-hip ratio, and type 2 diabetes. Using stratified quantile-quantile plots, we show enrichment of SNPs associated with SCZ as a function of the association with several CVD risk factors and a corresponding reduction in false discovery rate (FDR). We validate this “pleiotropic enrichment” by demonstrating increased replication rate across independent SCZ substudies. Applying the stratified FDR method, we identified 25 loci associated with SCZ at a conditional FDR level of 0.01. Of these, ten loci are associated with both SCZ and CVD risk factors, mainly triglycerides and low- and high-density lipoproteins but also waist-to-hip ratio, systolic blood pressure, and body mass index. Together, these findings suggest the feasibility of using genetic-pleiotropy-informed methods for improving gene discovery in SCZ and identifying potential mechanistic relationships with various CVD risk factors.

In a survey of 1,006 community-dwelling adults ages 50 to 99, self-rated “successful aging” was surprisingly more common in the oldest respondents. Greater age was associated with worse physical and cognitive functioning but also with higher levels of optimism and resilience and less depression. People with the poorest physical functioning who had high degrees of resilience had self-ratings of successful aging similar to those of physically healthy people with low resilience.

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.

Several lines of evidence suggest that genome-wide association studies (GWAS) have the potential to explain more of the “missing heritability” of common complex phenotypes. However, reliable methods to identify a larger proportion of single nucleotide polymorphisms (SNPs) that impact disease risk are currently lacking. Here, we use a genetic pleiotropy-informed conditional false discovery rate (FDR) method on GWAS summary statistics data to identify new loci associated with schizophrenia (SCZ) and bipolar disorders (BD), two highly heritable disorders with significant missing heritability. Epidemiological and clinical evidence suggest similar disease characteristics and overlapping genes between SCZ and BD. Here, we computed conditional Q–Q curves of data from the Psychiatric Genome Consortium (SCZ; n = 9,379 cases and n = 7,736 controls; BD: n = 6,990 cases and n = 4,820 controls) to show enrichment of SNPs associated with SCZ as a function of association with BD and vice versa with a corresponding reduction in FDR. Applying the conditional FDR method, we identified 58 loci associated with SCZ and 35 loci associated with BD below the conditional FDR level of 0.05. Of these, 14 loci were associated with both SCZ and BD (conjunction FDR). Together, these findings show the feasibility of genetic pleiotropy-informed methods to improve gene discovery in SCZ and BD and indicate overlapping genetic mechanisms between these two disorders.