Polygene Beiträge zur Leistung bei der Balloon Analogue Risk Task

Molekulare Psychiatrie (2023)Diesen Artikel zitieren

281 Zugriffe

1 Altmetrisch

Details zu den Metriken

Riskante Entscheidungen sind ein häufiger, vererbbarer Endophänotyp, der bei vielen psychiatrischen Erkrankungen auftritt. Die zugrunde liegende genetische Architektur ist unvollständig erforscht. Wir untersuchten das Verhalten im Balloon Analogue Risk Task (BART), der riskante Entscheidungen testet, in zwei unabhängigen Stichproben europäischer Abstammung. Eine Stichprobe (n = 1138) umfasste gesunde Teilnehmer und einige psychiatrische Patienten (53 Schizophrenie, 42 bipolare Störung, 47 ADHS); der andere (n = 911) wurde wegen kürzlicher Behandlung verschiedener psychiatrischer Störungen, jedoch nicht von ADHS, ausgeschlossen. Die Teilnehmer stellten DNA zur Verfügung und führten den BART durch, der anhand der durchschnittlich angepassten Pumpen indexiert wurde. Wir haben in jedem Datensatz einen polygenen Risikoscore (PRS) für die Entdeckung erstellt und ihn im anderen als Replikation getestet. Anschließend wurde in einer genomweiten MEGA-Analyse, bei der beide Proben kombiniert wurden, die genetische Korrelation mit der Risikobereitschaft in der Stichprobe der britischen Biobank sowie psychiatrischen Phänotypen getestet, die durch Risikobereitschaft gekennzeichnet sind (ADHS, bipolare Störung, Alkoholkonsumstörung, früherer Cannabiskonsum). ) im Psychiatric Genomics Consortium. Der PRS für die BART-Leistung in einem Datensatz sagte die Aufgabenleistung in der Replikationsstichprobe voraus (r = 0,13, p = 0,000012, pFDR = 0,000052), ebenso wie die reziproke Analyse (r = 0,09, p = 0,0083, pFDR = 0,04). Der Ausschluss von Teilnehmern mit psychiatrischen Diagnosen führte zu ähnlichen Ergebnissen. Das MEGA-GWAS identifizierte einen einzelnen SNP (rs12023073; p = 3,24 × 10−8) in der Nähe von IGSF21, einem Protein, das an inhibitorischen Gehirnsynapsen beteiligt ist; Zur Validierung dieses Ergebnisses sind Replikationsproben erforderlich. Ein PRS für selbstberichteten Cannabiskonsum (p = 0,00047, pFDR = 0,0053), jedoch nicht für selbstberichtete Risikobereitschaft oder den Status einer psychiatrischen Störung, prognostizierte das Verhalten auf dem BART in unserer MEGA-GWAS-Stichprobe. Die Ergebnisse offenbaren die polygene Architektur riskanter Entscheidungen, gemessen am BART, und verdeutlichen deren Überschneidung mit dem Cannabiskonsum.

Die Fähigkeit, Entscheidungen unter unsicheren Bedingungen zu treffen, die ein Gleichgewicht zwischen Risiko und Nutzen erfordern, ist von grundlegender Bedeutung für Erfolg und Überleben, und ein hohes Risikoverhalten ist bei Personen mit bestimmten neuropsychiatrischen Störungen weit verbreitet [1,2,3,4,5,6] . Aus diesen Gründen sind die biologischen Grundlagen des Risikoverhaltens, einschließlich seiner neuronalen Grundlagen [7, 8] und seiner genetischen Architektur [9, 10], ein Thema von aktuellem Interesse. Die Risikoneigung bzw. Risikotoleranz kann mithilfe von Fragebögen wie der DOSPERT-Skala [11] und anderen Erhebungen zu individuellen Präferenzen [12] bewertet werden, während die tatsächliche Risikobereitschaft mithilfe von Labortests wie dem Iowa Gambling Task [13] gemessen werden kann ], die Cambridge Gambling Task [14] und die Balloon Analogue Risk Task (BART) [3]. Wichtig ist, dass verschiedene Messgrößen der Risikobereitschaft, sowohl Selbstberichte als auch Laborwerte, schlecht korrelieren und möglicherweise unterschiedliche zugrunde liegende Prozesse messen [15].

Es gibt Hinweise darauf, dass Risikobereitschaft vererbbar ist. Eine Doppelstudie schätzte den Beitrag von Genen und Umwelt zur Risikobereitschaft anhand einer Skala, die sieben Bereiche der Risikobereitschaft umfasste, und fand additive genetische, aber individuell einzigartige Umwelteinflüsse [9]. In einer Metaanalyse von Zwillingsstudien lagen die Erblichkeitsschätzungen für die verschiedenen Bereiche der Risikobereitschaft zwischen 29 und 55 % [9]. In einer anderen Zwillingsstudie, in der die Risikobereitschaft bei der Iowa Gambling Task gemessen wurde, wurde ein latenter „Entscheidungsfaktor“ identifiziert, und genetische Faktoren erklärten 35 %, 20 % und 46 % der Varianz in einer Stichprobe, die im Längsschnitt getestet wurde dreimal während der jugendlichen Entwicklung [16].

In großen genomweiten Assoziationsstudien (GWAS) wurden einige Fortschritte bei der Identifizierung spezifischer Gene erzielt, die zur Risikobereitschaft beitragen. Studien zur selbstberichteten Risikobereitschaft in sehr großen Stichproben von unter anderem 23andMe und der UK Biobank haben zahlreiche Zusammenhänge hervorgebracht [17,18,19,20,21,22,23,24,25]. Konvergierende Daten aus diesen Analysen deuteten darauf hin, dass das Zelladhäsionsmolekül 2 (CADM2), ein neuronales Zelladhäsionsgen, in mehreren risikofreudigen Phänotypen impliziert wurde [18, 20, 21, 22, 24] und auf Phänotypen des Drogen- und Alkoholkonsums ausgeweitet wurde [23, 25]. ,26,27,28]. In einer Studie mit Teilnehmern der britischen Biobank wurde die Selbsteinschätzung als „Risikoträger“ mit den Loci auf den Chromosomen 3 (rs13084531, hervorgehoben CADM2) und 6 (rs9379971) in Verbindung gebracht und weist ein erhebliches genetisches Risiko für Schizophrenie, bipolare Störung und Aufmerksamkeitsdefizit auf Hyperaktivitätsstörung, posttraumatische Belastungsstörung, Rauchen und Fettleibigkeit [21]. Die bisher größte Studie zur selbstberichteten Risikobereitschaft umfasste über eine Million Personen und identifizierte 99 Risikoorte [24], was auf Gene schließen lässt, die an der glutamatergen und GABAergen Neurotransmission beteiligt sind. Schließlich milderte eine Wechselwirkung zwischen einer Variante der anorganischen Phospholysin-Phosphohistidin-Pyrophosphat-Phosphatase (LHPP) und der Alkoholabhängigkeit die selbstberichtete Vorgeschichte riskanten Sexualverhaltens und war mit Schaltkreisen im Gehirn verbunden, die zuvor an der Hemmung riskanten Verhaltens beteiligt waren [29]. Insgesamt deuten die Ergebnisse darauf hin, dass Risikobereitschaft ein komplexes Merkmal ist, das hochgradig polygen ist – angetrieben durch viele genetische Varianten mit geringer Wirkung. Die Methode der Phänotypbewertung bringt zusätzliche Komplexität mit sich, unabhängig davon, ob es sich um selbstberichtete Persönlichkeitszuschreibungen oder um die objektive Leistung bei einem Labortest handelt.

In dieser Studie haben wir das Risikoverhalten anhand des BART [3] gemessen, einem Labortest, der das Risikoverhalten unter mehrdeutigen Bedingungen misst. Wir haben einen Labortest verwendet, um Verzerrungen zu vermeiden, die die Selbstberichtsdaten beeinflussen können, und haben den BART ausgewählt, weil seine psychometrischen Eigenschaften gut charakterisiert sind [1, 3, 4, 8, 30, 31]. Wir haben den BART in zwei großen unabhängigen Studien durchgeführt, die auch Genomdaten lieferten. Der BART besteht aus einer Reihe von Entscheidungen, bei denen sowohl das Gewinnpotenzial als auch das Verlustrisiko steigen. Humandaten zur Erforschung der genetischen Grundlagen der Leistung beim BART sind spärlich und es fehlen ausreichend fundierte Studien. Eine Zwillingsstudie ergab, dass genetische Faktoren 47 % der Unterschiede in der Risikobereitschaft junger Erwachsener beim BART erklären [32]. Eine Studie an Inzuchtstämmen von Ratten, die eine angepasste Version des BART durchführte, zeigte ein annähernd ähnliches Maß an Erblichkeit, wobei etwa 55 % der Varianz auf die Erblichkeit zurückzuführen waren, und die Daten stimmten mit einem polygenen Modell überein [33]. Umgekehrt zeigte die BART keine Hinweise auf eine familienbasierte Erblichkeit über erweiterte Stammbäume in einem Populationsisolat [34]. In einer Studie mit 66 gesunden Erwachsenen wurde ein Score, der funktionelle Variationen über fünf Gene kombiniert, die die dopaminerge Signalübertragung beeinflussen (DRD2, DRD3, DRD4, DAT1 und COMT), mit der dorsolateralen präfrontalen kortikalen Funktion bei riskanten Entscheidungen und dem Aufgabenertrag in Zusammenhang gebracht [35]. . Eine Kandidatengenstudie mit 223 Jugendlichen ergab, dass weibliche, aber nicht männliche Träger des COMT158Met-Allels eine höhere Risikobereitschaft aufwiesen als Val-Homozygoten, die eine an Jugendliche angepasste Version des BART erhielten [36]. Insgesamt deuten diese Ergebnisse darauf hin, dass die Leistung beim BART eine vererbbare Komponente aufweist, die möglicherweise mit der dopaminergen Funktion zusammenhängt. Die Ergebnisse sollten jedoch mit Vorsicht interpretiert werden, da bei Studien zu Kandidatengenen die Tendenz zu Verzerrungen besteht.

Angesichts der Variabilität in der vorhandenen Literatur zielte die vorliegende Studie darauf ab, ein polygenes Modell zu entwickeln und zu testen, um die durch den BART gemessene Variabilität bei riskanten Entscheidungen abzuschätzen, die durch häufige genetische Variationen erklärt wird, und um ein GWAS durchzuführen, um spezifische Risikovarianten zu identifizieren. Um die Generalisierbarkeit und Reproduzierbarkeit zu erhöhen, haben wir das Modell in zwei großen Stichproben unabhängig voneinander angewendet und in großen öffentlich zugänglichen Datensätzen auf seinen Zusammenhang mit psychiatrischen Erkrankungen getestet, die für Risikobereitschaft und Impulsivität bekannt sind.

Die Daten für diese Studie stammen aus zwei Projekten. Eine davon war das Consortium for Neuropsychiatric Phenomics (CNP), eine Studie, die am Semel Institute der University of California Los Angeles (UCLA) durchgeführt wurde, um zugrunde liegende genetische und neuronale Faktoren und ihre Zusammenhänge mit drei neuropsychiatrischen Erkrankungen zu untersuchen: Schizophrenie, bipolare Störung und Aufmerksamkeit -Defizit-Hyperaktivitätsstörung (ADHS). Genetische, kognitive und Verhaltensdaten wurden in ähnlicher Weise im Rahmen des Projekts Genetics of Impulsivity (GOI) gesammelt, das an der University of Georgia und der University of Chicago durchgeführt wurde. In beiden Studien wurde die Abstammung selbst angegeben und genetisch bestätigt. Durch die Kombination der CNP- und GOI-Proben wurde die Aussagekraft erhöht und die Generalisierbarkeit der Studienergebnisse verbessert. Auch bei der Analysemethode (siehe Abschnitt „Ergebnisse“) wurde große Sorgfalt darauf verwendet, a) sicherzustellen, dass die in einer Probe erzielten Ergebnisse auf die andere Probe übertragbar sind; b) Kontrolle demografischer Unterschiede zwischen den Stichproben; und c) die Ergebnisse auf öffentliche Datensätze im Psychiatric Genomics Consortium zu übertragen.

CNP-Probe [37]. Gesunde Kontrollteilnehmer im Alter von 21–50 Jahren wurden über Community-Anzeigen in der Gegend von Los Angeles rekrutiert und waren „Weiße, keine Hispanoamerikaner oder Latinos“; oder „Hispanoamerikaner oder Latinos, egal welcher Rasse.“ Die Hauptsprache war entweder Englisch oder Spanisch (N = 1138; 731 Weiße, 407 Hispanoamerikaner, jeglicher Rasse). Teilnehmer wurden ausgeschlossen, wenn sie die folgenden Kriterien erfüllten: neurologische Erkrankung, Kopfverletzung mit Bewusstlosigkeit in der Vorgeschichte, Einnahme psychoaktiver Medikamente und ein positives Drogentest am Tag des Tests. Darüber hinaus wurden kleinere Stichproben von Personen mit den Diagnosen Schizophrenie, bipolare Störung und ADHS (gemäß Diagnostic and Statistical Manual of Mental Disorders, Fourth Edition – Text Revision (DSM-IV-TR) [38]) anhand einer patientenorientierten Methode rekrutiert Strategie mit der Kontaktaufnahme zu lokalen Kliniken und Online-Portalen. Die Einnahme von Psychopharmaka war in den Patientengruppen erlaubt. Insgesamt wurden 996 gesunde Personen, 53 Teilnehmer mit Schizophrenie, 42 mit bipolarer Störung und 47 mit ADHS untersucht. An der CNP-Studie nahmen sowohl gesunde als auch betroffene Personen teil, da wir dem Modell zufolge bei gesunden und betroffenen Personen eine ähnliche genetische Basis erwarten würden, wobei bei Personen mit psychiatrischen Störungen extremere Phänotypen zum Ausdruck kommen. Die Diagnosen für alle Personen folgten dem DSM-IV-TR und basierten auf dem Structured Clinical Interview for DSM-IV (SCID-I) [39], ergänzt durch das Adult ADHS Interview (ein strukturiertes Interviewformular, das vom Kiddie Schedule for Affective abgeleitet ist). Störungen und Schizophrenie, gegenwärtige und lebenslange Version (KSADS-PL) [40]. Die eingeschlossenen Teilnehmer wurden einer neuropsychologischen Untersuchung unterzogen und reichten Blutproben zur Genotypisierung ein. Alle Probanden gaben eine schriftliche Einverständniserklärung gemäß dem vom Institutional Review Board unter genehmigten Verfahren UCLA. Daten aus der CNP-Studie wurden in früheren Veröffentlichungen veröffentlicht [41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57].

GOI-Probe [15, 58]. Insgesamt 934 Teilnehmer kaukasischer Abstammung im Alter von 18 bis 30 Jahren wurden an zwei Standorten getestet (40 % in Athens, GA und 60 % in Chicago, IL). Einschlusskriterien waren fließende Englischkenntnisse, ein Alter von 18 bis 30 Jahren sowie die selbst angegebene kaukasische Rasse und nicht-hispanische ethnische Zugehörigkeit, um die Bevölkerungsschichtung zu minimieren [59]. Ausschlusskriterien waren Werte > 12 beim Alcohol Use Disorders Identification Test (AUDIT) [60] oder beim Drug Use Disorders Identification Test (DUDIT) [61]. Alle Teilnehmer wurden vor dem Test mittels Alkoholtest oder Urin-Drogentest auf kürzlichen Alkohol- oder Drogenkonsum untersucht. Ein weiteres Ausschlusskriterium war die Behandlung in den letzten 12 Monaten oder der selbstberichtete aktuelle Behandlungsbedarf für: Depression, bipolare Störung, allgemeine Angstzustände, soziale Ängste, posttraumatische Belastungsstörung, Zwangsstörung, Panikattacken/-störung, Phobie, Schizophrenie-Spektrum Störungen, Anorexie, Bulimie oder Essattacken. ADHS wurde in dieser Stichprobe nicht ausgeschlossen, obwohl es in der CNP-Stichprobe ein Ausschlusskriterium war. Die DNA wurde über eine Speichelprobe zur DNA-Sammlung in einem Oragene DNA-Kit (DNA Genotek Inc., Kanata, ON, Kanada) gesammelt.

Der BART ist ein computergestütztes Verhaltensmaß für riskante Entscheidungen [4]. Virtuelle Ballons werden auf einem Computerbildschirm präsentiert, ein Ballon pro Versuch, und der Teilnehmer kann die Ballons durch Drücken einer Antworttaste „aufpumpen“, wodurch die Ballons virtuell aufgeblasen werden. Jede Pumpe führt zu einer festgelegten Erhöhung des Geldbetrags (z. B. 5 Cent pro Pumpe) oder der bei diesem Test gesammelten Punkte. Nach einer bestimmten, probabilistisch ermittelten Anzahl von Pumpen explodiert der Ballon jedoch und der Versuch bringt weder Geld noch Punkte. Der Teilnehmer muss durch Drücken einer Antworttaste entscheiden, wann er sich einen bestimmten Versuch auszahlen lassen möchte, um die Einnahmen auf einer Sammelbank einzubehalten. Das Ziel besteht darin, dass der Teilnehmer in den Versuchen der Aufgabe möglichst viel Geld bzw. so viele Punkte wie möglich verdient. Die BART-Versionen variieren hinsichtlich der Anzahl der verwendeten Versuche/Ballons sowie der Wahrscheinlichkeit von Explosionen (z. B. wurden bei einigen Aufgaben Ballons mit einer einzigen Explosionswahrscheinlichkeit verwendet [4], während bei anderen andersfarbige Ballons verwendet wurden). unterschiedliche Explosionswahrscheinlichkeiten [3]). Die primäre abhängige Variable der Aufgabe ist die mittlere oder Gesamtzahl der Pumpen bei Versuchen, bei denen der Ballon nicht explodierte; diese wurden als „angepasste Pumpen“ bezeichnet. Das Maß „angepasste Pumpen“ wird der absoluten Pumpenzahl vorgezogen, da Explosionen den Pumpbereich künstlich einschränken [30].

Die in E-Prime 2.0 programmierte CNP-Version der BART-Aufgabe bestand aus insgesamt 40 Versuchen mit Ballons, die rot oder blau gefärbt waren (20 von jeder Farbe). Rote Ballons stellten ein „hohes Risiko“ dar, wobei die Explosionswahrscheinlichkeit bei jedem roten Ballon zufällig aus einem Bereich von 1 bis 32 Pumpstößen ausgewählt wurde; Blaue Ballons waren „geringes Risiko“, bei denen die Explosionswahrscheinlichkeit zufällig aus einem Bereich von 1 bis 128 Pumpstößen ausgewählt wurde. Die Reihenfolge der Ballonfarben in den Versuchen war zufällig. Für jede eingestellte Pumpe erhielten die Teilnehmer 5 Punkte. Die GOI-Version des BART bestand aus dreißig Ballons, verbunden mit einer Explosionswahrscheinlichkeit, die aus einem Bereich von 1 bis 64 Pumpstößen ausgewählt werden konnte. Die Teilnehmer beider Studien erhielten keine Vergütung für ihre Leistung.

Die Genotypisierung wurde mit dem Omni Illumina 500.000 SNP-Chip durchgeführt. Für alle Genotypdaten wurden Marker für die Qualitätskontrolle ausgeschlossen, wenn sie eine Genotypisierungsrate von weniger als 95 % aufwiesen, eine geringfügige Allelhäufigkeit von weniger als 1 % aufwiesen, deutlich vom Hardy-Weinberg-Gleichgewicht abwichen (p < 10–6) oder als solche identifiziert wurden Nicht-zufälliges Genotypisierungsversagen (p < 10–10). Einzelpersonen wurden wegen fehlender genotypischer Daten (<2 % Genotypen), fehlender phänotypischer Daten oder Abweichung von der erwarteten autosomalen Heterozygotie (Fhet < 0,2) ausgeschlossen. Um unerwünschte Effekte zu reduzieren, die durch seltene Varianten mit geringer Leistung in diesen Stichproben geringer Größe entstehen, wurden nur SNPs mit einem MAF von mehr als 0,20 in die Analysen einbezogen, wodurch die Einbeziehung zuverlässigerer Assoziationen hervorgehoben wird. Die Ergebnisse waren ähnlich, jedoch etwas schwächer, wenn der traditionelle Grenzwert von 0,01 verwendet wurde. GWAS wurde für jeden der CNP- und GOI-Datensätze wie folgt durchgeführt. Die Hauptkomponentenanalyse (PCA) wurde im Rahmen der Studie sowie in Verbindung mit den 1000 Genomes (1KG)-Abstammungsinformationsmarkern zur Verwendung in Qualitätskontrollen und Modellierungsbemühungen durchgeführt. Partielle Korrelationen (in R) wurden in der polygenen Bewertungsanalyse verwendet, um die Populationsunterschiede im Phänotyp beim Vergleich mit dem bewerteten PCA-kontrollierten GWAS zu kontrollieren. Plink [62] wurde verwendet, um zwei lineare Regressionen mit durchschnittlich angepassten Pumpen als abhängiger Variable von Interesse durchzuführen, wobei Geschlecht, Alter und die ersten fünf PCA-Dimensionen als Kovariaten (mittlere angepasste Pumpen ~ Geschlecht + Alter + 5 Hauptkomponenten der Abstammung) angegeben wurden. Jeder Satz zusammenfassender Statistiken wurde zusammengefasst und zusammen mit den gepaarten Genotypen aus der Komplementstudie verwendet, um polygene Scores für jedes Individuum in der Zielprobe zu erstellen (63). Gemäß der PRSice-Methode haben wir mehrere Schwellenwerte (in diesem Fall 500 mögliche Schwellenwerte zwischen 0,001 und 0,5) getestet, indem wir eine lineare Regression der Bewertung für jeden Schwellenwert durchgeführt haben (MeanAdjPumpsZ~SCORE@THRESHOLD + Geschlecht + Alter + 5 Hauptkomponenten der Abstammung). um den optimalen Schwellenwert (den kleinsten p-Wert) zu bestimmen. Der beim optimalen Schwellenwert erhaltene p-Wert wird für mehrere Tests (500 potenzielle Schwellenwerte) unter Verwendung der Falscherkennungsrate (FDR) korrigiert. Die Ergebnisse wurden dann mithilfe einer partiellen Korrelationsanalyse verglichen, die dieselben Kovariaten im Zieldatensatz wie im GWAS der Quelle kontrollierte. Für jeden Datensatz wurde auch eine Imputation zu 1KG Phase 3 durchgeführt, und es wurde dieselbe Methodik angewendet.

Eine MEGA-Analyse GWAS wurde an den zusammengeführten unterstellten Genotypen der CNP- und GOI-Datensätze durchgeführt. Um die Unterschiede in der Stichprobenpopulation zu berücksichtigen, wurden in die MEGA-Analyse die Populationskovariaten der jeweiligen Quellen einbezogen und gleichzeitig anhand des Quellenfaktors selbst kovariiert. Nach Standard-QC-Messungen (siehe Methoden oben) wurde PLINK verwendet, um eine lineare Regression gemäß dem folgenden Modell durchzuführen (mittlere angepasste Pumpen ~ gt + Geschlecht + Alter + Studienstichprobe + 5 Hauptkomponenten der Abstammung). Ein Quantil-Quantil-Diagramm (QQ) der beobachteten vs. erwarteten p-Werte und ein Manhattan-Diagramm der linearen Regressionsergebnisse wurden in R erstellt. Die Schätzung der genetischen Varianz aller SNPs wurde unter Verwendung der GREML-Methode [64] durchgeführt, wie sie in GCTA implementiert ist ( v1.92.4) [65]. Anschließend wurden Risikobewertungen abgeleitet und der beste MEGA-PRS wurde dann auf Überschneidungen mit dem Einzelfrage-Selbstbericht über das Eingehen von Risiken („Würden Sie sich selbst als jemanden beschreiben, der Risiken eingeht?“) bei europäischen britischen Biobank-Teilnehmern (N = 436.236) getestet ) [19] und Krankheitsstatus in europäischen Stichproben aus den öffentlichen Datensätzen zu ADHS, bipolarer Störung, Alkoholkonsumstörung und „nie/nie“ früherem Cannabiskonsum aus dem Jahr 2017 unter Verwendung der oben genannten PRS-Methoden. Öffentliche Datensätze zur Aufmerksamkeitsdefizitstörung (PGC & iPSYCH, N = 19.099 Fälle, 34.194 Kontrollen) [66] und zur bipolaren Störung (PGC, N = 20.352 Fälle, 31.358 Kontrollen, effektive Stichprobengröße 46.582) [67], nicht-psychiatrisch Kontrollphänotyp (PGC Inflammatory Bowel Disease, eine Kombination aus PGC-Datensätzen zu Colitis ulcerosa und Morbus Crohn) sowie Alkoholkonsumstörung (UK Biobank AUDIT, N = 121.604) [23] und früherer Cannabiskonsum (UK Biobank und ICC, N = 53.179 Fälle, 131.586 Kontrollen, effektive Stichprobengröße 151.493) [28] wurden heruntergeladen und zusammenfassende Statistiken extrahiert, um PRS-Modelle zu erstellen. Für jede Störung wurde ein PRS erstellt und zur Vorhersage der BART-Leistung in unserer kombinierten MEGA-Analyse-Stichprobe getestet. In ähnlicher Weise wurden Analysen der britischen Biobank unter Verwendung der von Clifton und Kollegen [19] gemeldeten zusammenfassenden Statistiken durchgeführt, um eine gemeinsame genetische Neigung zur Risikobereitschaft zwischen Selbstbericht und BART-Leistung in CNP, GOI und unseren MEGA-Proben gemäß den PRS-Methoden zu bewerten über.

Ein PRS für riskante Entscheidungen, der auf der Grundlage der BART-Leistung in der GOI-Stichprobe (d. h. der Discovery-Stichprobe) erstellt wurde, prognostizierte die BART-Leistung in der CNP-Stichprobe (Replikationsstichprobe) (r = 0,13, p = 1,2 × 10−5). und die Korrelation blieb signifikant (pFDR = 5,2 × 10−5), wenn sie um mehrere Vergleiche korrigiert wurde, die bei der empirischen Bestimmung des optimalen p-Wert-Schwellenwerts (0,34) für die SNP-Einbeziehung in das Modell durchgeführt wurden (Abb. 1A). Als der PRS aus der BART-Leistung im CNP-Datensatz abgeleitet und auf die GOI-Stichprobe angewendet wurde, wurde eine ähnliche Korrelation (r = 0,09, p = 0,0083, pFDR = 0,04) bei einem optimalen Schwellenwert von 0,361 beobachtet (Abb. 1B). Der Ausschluss von Probanden mit psychiatrischer Diagnose und hispanischer Herkunft aus den CNP-Daten führte zu ähnlichen, aber weniger signifikanten Ergebnissen, was auf eine Leistungsbeschränkung schließen lässt.

Eine PRS-Analyse mit GOI als Trainings- und CNP als Replikationsprobe. B PRS-Analyse mit CNP als Trainings- und GOI als Replikationsprobe. Der optimale Schwellenwert (0,338 in A und 0,108 in B), der durch die stärkste PRS-Korrelation mit dem BART-Phänotyp bestimmt wird, wird durch das Kästchen zusammen mit der Korrelation (r), dem p-Wert und dem FDR-korrigierten p-Wert hervorgehoben. Die horizontale Linie zeigt die nominale Signifikanz an.

Das QQ-Diagramm und der genomische Inflationsfaktor Lambda für die MEGA-Analyse zeigten, dass die verwendeten Hauptkomponenten jegliche Auswirkungen der Abstammung korrigierten (Abb. 2A). Die lineare Regression der MEGA-Analyse (Abb. 3B) identifizierte eine Variante, die genomweite Bedeutung erlangte, SNP (rs12023073) im ersten Intron des Immunglobulin-Superfamilienmitglieds 21 (IGSF21) auf Chromosom 1 (p = 3,24 × 10−8). Das C-Allel war im Vergleich zum kleineren T-Allel mit einer höheren Risikobereitschaft verbunden (MAF = 0,34). Ein schwächeres Signal trat bei rs386423 in einem proximalen Intron von Slit-Robo GTPase activating protein 3 (SRGAP3) auf Chromosom 3 auf (MAF 0,41, p = 4,91 × 10−6). Die SNP-Heritabilität (h2 SNP) war mit 0,27 signifikant (SE = 0,08, 7,1 × 10−14); Diese Schätzung sollte jedoch angesichts der Einschränkungen unserer kleinen Stichprobengröße mit Vorsicht interpretiert werden.

Ein QQ-Diagramm der erwarteten vs. beobachteten p-Werte für das MEGA-GWAS. B Manhattan-Diagramm der genomweiten Assoziation mit riskanter Entscheidungsfindung, gemessen an der BART-Leistung. Die obere Linie markiert die genomweite Bedeutung. Die untere Linie zeigt den Signifikanzschwellenwert der Bonferroni-Korrektur an.

PRS-Analyse der Cannabisabhängigkeit im Vergleich zur BART-Leistung in den kombinierten GOI- und CNP-Proben zeigt gemeinsames genetisches Risiko. Der optimale Schwellenwert (0,11), der durch die stärkste PRS-Korrelation mit dem BART-Phänotyp bestimmt wird, wird durch das Kästchen zusammen mit der Korrelation (r), dem p-Wert und dem FDR-korrigierten p-Wert hervorgehoben. Die horizontale Linie zeigt die nominale Signifikanz an.

Als PRS-Daten aus den ausgewählten öffentlichen Datensätzen des Psychiatric Genomics Consortium auf unsere MEGA-Analyse angewendet wurden, beobachteten wir eine signifikante Überschneidung der genetischen Faktoren, die der BART-Leistung und dem vorherigen Cannabiskonsum zugrunde liegen (Abb. 3, p = 0,00047, pFDR = 0,0053), jedoch nicht ADHS, bipolare Störung, Alkoholkonsumstörung oder nichtpsychiatrische Kontrolle.

Im Einklang mit den wenigen früheren Studien an Nagetieren und Menschen stützen unsere Ergebnisse eine vererbbare, polygene Komponente bei riskanten Entscheidungen, wobei die häufige Variation (h2 SNP) 27 % der Varianz der Risikobereitschaft beim BART erklärt. Die h2-SNP-Vorhersage in dieser bescheidenen Stichprobe (n = 2044) sollte mit Vorsicht interpretiert werden [68]; Unser Ergebnis stimmt jedoch mit der 47-Prozent-Schätzung aus Zwillingsdaten überein, die auch Beiträge seltener Varianten einschließt.

Die MEGA-Analyse identifizierte zwei Signale, von denen eines eine genomweite Signifikanzschwelle erreichte und das andere sich der Signifikanz näherte. Keiner dieser Loci wurde in den großen Selbstberichts-Biobank-Studien gemeldet; Im Einklang mit unseren Erkenntnissen ergab die Genpfadanalyse in der größten Studie jedoch eine Anreicherung der im Gehirn exprimierten Gene, die an der Aufrechterhaltung des Gleichgewichts zwischen Erregung und Hemmung beteiligt sind [24]. Unsere wichtigsten assoziierten SNPs sind Genen zugeordnet, die starke biologische Kandidaten für das Eingehen von Risiken und relevante phänotypische Assoziationen darstellen, wie unten erläutert. Das stärkste Signal aus der MEGA-Analyse trat bei SNP rs12023073 auf, einer Variante im ersten Intron von IGSF21, die laut Histonmarkierungen einen Einfluss auf die Gehirnexpression hat [69]. Es wird angenommen, dass das Protein der Immunglobulin-Superfamilie IGSF21, das stark im Gehirngewebe exprimiert wird, eine wesentliche Rolle bei der Thalamus- und inhibitorischen synaptischen Entwicklung spielt (70, 71). Durch ein unvoreingenommenes Expressionsscreening und eine Proteomanalyse bei Mäusen fanden Tanabe und Kollegen heraus, dass postsynaptisches Igsf21 mit präsynaptischem Neurexin2α interagiert [70]. Sie zeigten außerdem, dass Igsf21-Knockout-Mäuse eine Reihe phänotypischer Anomalien aufweisen, darunter eine beeinträchtigte inhibitorische präsynaptische Organisation, eine verminderte GABA-vermittelte synaptische Übertragung in Hippocampus-CA1-Neuronen und Defizite bei der sensorischen Steuerung [70]. Interessanterweise erhöht der Ethanolkonsum die Expression von Igsf21 bei Rhesusaffen [72].

Der rs386423-SNP in SRGAP3, der eine suggestive Assoziation zeigt, wird in mehreren Geweben aufgrund von Histonmarkierungen als Verstärker bezeichnet und befindet sich in einem perfekten Verknüpfungsungleichgewicht mit SNPs, die die Gehirnexpression beeinflussen [69]. Nagetierstudien zeigen eine ausgeprägte Hippocampus- und kortikale Expression sowie Gen-Knockout-Ergebnisse bei neurologischen Entwicklungs-, kognitiven und Verhaltensphänotypen [73, 74]. Beim Menschen ist SRGAP3 aufgrund seiner hypothetischen Rolle bei der chromosomalen geistigen Behinderung im Zusammenhang mit hemizygotem Funktionsverlust auch als mit psychischen Störungen assoziiertes GAP-Protein (MEGAP) bekannt [75]. In der Simons-Simplex-Sammlung wurde vorgeschlagen, dass zwei De-novo-Missense-Varianten in SRGAP3 mit der Autismus-Spektrum-Störung in Zusammenhang stehen [76].

Angesichts der in der Bevölkerung beobachteten Verlagerung der Konzeptualisierung psychischer Erkrankungen von einem kategorialen Krankheitsmodell hin zu Extremen sich überschneidender Dimensionsmerkmale [77] haben wir getestet, ob riskante Entscheidungen einen Bereich darstellen, der sich genetisch mit psychiatrischen Störungen überschneidet, die durch ausgeprägte Impulsivität und Risikobereitschaft gekennzeichnet sind. nehmen. Wir stellten die Hypothese auf, dass ADHS, bipolare Störungen und Substanzstörungen (insbesondere Alkoholmissbrauchsstörung und Cannabiskonsum) polygene Grundlagen mit riskanten Entscheidungen teilen würden, aber in unserer kombinierten Stichprobe korrelierte nur der vorherige Cannabiskonsum mit der BART-Leistung, insbesondere trotz der Korrektur von Tests in 5 Phänotypen. Während eine gemeinsame genetische Basis zwischen diesen Phänotypen auch durch das Auftauchen des CADM2-Locus als stärkstes Signal in mehreren früheren GWAS-Studien sowohl zur Risikobereitschaft (21, 24, 25) als auch zur Cannabiskonsumstörung (26, 27) gestützt wird, ist dies der Fall locus trug in unserer Stichprobe nicht zu einer riskanten Entscheidungsfindung bei.

Während unsere PRS-Ergebnisse auf einen gemeinsamen genetischen Beitrag sowohl zu riskanten Entscheidungen als auch zum Cannabiskonsum hinweisen, können wir die Verhaltenskomponente im BART, die für die genetische Überschneidung verantwortlich ist, nicht isolieren. Die BART-Leistung ist ein genetisch komplexer Phänotyp. Da die Ergebniswahrscheinlichkeiten nicht bekannt sind, wenn der Teilnehmer mit der Aufgabe beginnt, sind mehrere kognitive Prozesse beteiligt, zu denen sowohl die Risikobereitschaft als auch das Lernen gehören. In einer Studie, die eine Version des BART verwendete, die der in der CNP-Stichprobe implementierten ähnelte, konnten Jugendliche, die angaben, täglich Zigaretten zu rauchen, ihre Reaktion auf Ballons in allen Versuchen nicht steigern, wohingegen Nichtraucher ihre Leistung im Laufe der Zeit anpassten und somit mehr Geld verdienten [31] . Dieselbe Studie ergab, dass das angepasste Pumpenmaß einen leichten, aber positiven Zusammenhang mit den Jahren der Bildung und dem nonverbalen IQ hatte. Bei moderaten Levels ist das Pumpen der Aufgabe adaptiv und führt trotz einiger Explosionsversuche zu höheren Gewinnen. Im Gegensatz dazu ist übermäßiges Pumpen eine Fehlanpassung. Relevant für den vorliegenden Befund beim Cannabiskonsum ist die Beobachtung, dass junge Erwachsene, die regelmäßig Cannabis konsumieren, signifikante Unterschiede in der Selbsteinschätzung der sozialen, gesundheitlichen/sicherheitsbezogenen und ethischen Risikobereitschaft aufwiesen, nicht jedoch in der Neigung, Freizeit- oder Finanzrisiken einzugehen oder bei der Leistung einer Laboraufgabe zum Eingehen monetärer Risiken im Vergleich zu nicht nutzenden Kontrollteilnehmern [78]. Daher muss noch ermittelt werden, welche Komponente der BART-Leistung mit der beobachteten genetischen Überlappung beim Beginn des Cannabiskonsums zusammenhängt.

Die Komplexität des BART-Leistungsphänotyps könnte auch der Grund für die fehlende genetische Korrelation mit der selbst gemeldeten Risikobereitschaft in der großen britischen Biobank-Stichprobe sein. Der BART ist ein objektives, quantitatives Maß, aber seine Komplexität stellt ein Hindernis für die Erzielung angemessener Stichprobengrößen dar, die zum Nachweis kleinerer genetischer Auswirkungen erforderlich sind. Im Gegensatz dazu verwendet der britische Biobank-Ansatz ein sehr stumpfes Werkzeug, profitiert aber von überlegener Leistung. Somit können beide Ansätze legitime, aber separate Komponenten riskanter Entscheidungen erkennen. Unsere Daten deuten nicht darauf hin, dass die Selbsteinschätzung der Risikobereitschaft, trotz der in der britischen Biobank-Studie berichteten Korrelation mit selbst gemeldetem Rauchen, Alkoholkonsum und Sucht, die Dimensionen riskanter Entscheidungen erfasst, die mit dem BART-Test ermittelt wurden, obwohl sie Macht haben Einschränkungen könnten uns daran gehindert haben, eine solche Beziehung zu finden.

Bemerkenswert ist, dass die Cannabiskonsum-Stichprobe die größte der untersuchten öffentlich zugänglichen Stichproben war und um ein Vielfaches größer war als die ADHS- und bipolaren Stichproben. Da die öffentlichen Stichproben sehr heterogen sind, ist es unmöglich, vergleichende Schlussfolgerungen über verschiedene Erkrankungen hinweg zu ziehen. Wichtig ist, dass das Fehlen einer PRS-Replikation nicht unbedingt bedeutet, dass kein gemeinsames genetisches Risiko besteht, sondern vielmehr, dass es mit den aktuellen Proben nicht nachgewiesen werden kann. Es könnte relevant sein, dass eine Metaanalyse bestätigte, dass euthymische Patienten mit Bipolar-I-Störung bei der Iowa Gambling Task riskantere Entscheidungen treffen als gesunde Kontrollpersonen, wobei die Effektgröße nach Cohens Standard klein bis mittel war [79]. Darüber hinaus deutet das Fehlen eines Leistungsunterschieds zwischen Patienten mit ADHS und gesunden Kontrollpersonen bei der Cambridge Gambling Task trotz Unterschieden in der Risikobereitschaft im wirklichen Leben darauf hin, dass die Laboraufgaben in gewisser Weise unempfindlich gegenüber der Risikobereitschaft sind [80]. Die positive Korrelation zwischen der BART-Leistung und der kategorischen Diagnose eines früheren Cannabiskonsums steht jedoch im Einklang mit der Hypothese, dass riskante Entscheidungen und der Beginn des Substanzkonsums einen gemeinsamen genetischen Zusammenhang aufweisen.

Diese Studie stellt die erste genomweite Bewertung der Erblichkeit riskanter Entscheidungen basierend auf der BART-Leistung dar. Es profitiert vom Vergleich ähnlicher objektiver und komplexer Verhaltensmessungen in mittelgroßen, relativ genetisch homogenen Stichproben. Suboptimale Leistung ist die Hauptbeschränkung dieser Studie. Angesichts der hochkomplexen Phänotypen, die bewertet werden, ist es wahrscheinlich, dass eine viel größere Stichprobe erforderlich ist, um die Varianten und Gene, die mit riskanten Entscheidungen verbunden sind, definitiv zu identifizieren und einen Zusammenhang mit diesen und anderen psychiatrischen Diagnosen nachzuweisen. Weitere Einschränkungen beziehen sich auf die genetische Abstammung. Die Stichprobe ist nicht für eine aussagekräftige Untersuchung der Abstammung oder des Geschlechts geeignet, und es gab eine ungleiche Darstellung der hispanischen Ethnizität zwischen den CNP- und GOI-Datensätzen, was möglicherweise für die schwächere Korrelation verantwortlich ist, die beobachtet wurde, als der Entdeckungssatz weniger homogen war. Während die Hauptkomponentenanalyse erhebliche Überschneidungen zwischen der CNP-Stichprobe amerikanischer Hispanoamerikaner und Kaukasier zeigt, stimmen die CNP- und GOI-Datensätze nicht perfekt überein.

Zukünftige Analysen würden von einem umfassenderen Ansatz zur Abstammung profitieren. Was den Zusammenhang mit psychiatrischen Erkrankungen betrifft, stützen sich Analysen, die öffentliche Daten nutzen, auf sehr heterogene Datensätze mit begrenzten verfügbaren Daten. Da weitere Diagnosen und Probenzahlen im öffentlichen Bereich zunehmen, werden zusätzliche Analysen möglich sein. Darüber hinaus wäre, falls in Zukunft verfügbar, eine Replikationsprobe, die unabhängige BART-Daten zur Bestätigung des MEGA-PRS liefert, nützlich, um die Ergebnisse weiter zu validieren. In der aktuellen Studie wurden die Teilnehmer für ihre Leistung beim BART nicht bezahlt; Dies könnte in zukünftigen Studien zur Steigerung der Motivation in Betracht gezogen werden. Die Fähigkeit großer Bevölkerungsstudien, komplexe psychologische Konstrukte umfassend zu erfassen, würde durch ein besseres Verständnis der Grenzen von Selbstberichtsdaten im Vergleich zu objektiven Messungen und die Entwicklung von Strategien zur Ausrichtung dieser Ansätze erleichtert. Schließlich können Ziele für die Entwicklung neuartiger psychiatrischer Behandlungen aufgedeckt werden, indem die biologischen Grundlagen häufiger Endophänotypen geklärt werden, z. B. riskante Entscheidungen, die möglicherweise therapeutisch besser zu handhaben sind als kategorische Krankheiten.

Zusammenfassend zeigen wir hier zum ersten Mal, dass sich ein polygener Score, der aus einem GWAS eines risikofreudigen Phänotyps abgeleitet wurde, in einer bestimmten unabhängigen Stichprobe erfolgreich repliziert. Bei der Kombination der Proben stellten wir fest, dass ein erheblicher Teil der Leistungsvarianz beim BART durch gemeinsame genetische Variation erfasst wurde, was mit der Vorstellung übereinstimmt, dass Risikoverhalten ein vererbbares, hochgradig polygenes Merkmal ist. Eine MEGA-Analyse von GWAS war zwar aufgrund der begrenzten Aussagekraft nicht umfassend, ergab jedoch eine signifikante und eine suggestive Assoziation in zwei funktionell relevanten Genen. Schließlich unterstützt die gemeinsame genetische Architektur zwischen der BART-Leistung in unserer Stichprobe und dem kategorischen Cannabiskonsum in einem öffentlichen Datensatz das aktuelle Modell der riskanten Entscheidungsfindung als dimensionalen, intermediären Phänotyp einer Substanzstörung.

Aklin WM, Lejuez CW, Zvolensky MJ, Kahler CW, Gwadz M. Bewertung von Verhaltensmaßen der Risikobereitschaft bei Jugendlichen in der Innenstadt. Behav Res Ther. 2005;43:215–28.

Artikel PubMed Google Scholar

Hidiroglu C, Demirci Esen O, Tunca Z, Neslihan Gurz Yalcin S, Lombardo L, Glahn DC, et al. Kann Risikobereitschaft ein Endophänotyp für eine bipolare Störung sein? Eine Studie an Patienten mit bipolarer Störung Typ I und ihren Verwandten ersten Grades. J Int Neuropsychol Soc. 2013;19:474–82.

Artikel PubMed PubMed Central Google Scholar

Lejuez CW, Read JP, Kahler CW, Richards JB, Ramsey SE, Stuart GL, et al. Bewertung eines Verhaltensmaßes für die Risikobereitschaft: der Balloon Analogue Risk Task (BART). J Exp Psychol Appl. 2002;8:75–84.

Artikel CAS PubMed Google Scholar

Lejuez CW, Aklin WM, Jones HA, Richards JB, Strong DR, Kahler CW, et al. Bei der Balloon Analogue Risk Task (BART) wird zwischen Rauchern und Nichtrauchern unterschieden. Exp Clin Psychopharmacol. 2003;11:26–33.

Artikel CAS PubMed Google Scholar

Reddy LF, Lee J, Davis MC, Altshuler L, Glahn DC, Miklowitz DJ, et al. Impulsivität und Risikobereitschaft bei bipolarer Störung und Schizophrenie. Neuropsychopharmakologie. 2014;39:456–63.

Artikel PubMed Google Scholar

Shoham R, Sonuga-Barke EJ, Aloni H, Yaniv I, Pollak Y. ADHS-assoziierte Risikobereitschaft ist mit übertriebenen Ansichten über die Vorteile positiver Ergebnisse verbunden. Sci Rep. 2016;6:34833.

Artikel CAS PubMed PubMed Central Google Scholar

Kohno M, Ghahremani DG, Morales AM, Robertson CL, Ishibashi K, Morgan AT, et al. Risikoverhalten: Dopamin-D2/D3-Rezeptoren, Feedback und frontolimbische Aktivität. Großhirnrinde. 2015;25:236–45.

Artikel PubMed Google Scholar

Rao H, Korczykowski M, Pluta J, Hoang A, Detre JA. Neuronale Korrelate freiwilliger und unfreiwilliger Risikobereitschaft im menschlichen Gehirn: eine fMRT-Studie der Balloon Analog Risk Task (BART). Neurobild. 2008;42:902–10.

Artikel PubMed Google Scholar

Wang XT, Zheng R, Xuan YH, Chen J, Li S. Nicht alle Risiken sind gleich: eine Zwillingsstudie und Metaanalysen der Risikobereitschaft in sieben Bereichen. J Exp Psychol Gen. 2016;145:1548–60.

Artikel PubMed Google Scholar

Harrati A. Charakterisierung der genetischen Einflüsse auf die Risikoaversion. Biodemographie Soc Biol. 2014;60:185–98.

Artikel PubMed Google Scholar

Blais AR, Weber EU. Eine domänenspezifische Risikobereitschaftsskala (DOSPERT) für erwachsene Bevölkerungsgruppen. Judgm Decis Mak. 2006;1:33–47.

Artikel Google Scholar

Barsky RB, Juster FT, Kimball MS, Shapiro MD. Präferenzparameter und Verhaltensheterogenität: Ein experimenteller Ansatz in der Gesundheits- und Ruhestandsstudie. QJ Econ. 1997;112:537–79.

Artikel Google Scholar

Bechara A, Damasio AR, Damasio H, Anderson SW. Unempfindlichkeit gegenüber zukünftigen Konsequenzen nach einer Schädigung des menschlichen präfrontalen Kortex. Erkenntnis. 1994;50:7–15.

Artikel CAS PubMed Google Scholar

Rogers RD, Everitt B, Baldacchino A, Blackshaw A, Swainson R, Wynne K, et al. Dissoziierbare Defizite in der Entscheidungsfindung bei chronischen Amphetaminabhängigen, Opiatabhängigen, Patienten mit fokaler Schädigung des präfrontalen Kortex und normalen Freiwilligen mit Tryptophanmangel: Hinweise auf monoaminerge Mechanismen. Neuropsychopharmakologie. 1999;20:322–39.

Artikel CAS PubMed Google Scholar

MacKillop J, Weafer J, Oshri JCG, Palmer A, de Wit AH Die latente Struktur der Impulsivität: impulsive Wahl, impulsives Handeln und impulsive Persönlichkeitsmerkmale. Psychopharmakologie. 2016;233:3361–70.

Artikel CAS PubMed PubMed Central Google Scholar

Tuvblad C, Gao Y, Wang P, Raine A, Botwick T, Baker LA. Die genetische und umweltbedingte Ätiologie der Entscheidungsfindung: eine longitudinale Zwillingsstudie. J Adolesc. 2013;36:245–55.

Artikel PubMed Google Scholar

Morris J, Bailey MES, Baldassarre D, Cullen B, de Faire U, Ferguson A, et al. Genetische Variation in CADM2 als Zusammenhang zwischen psychologischen Merkmalen und Fettleibigkeit. Sci Rep. 2019;9:7339.

Artikel PubMed PubMed Central Google Scholar

Day FR, Helgason H, Chasman DI, Rose LM, Loh PR, Scott RA, et al. Physische und neurologische Verhaltensdeterminanten des Fortpflanzungsbeginns und -erfolgs. Nat Genet. 2016;48:617–23.

Artikel CAS PubMed PubMed Central Google Scholar

Clifton EAD, Perry JRB, Imamura F, Lotta LA, Brage S, Forouhi NG, et al. Genomweite Assoziationsstudie zur Risikobereitschaft weist auf gemeinsame Wege mit dem Body-Mass-Index hin. Kommunale Biol. 2018;1:36.

Artikel PubMed PubMed Central Google Scholar

Boutwell B, Hinds D, Tielbeek J, Ong KK, Day FR, Perry JRB. Replikation und Charakterisierung von CADM2- und MSRA-Genen auf menschliches Verhalten. Heliyon. 2017;3:e00349.

Artikel PubMed PubMed Central Google Scholar

Strawbridge RJ, Ward J, Cullen B, Tunbridge EM, Hartz S, Bierut L, et al. Genomweite Analyse des selbstberichteten Risikoverhaltens und störungsübergreifender genetischer Korrelationen in der britischen Biobank-Kohorte. Transl. Psychiatrie. 2018;8:39.

Artikel PubMed PubMed Central Google Scholar

Strawbridge RJ, Ward J, Lyall LM, Tunbridge EM, Cullen B, Graham N, et al. Genetik des selbstberichteten Risikoverhaltens, transethnische Konsistenz und Relevanz für die Genexpression im Gehirn. Transl. Psychiatrie. 2018;8:178.

Artikel PubMed PubMed Central Google Scholar

Sanchez-Roige S, Palmer AA, Fontanillas P, Elson SL. andMe-Forschungsteam tSUDWGotPGC, Adams MJ et al. Genomweite Assoziationsstudie: Metaanalyse des Tests zur Identifizierung von Alkoholkonsumstörungen (AUDIT) in zwei bevölkerungsbasierten Kohorten. Bin J Psychiatrie. 2019;176:107–18.

Artikel PubMed Google Scholar

Karlsson Linner R, Biroli P, Kong E, Meddens SFW, Wedow R, Fontana MA, et al. Genomweite Assoziationsanalysen von Risikotoleranz und riskantem Verhalten bei über einer Million Individuen identifizieren Hunderte von Loci und gemeinsame genetische Einflüsse. Nat Genet. 2019;51:245–57.

Artikel CAS PubMed Google Scholar

Clarke TK, Adams MJ, Davies G, Howard DM, Hall LS, Padmanabhan S, et al. Genomweite Assoziationsstudie zu Alkoholkonsum und genetischer Überschneidung mit anderen gesundheitsbezogenen Merkmalen in der britischen Biobank (N=112 117). Mol-Psychiatrie. 2017;22:1376–84.

Artikel CAS PubMed PubMed Central Google Scholar

Stringer S, Minica CC, Verweij KJ, Mbarek H, Bernard M, Derringer J, et al. Genomweite Assoziationsstudie zum lebenslangen Cannabiskonsum basierend auf einer großen metaanalytischen Stichprobe von 32.330 Probanden des International Cannabis Consortium. Transl. Psychiatrie. 2016;6:e769.

Artikel CAS PubMed PubMed Central Google Scholar

Muskiewicz DE, Uhl GR, Halle FS. Die Rolle der Gene von Zelladhäsionsmolekülen bei der Regulierung der Neuroplastizität bei Suchterkrankungen. Neuralplast. 2018;2018:9803764.

Artikel PubMed PubMed Central Google Scholar

Pasman JA, Verweij KJH, Gerring Z, Stringer S, Sanchez-Roige S, Treur JL, et al. GWAS des lebenslangen Cannabiskonsums zeigt neue Risikoorte, genetische Überschneidungen mit psychiatrischen Merkmalen und einen kausalen Einfluss von Schizophrenie. Nat Neurosci. 2018;21:1161–70.

Artikel CAS PubMed PubMed Central Google Scholar

Polimanti R, Wang Q, Meda SA, Patel KT, Pearlson GD, Zhao H, et al. Das Zusammenspiel zwischen riskantem Sexualverhalten und Alkoholabhängigkeit: Genomweite Assoziation und Neuroimaging-Unterstützung für LHPP als Risikogen. Neuropsychopharmakologie. 2017;42:598–605.

Artikel CAS PubMed Google Scholar

Pleskac TJ, Wallsten TS, Wang P, Lejuez CW. Entwicklung eines automatischen Reaktionsmodus zur Verbesserung des klinischen Nutzens sequenzieller Risikobereitschaftsaufgaben. Exp Clin Psychopharmacol. 2008;16:555–64.

Artikel PubMed Google Scholar

Dean AC, Sugar CA, Hellemann G, London ED. Ist jedes Risiko schlecht? Junge erwachsene Zigarettenraucher gehen in einem Labortest zur Entscheidungsfindung kein adaptives Risiko ein. Psychopharmakologie. 2011;215:801–11.

Artikel CAS PubMed PubMed Central Google Scholar

Rao LL, Zhou Y, Zheng D, Yang LQ, Li S. Genetischer Beitrag zur Variation der Risikobereitschaft: Eine funktionelle MRT-Zwillingsstudie der Ballonanalog-Risikoaufgabe. Psychol. Wissenschaft. 2018;29:1679–91.

Artikel PubMed Google Scholar

Ashenhurst JR, Seaman M, Jentsch JD. Das Reagieren in einem Test zur Entscheidungsfindung unter Risiko unterliegt bei der Ratte einer mäßigen genetischen Kontrolle. Alkoholklinik Exp Res. 2012;36:941–9.

Artikel PubMed Google Scholar

Fears SC, Service SK, Kremeyer B, Araya C, Araya X, Bejarano J, et al. Multisystemkomponenten-Phänotypen der bipolaren Störung für genetische Untersuchungen erweiterter Stammbäume. JAMA Psychiatrie. 2014;71:375–87.

Artikel PubMed PubMed Central Google Scholar

Kohno M, Nurmi EL, Laughlin CP, Morales AM, Gail EH, Hellemann GS, et al. Funktionelle genetische Variation in der Dopaminsignalisierung mildert die präfrontale kortikale Aktivität bei riskanten Entscheidungen. Neuropsychopharmakologie. 2016;41:695–703.

Artikel CAS PubMed Google Scholar

Amstadter AB, Macpherson L, Wang F, Banducci AN, Reynolds EK, Potenza MN, et al. Der Zusammenhang zwischen der Risikobereitschaft und dem COMT-Val(158)Met-Polymorphismus bei frühen Jugendlichen als Funktion des Geschlechts. J Psychiater Res. 2012;46:940–5.

Artikel PubMed PubMed Central Google Scholar

Poldrack RA, Congdon E, Triplett W, Gorgolewski K, Karlsgodt K, Mumford J, et al. Eine phänomenweite Untersuchung neuronaler und kognitiver Funktionen. Sci-Daten. 2016;3:1–12.

Artikel Google Scholar

Verband AP. Diagnosekriterien aus dsM-iV-tr. Washington, D.C.: American Psychiatric Pub; 2000.

Erster MB, Spitzer, RL, Gibbon, M, Williams JBW. Strukturiertes klinisches Interview für DSM-IV (SCID-IV). Washington, D.C.: American Psychiatric Press; 1994.

Kaufman J, Birmaher B, Brent DA, Ryan ND, Rao U. K-SADS-PL. Zeitschrift der American Academy of Child & Adolescent Psychiatry. 2000;39:1208.

Montojo C, Congdon E, Hwang L, Jalbrzikowski M, Kushan L, Vesagas T, et al. Neuronale Mechanismen der Reaktionshemmung und Impulsivität in 22q11. 2 Deletionsträger und idiopathische Aufmerksamkeitsdefizit-Hyperaktivitätsstörung. NeuroImage. 2015;9:310.

Artikel CAS PubMed PubMed Central Google Scholar

Montojo C, Jalbrzikowski M, Congdon E, Domicoli S, Chow C, Dawson C, et al. Neuronale Substrate inhibitorischer Kontrolldefizite in 22q11. 2 Deletionssyndrom. Großhirnrinde. 2015;25:1069–79.

Artikel CAS PubMed Google Scholar

Helfinstein SM, Schonberg T, Congdon E, Karlsgodt KH, Mumford JA, Sabb FW, et al. Vorhersage riskanter Entscheidungen anhand von Gehirnaktivitätsmustern. Proc Natl Acad Sci. 2014;111:2470–5.

Artikel CAS PubMed PubMed Central Google Scholar

Congdon E, Altshuler LL, Mumford JA, Karlsgodt KH, Sabb FW, Ventura J, et al. Neuronale Aktivierung während der Reaktionshemmung bei der Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung bei Erwachsenen: Vorläufige Erkenntnisse zu den Auswirkungen von Medikamenten und der Schwere der Symptome. Psychiatrie Res. 2014;222:17–28.

Artikel PubMed PubMed Central Google Scholar

Congdon E, Bato AA, Schonberg T, Mumford JA, Karlsgodt KH, Sabb FW, et al. Unterschiede in der neuronalen Aktivierung als Funktion der Risikobereitschaftsaufgabenparameter. Vordere Neurosci. 2013;7:173.

Artikel PubMed PubMed Central Google Scholar

White CN, Congdon E, Mumford JA, Karlsgodt KH, Sabb FW, Freimer NB, et al. Zerlegung von Entscheidungskomponenten in der Stoppsignal-Aufgabe: ein modellbasierter Ansatz für individuelle Unterschiede in der Hemmungskontrolle. J Cogn Neurosci. 2014;26:1601–14.

Artikel PubMed PubMed Central Google Scholar

Trampush JW, Yang MLZ, Yu J, Knowles E, Davies G, Liewald DC, et al. Die GWAS-Metaanalyse enthüllt neue Loci und genetische Korrelate für die allgemeine kognitive Funktion: ein Bericht des COGENT-Konsortiums. Mol-Psychiatrie. 2017;22:336–45.

Artikel CAS PubMed PubMed Central Google Scholar

Thakkar KN, Congdon E, Poldrack RA, Sabb FW, London ED, Cannon TD, et al. Frauen reagieren bei der S-Top-Signal-Aufgabe empfindlicher auf frühere Testereignisse als Männer. Br J Psychol. 2014;105:254–72.

Artikel PubMed Google Scholar

Schreiner MJ, Karlsgodt KH, Uddin LQ, Chow C, Congdon E, Jalbrzikowski M, et al. Netzwerkkonnektivität im Standardmodus und gegenseitiges soziales Verhalten in 22q11. 2 Deletionssyndrom. Soc Cogn Affect Neurosci. 2014;9:1261–7.

Artikel PubMed Google Scholar

Zheutlin AB, Chekroud AM, Polimanti R, Gelernter J, Sabb FW, Bilder RM, et al. Multivariate pattern analysis of genotype–phenotype relationships in schizophrenia. Schizophrenia Bull. 2018;44:1045–52.

Artikel Google Scholar

Kohno M, Okita K, Morales AM, Robertson C, Dean AC, Ghahremani DG, et al. Funktionelle Konnektivität des Mittelhirns und ventrale striatale Dopamin-D2-Rezeptoren: Zusammenhang mit Impulsivität bei Methamphetaminkonsumenten. Mol-Psychiatrie. 2016;21:1554–60.

Artikel CAS PubMed PubMed Central Google Scholar

Haut KM, Karlsgodt KH, Bilder RM, Congdon E, Freimer NB, London ED, et al. Gedächtnissysteme bei Schizophrenie: Die Modularität bleibt erhalten, Defizite werden jedoch verallgemeinert. Schizophrenie Res. 2015;168:223–30.

Artikel Google Scholar

Davies G, Lam M, Harris SE, Trampush JW, Luciano M, Hill WD, et al. Studie an 300.486 Personen identifiziert 148 unabhängige genetische Loci, die die allgemeine kognitive Funktion beeinflussen. Nat Commun. 2018;9:1–16.

Artikel Google Scholar

Savage JE, Jansen PR, Stringer S, Watanabe K, Bryois J, De Leeuw CA, et al. Genomweite Assoziationsmetaanalyse bei 269.867 Personen identifiziert neue genetische und funktionelle Verbindungen zur Intelligenz. Nat Genet. 2018;50:912–9.

Artikel CAS PubMed PubMed Central Google Scholar

Robertson CL, Ishibashi K, Mandelkern MA, Brown AK, Ghahremani DG, Sabb F, et al. Striatale D1- und D2-Typ-Dopaminrezeptoren sind mit der Hemmung der motorischen Reaktion bei Menschen verbunden. J Neurosci. 2015;35:5990–7.

Artikel CAS PubMed PubMed Central Google Scholar

Lam M, Hill WD, Trampush JW, Yu J, Knowles E, Davies G, et al. Die pleiotrope Metaanalyse von Kognition, Bildung und Schizophrenie differenziert die Rolle der frühen neurologischen Entwicklung und der synaptischen Wege im Erwachsenenalter. Bin J Hum Genet. 2019;105:334–50.

Artikel CAS PubMed PubMed Central Google Scholar

Lam M, Trampush JW, Yu J, Knowles E, Davies G, Liewald DC, et al. Eine groß angelegte kognitive GWAS-Metaanalyse deckt gewebespezifische neuronale Expression und potenzielle Angriffspunkte für Nootropika auf. Cell Rep. 2017;21:2597–613.

Artikel CAS PubMed PubMed Central Google Scholar

Gray JC, MacKillop J, Weafer J, Hernandez KM, Gao J, Palmer AA, et al. Genetische Analyse impulsiver Persönlichkeitsmerkmale: Untersuchung von A-priori-Kandidaten und genomweite Variation. Psychiatrie Res. 2018;259:398–404.

Artikel PubMed Google Scholar

Hutchison KE, Stallings M, McGeary J, Bryan A. Bevölkerungsschichtung in der Kandidatengenstudie: tödliche Bedrohung oder Ablenkungsmanöver? Psychol Bull. 2004;130:66.

Artikel PubMed Google Scholar

Saunders JB, Aasland OG, Babor TF, De la Fuente JR, Grant M. Entwicklung des Tests zur Identifizierung von Alkoholkonsumstörungen (AUDIT): WHO-Verbundprojekt zur Früherkennung von Personen mit schädlichem Alkoholkonsum-II. Sucht. 1993;88:791–804.

Artikel CAS PubMed Google Scholar

Berman AH, Bergman H, Palmstierna T, Schlyter F. Bewertung des Drug Use Disorders Identification Test (DUDIT) in Strafjustiz- und Entgiftungsumgebungen und in einer schwedischen Bevölkerungsstichprobe. Eur Addic Res. 2005;11:22–31.

Artikel Google Scholar

Purcell S., Neale B., Todd-Brown K., Thomas L., Ferreira MA, Bender D. et al. PLINK: ein Toolset für die Assoziation des gesamten Genoms und bevölkerungsbasierte Verknüpfungsanalysen. Bin J Hum Genet. 2007;81:559–75.

Artikel CAS PubMed PubMed Central Google Scholar

International Schizophrenia C, Purcell SM, Wray NR, Stone JL, Visscher PM, O'Donovan MC, et al. Häufige polygene Variationen tragen zum Risiko einer Schizophrenie und einer bipolaren Störung bei. Natur. 2009;460:748–52.

Artikel Google Scholar

Yang J, Benyamin B, McEvoy BP, Gordon S, Henders AK, Nyholt DR, et al. Gemeinsame SNPs erklären einen großen Teil der Erblichkeit der menschlichen Körpergröße. Nat Genet. 2010;42:565–9.

Artikel CAS PubMed PubMed Central Google Scholar

Yang J, Lee SH, Goddard ME, Visscher PM. GCTA: ein Tool zur genomweiten Analyse komplexer Merkmale. Bin J Hum Genet. 2011;88:76–82.

Artikel CAS PubMed PubMed Central Google Scholar

Demontis D, Walters RK, Martin J, Mattheisen M, Als TD, Agerbo E, et al. Entdeckung der ersten genomweit signifikanten Risikoorte für Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung. Nat Genet. 2019;51:63–75.

Artikel CAS PubMed Google Scholar

Stahl EA, Breen G, Forstner AJ, McQuillin A, Ripke S, Trubetskoy V, et al. Genomweite Assoziationsstudie identifiziert 30 Loci, die mit einer bipolaren Störung assoziiert sind. Nat Genet. 2019;51:793–803.

Artikel CAS PubMed PubMed Central Google Scholar

Visscher PM, Hemani G, Vinkhuyzen AA, Chen GB, Lee SH, Wray NR, et al. Statistische Aussagekraft zur Erkennung genetischer (Ko-)Varianz komplexer Merkmale mithilfe von SNP-Daten in nicht verwandten Proben. PLoS Genet. 2014;10:e1004269.

Artikel PubMed PubMed Central Google Scholar

Ward LD, Kellis M. HaploReg: eine Ressource zur Erforschung von Chromatinzuständen, Konservierung und regulatorischen Motivveränderungen innerhalb von Sätzen genetisch verknüpfter Varianten. Nukleinsäuren Res. 2012;40:D930–934.

Artikel CAS PubMed Google Scholar

Tanabe Y, Naito Y, Vasuta C, Lee AK, Soumounou Y, Linhoff MW, et al. IgSF21 fördert die Differenzierung inhibitorischer Synapsen durch Bindung an Neurexin2alpha. Nat Commun. 2017;8:4

Artikel PubMed PubMed Central Google Scholar

Botella-Lopez A, Garcia-Lopez R, Pombero A, Martinez S. Radiale Gliafasern übersetzen morphogenetische Fgf8-Signale, um eine Protokarte des Thalamus-Kernkomplexes in der Mantelschicht zu erzeugen. Gehirnstrukturfunktion. 2019;224:661–79.

Artikel CAS PubMed Google Scholar

Iancu OD, Colville A, Walter NAR, Darakjian P, Oberbeck DL, Daunais JB, et al. Über die Beziehungen zwischen chronischem Ethanolkonsum und dem Gehirntranskriptom bei Rhesusaffen. Süchtiger Biol. 2018;23:196–205.

Artikel CAS PubMed Google Scholar

Waltereit R, Leimer U, von Bohlen Und Halbach O, Panke J, Holter SM, Garrett L, et al. Srgap3(-)/(-)-Mäuse weisen eine neurologische Entwicklungsstörung mit schizophreniebedingten intermediären Phänotypen auf. FASEB J. 2012;26:4418–28.

Artikel CAS PubMed Google Scholar

Carlson BR, Lloyd KE, Kruszewski A, Kim IH, Rodriguiz RM, Heindel C, et al. WRP/srGAP3 erleichtert die Initiierung der Wirbelsäulenentwicklung durch eine inverse F-BAR-Domäne und sein Verlust beeinträchtigt das Langzeitgedächtnis. J Neurosci. 2011;31:2447–60.

Artikel CAS PubMed PubMed Central Google Scholar

Endris V, Wogatzky B, Leimer U, Bartsch D, Zatyka M, Latif F, et al. Das neuartige Rho-GTPase-aktivierende Gen MEGAP/srGAP3 spielt vermutlich eine Rolle bei schwerer geistiger Behinderung. Proc Natl Acad Sci USA. 2002;99:11754–9.

Artikel CAS PubMed PubMed Central Google Scholar

Iossifov I, O'Roak BJ, Sanders SJ, Ronemus M, Krumm N, Levy D, et al. Der Beitrag von De-novo-kodierenden Mutationen zur Autismus-Spektrum-Störung. Natur. 2014;515:216–21.

Artikel CAS PubMed PubMed Central Google Scholar

Sanchez-Roige S, Palmer AA. Neue Phänotypisierungsstrategien werden unser Verständnis der psychiatrischen Genetik verbessern. Nat Neurosci. 2020;23:475–80.

Artikel CAS PubMed PubMed Central Google Scholar

Gilman JM, Calderon V, Curran MT, Evins AE. Junge erwachsene Cannabiskonsumenten berichten von einer größeren Risikobereitschaft nur in nichtmonetären Bereichen. Abhängig von Drogen und Alkohol. 2015;147:26–31.

Artikel PubMed Google Scholar

Edge MD, Johnson SL, Ng T, Carver CS. Leistung der Iowa Gambling Task bei euthymischer bipolarer I-Störung: eine Metaanalyse und empirische Studie. J Affektstörung. 2013;150:115–22.

Artikel PubMed Google Scholar

Pollak Y, Shalit R, Aran A. Risikobereitschaft und Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung bei Erwachsenen: Eine Lücke zwischen realem Verhalten und experimenteller Entscheidungsfindung. Psychiatrie Res. 2018;259:56–62.

Artikel PubMed Google Scholar

Referenzen herunterladen

Diese Arbeit wurde vom Consortium for Neuropsychiatric Phenomics unterstützt (NIH Roadmap for Medical Research gewährt UL1-DE019580, RL1MH083268, RL1MH083269, RL1DA024853, RL1MH083270, RL1LM009833, PL1MH083271 und PL1NS062410), R01 DA0 32015 und R03MH112032. JM wurde vom Peter Boris Chair in Addictions Research und einem Tier 1 Canada Research Chair in Translational Addiction Research unterstützt. EDL wurde vom Lehrstuhl für Suchtforschung von Thomas P und Katherine K unterstützt.

Abteilung für Psychiatrie und Bioverhaltenswissenschaften, University of California in Los Angeles, Los Angeles, CA, 90024, USA

Nurmi EL, Laughlin CP, Bilder RM, Congdon E, Seaman LC, McElroy JJ, Dean AC & London ED

Abteilung für Psychiatrie, University of Chicago, Chicago, IL, 60637, USA

H. de Mit

Abteilung für Psychiatrie, University of California in San Diego, La Jolla, CA, 92093, USA

AA Palmer

Institut für Genommedizin, University of California San Diego, La Jolla, CA, 92093, USA

AA Palmer

Peter Boris Center for Addictions Research, McMaster University und St. Joseph's Healthcare Hamilton, Hamilton, ON, L8S4L8, Kanada

J. MacKillop

Abteilungen für Psychologie und Psychiatrie, Yale University, New Haven, CT, 06520, USA

Jagdpanzerkanone

Prevention Science Institute, University of Utah, Salt Lake City, UT, 84112, USA

FW Sabb

Abteilung für Neurobiologie, University of Kentucky, Lexington, KY, 40506, USA

Herr Libowitz

Institut für Psychologie, University of Kentucky, Lexington, KY, 40506, USA

J. Weafer

Institut für Psychologie, University of Georgia, Athens, GA, 30602, USA

J. Gray

Department of Public Health, University of Alabama at Birmingham, Birmingham, AL, 35294, USA

GS Hellemann

Abteilung für Molekulare und Medizinische Pharmakologie, University of California in Los Angeles, Los Angeles, CA, 90024, USA

ED London

Sie können diesen Autor auch in PubMed Google Scholar suchen

ELN entwickelte mit EDL die ursprüngliche Idee, überwachte die Analysen und Interpretation und fungierte als Hauptautor des Manuskripts. CPL hat alle Daten zusammengestellt und bereinigt, alle genetischen Analysen entworfen und durchgeführt, bei den Methoden und Ergebnissen des Papiers geholfen und Zahlen erstellt. HdW war PI und Supervisor für die GIP-Studie und trug zum Schreiben und Bearbeiten des Manuskripts bei. AAP war Co-I für die GIP-Studie und redigierte das Manuskript. JM war Co-I für die GIP-Studie und redigierte das Manuskript. TDC war Co-I für die CNP-Studie und redigierte das Manuskript. RMB war PI für die CNP-Studie und redigierte das Manuskript. EC entwickelte Regeln für die Sammlung und Analyse von Verhaltensdaten für die CNP-Studie. FWS trug zum Design bei und spielte eine wichtige Rolle bei der Datenerfassung und -analyse für die CNP-Studie. LCS half bei den genetischen Ergebnissen und der Diskussion. JJM half bei den genetischen Ergebnissen und der Diskussion. MRL half bei den genetischen Ergebnissen und der Diskussion sowie der Fertigstellung des Manuskripts. JW trug zur Datenerfassung und -analyse für die GIP-Studie bei. JG trug zur Datenerfassung und -analyse für die GIP-Studie bei. ACD trug zur BART-Datenanalyse zur CNP-Studie sowie zum Verfassen und Bearbeiten von Manuskripten bei. GSH überwachte alle statistischen Analysen der aktuellen Studie. EDL leitete den analytischen Fortschritt und trug zum Verfassen und Bearbeiten von Manuskripten bei.

Korrespondenz mit EL Nurmi.

ELN ist ein unbezahltes Mitglied der Tourette Association of America und des Myriad Genetics Advisory Boards. JM ist Principal bei Beam Therapeutics, Inc. und Berater von Clairvoyant Therapeutics, Inc. HdW. ist wissenschaftlicher Berater von Awakn Life Sciences und Gilgamesh Pharmaceutics sowie Mitglied des Vorstands von PharmAla Biotech.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Nurmi, EL, Laughlin, CP, de Wit, H. et al. Polygene Beiträge zur Leistung bei der Balloon Analogue Risk Task. Mol Psychiatrie (2023). https://doi.org/10.1038/s41380-023-02123-x

Zitat herunterladen

Eingegangen: 31. Oktober 2022

Überarbeitet: 3. Mai 2023

Angenommen: 07. Juni 2023

Veröffentlicht: 15. August 2023

DOI: https://doi.org/10.1038/s41380-023-02123-x

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt