Genetic markers for alzheimer's disease

Abstract

Provided are single nucleotide polymorphisms (SNPs), including those at the LILRB2-LILRB5 genetic locus, which are correlated with an individual's risk for Alzheimer's Disease (AD) or disease severity among AD patients,depending on the individual's ethnic background. Corresponding diagnostic and treatment methods as well as kits for diagnosing or treating AD are also provided.

Description

GENETIC MARKERS FOR ALZHEIMER’S DISEASERELATED APPLICATIONS

[0001] This application claims priority to U.S. Provisional Patent Application No. 63 / 760,570, filed February 19, 2025, the contents of which are hereby incorporated by reference in the entirety for all purposes.BACKGROUND OF THE INVENTION

[0002] Brain diseases such as neurodegenerative diseases and neuroinflammatory disorders are devastating conditions that affect a large subset of the population. Many are incurable, highly debilitating, and often result in progressive deterioration of brain structure and function over time. Disease prevalence is also increasing rapidly due to growing aging populations worldwide, since the elderly are at high risk for developing these conditions. Currently, many neurodegenerative diseases and neuroinflammatory disorders are difficult to diagnose due to limited understanding of the pathophysiology of these diseases. Meanwhile, current treatments are ineffective and do not meet market demand; demand that is significantly increasing each year due to aging populations. For example, Alzheimer’s disease (AD) is marked by gradual but progressive decline in learning and memory, and a leading cause of mortality in the elderly. Increasing prevalence of AD is driving the need and demand for better diagnostics. According to Alzheimer’s Disease International, the disease currently affects nearly 40 million people globally, but the number of cases is projected to triple in the coming three decades. One of the countries with the fastest elderly population growth is China. Based on population projections, by 2030 one in four individuals will be over the age of 60, which will place a vast proportion at risk of developing AD. In fact, the number of AD cases in China doubled from 3.7 million to 9.2 million from 1990-2010, and the country is projected to have 22.5 million cases by 2050. Hong Kong’s population is also aging quickly. It is estimated that the elderly aged 65+ will make up 24%of the population by 2025, and 39.3%of the population by 2050. The number of AD cases is projected to rise to more than 330,000 by 2039.

[0003] More worrisome is that, despite the increase in AD prevalence, many people fail to receive a correct AD diagnosis. According to Alzheimer’s Disease International’s World Alzheimer’ Report 2015, in high-income countries only 20-50%of dementia cases are documented in primary care. The rest remain undiagnosed or incorrectly diagnosed. This ‘treatment gap’ is much more significant in low-and middle-income countries. Without a formal diagnosis, patients do not receive the treatment and care they need, nor do they or their care-givers qualify for critical support programs. Early diagnosis and early intervention are two important means of narrowing the treatment gap. Thus, early diagnostic tools that can determine disease risk both quickly and accurately have significant therapeutic value on many levels. Research has confirmed that AD affects the brain long before actual symptoms of memory loss or cognitive decline actually manifest. To this date, however, there are few diagnostic tools for early detection, see, e.g., WO2021 / 228125. In most cases, by the time a patient is diagnosed with AD using methods currently in practice, which involves subjective clinical assessment, the pathological symptoms are typically already at an advanced state. As such, for the purpose of improving AD treatment and long-term management, there exists an urgent need for developing more new and effective methods for early diagnosis of AD in a patient or for detecting an increased risk of a patient developing AD at a future time. This invention addresses this and other related needs by disclosing novel methods and kits related to the use of single nucleotide polymorphisms (SNPs) , such as rs587709, as genetic markers for assessing individual risk of developing neurodegenerative disorders, especially the Alzheimer’s Disease (AD) , which may vary depending on an individual’s ethnic background. BRIEF SUMMARY OF THE INVENTION

[0004] The present inventors discovered novel genetic markers for Alzheimer’s disease (AD) . Some of these new genetic markers demonstrate specificity in their AD interpretation depending on a test subject’s ethnicity. As such, this invention provides applications in the following aspects:

[0005] First, the present invention provides a method for assessing the risk of developing AD in a subject, for example, a person who is not yet diagnosed with AD. The method includes two steps: first, determining the subject’s genomic sequence encompassing at least one, potentially more, of the single nucleotide polymorphism (SNP) sites of rs587709, rs871269, rs10437655, rs60755019, rs12984029, rs2919234, and rs10973440. Second, determining whether or not the subject has an elevated risk of developing AD at a later time: (a) determining the subject as having no elevated AD risk if an rs871269-T, rs10437655-A, rs60755019-G, rs2919234-G, or rs10973440-G allele is detected in the subject’s genomic sequence; (b) determining the subject as having an elevated AD risk if an rs587709-T allele is detected and the subject is of an East Asian descent; (c) determining the subject as having an elevated AD risk if an rs587709-C allele is detected and the subject is of an European descent; or (d) determining the subject as having no elevated AD risk if an rs587709-T or rs12984029-G allele is detected and the subject is of an European descent.

[0006] In some embodiments, the claimed method further includes a step, prior to the first step (1) , where the genomic DNA is obtained (e.g., extracted or at least partially isolated or purified) from a biological sample taken from the subject. In some embodiments, the method also includes a step of taking a biological sample from a subject (e.g., a person who has suspected risk for developing AD, for example, due to family history or a known genetic predisposition) so as to permit genomic DNA extraction or analysis including sequence analysis with or without an amplification process. Any biological sample containing the subject’s genomic DNA is suitable, for example, a blood sample, especially a whole blood sample or a sample of all blood cells (e.g., the cellular fraction of a whole blood sample) , can be used for this purpose. In some embodiments, step (1) involves genotyping of the subject’s genomic DNA at the relevant locus or loci, for example, by sequencing of the genomic DNA or by a nucleic acid hybridization-based detection method, such as by hybridizing the genomic DNA to a genotyping array comprising polynucleotide probes capable of detecting the pertinent SNP or SNPs (e.g., a commercially available human genotyping microarray chip) ) . In some embodiments, upon a subject being determined as having an elevated risk for later developing AD, the subject may be administered, as a prophylactic measure, an effective amount of a nutraceutical supplement or a therapeutic agent believed to provide benefit in AD treatment and management, including those mentioned in this application.

[0007] In a related aspect, the present invention provides a novel use of at least one, possibly more, of these genetic sequence variations rs587709, rs871269, rs10437655, rs60755019, rs12984029, rs2919234, and rs10973440 or one or more detecting reagents for the SNPs for the purpose of assessing AD risk in a subject, e.g., a human who has not yet been given an AD diagnosis. In some embodiments, the presence of an rs871269-T, rs10437655-A, rs60755019-G, rs2919234-G, or rs10973440-G allele in the subject’s genomic sequence indicates no elevated risk for the subject to later develop AD. In some embodiments, the presence of an rs587709-T allele in the subject’s genomic sequence indicates an elevated AD risk if the subject is of an East Asian descent. In some embodiments, the presence of an rs587709-C allele in the subject’s genomic sequence indicates an elevated AD risk if the subject is of an European descent. In some embodiments, the presence of an rs587709-T or rs12984029-G allele in the subject’s genomic sequence indicates no elevated AD risk if the subject is of a European descent.

[0008] In the second aspect, the present invention provides a method for assessing disease severity in a patient who has already been diagnosed with AD. This method includes two steps: first, the patient’s genomic sequence is analyzed at a location encompassing a single nucleotide polymorphism (SNP) site rs587709 or rs12984029, so that the genomic sequence is determined for at least one, possibly both, of the SNPs. Second, the patient’s AD prognosis is determined: (a) if an rs587709-T allele is present in the patient’s genomic sequence and if the patient is of an East Asian descent, the patient is deemed to likely have a more severe form of AD, especially compared to another patient of the same ethnic background (e.g., also of East Asian descent) but without the rs587709-T allele; (b) if an rs587709-C allele is detected in the patient’s genomic sequence and if the patient is of a European descent, the patient is deemed to have a more severe form of AD, especially compared to another patient of the same ethnic background (e.g., also of European descent) but without the rs587709-C; or (c) if an rs587709-T or rs12984029-G allele is detected in the patient’s genomic sequence and if the patient is of a European descent, the patient is deemed to have a less severe form of AD, especially compared to another patient of the same ethnic background (e.g., also of European descent) but without the corresponding allele (s) .

[0009] In some embodiments, the claimed method for assessing AD severity further includes, prior to the first step, a step where the genomic DNA is obtained (e.g., extracted or at least partially isolated or purified) from a biological sample taken from the subject. In some embodiments, the method also includes a step of taking a biological sample from a subject (e.g., a person who has been diagnosed with AD) so as to permit genomic DNA extraction or analysis including sequence analysis with or without an amplification process. Any biological sample containing the subject’s genomic DNA is suitable, for example, a blood sample, especially a whole blood sample or a sample of all blood cells (e.g., the cellular fraction of a whole blood sample) , can be used for this purpose. In some embodiments, a method for assessing AD severity may include a step of determining LILRB2 or LILRB5 expression level in a biological sample taken from the patient, with or without performing the steps of detecting the SNPs / alleles specified above and herein. In some embodiments, step (1) involves genotyping of the subject’s genomic DNA at the relevant locus or loci, for example, by sequencing of the genomic DNA or by a nucleic acid hybridization-based detection method, such as by hybridizing the genomic DNA to a genotyping array comprising polynucleotide probes capable of detecting the pertinent SNP or SNPs (e.g., a commercially available human genotyping microarray chip) . In some embodiments, upon an AD patient being determined as likely having a more severe form of AD, the patient may be administered an effective amount of a therapeutic agent approved for AD treatment. On the other hand, a nutraceutical supplement known to benefit AD management may be administered to a patient deemed to likely have a less severe form of AD.

[0010] An AD patient with a higher level of LILRB2 expression is deemed to likely to develop a more severe form of AD, compared to another AD patient with a lower level of LILRB2 expression. Conversely, an AD patient with a higher level of LILRB5 expression is deemed to likely have a less severe form of AD, compared to another AD patient with a lower level of LILRB5 expression. Suitable biological samples for assessing LILRB2 and / or LILRB5 expression level include samples taken from various tissues and bodily fluids, for example, a cerebrospinal fluid (CSF) sample or a blood sample (e.g., a whole blood sample or an all blood cell sample) . In some embodiments, the LILRB2 or LILRB5 expression level is LILRB2 or LILRB5 protein level. In some embodiments, the LILRB2 or LILRB5 expression level is LILRB2 or LILRB5 RNA level.

[0011] In a related aspect, the present invention provides a novel use of at least one, possibly both, of the SNPs rs587709 and rs12984029 or one or more detecting reagents for the SNPs for the purpose of assessing AD disease severity in a subject, e.g., a human patient who has already been given an AD diagnosis. In some embodiments, the presence of an rs587709-T allele in the patient’s genomic sequence, if the patient is of an East Asian descent, indicates the patient as likely having a more severe form of AD, especially compared to another patient of the same ethnic background (e.g., also of East Asian descent) but without the rs587709-T allele. In some embodiments, the presence of an rs587709-C allele in the patient’s genomic sequence, if the patient is of a European descent, indicates the patient as likely having a more severe form of AD, especially compared to another patient of the same ethnic background (e.g., also of European descent) but without the rs587709-C. In some embodiments, the presence of an rs587709-T or rs12984029-G allele in the patient’s genomic sequence, if the patient is of a European descent, indicates the patient as likely having a less severe form of AD, especially compared to another patient of the same ethnic background (e.g., also of European descent) but without the corresponding allele (s) .

[0012] In related aspects, the present invention provides a kit for assessing AD risk or disease severity. The kit comprises reagents for determining genomic sequence of at least one of the SNPs rs587709, rs871269, rs10437655, rs60755019, rs12984029, rs2919234, and rs10973440. Also provided is the use of reagents for determining genomic sequence of at least one of these SNPs for manufacturing a kit for assessing AD risk or disease severity.BRIEF DESCRIPTION OF THE DRAWINGS

[0013] Figure 1. Replication analysis of known Alzheimer’s disease-associated loci in the East Asian population. (A) Gene-level replication analysis of known Alzheimer’s disease (AD) -associated loci in the East Asian population. (B) Allele frequencies of known AD-associated genetic variants in the East Asian (EAS) and European (EUR) populations. Genetic variants that were not genotyped and cannot be tested by proxy variants (i.e., R2 > 0.9) are labeled in red. (C) Correlation of the effect sizes of genetic variants on AD between the East Asian and European populations. r, Pearson’s correlation coefficient.

[0014] Figure 2. Comparative analysis of the LILRB2-LILRB5 locus in the East Asian and European populations. (A, B) Associations between the LILRB2-LILRB5 locus and Alzheimer’s disease (AD) in the East Asian (A) and European populations (B) . Colors denote linkage disequilibrium between rs587709 and other variants. Logistic regression. (C, D) Effects of rs587709 on plasma LILRB2 (C) and LILRB5 (D) protein levels in the East Asian population. (E, F) Effects of rs587709 on plasma LILRB2 (E) and LILRB5 (F) protein levels in the European population. (G, H) Effects of rs587709 on cerebrospinal fluid (CSF) LILRB2 (G) and LILRB5 (H) protein levels in the European population. (I, J) Correlations analysis between the plasma and CSF protein levels of LILRB2 (I) and LILRB5 (J) . Plasma protein scores were calculated using genetic score models from the OMICSPRED database (LILRB2: OPGS000075; LILRB5: OPGS000006) . r, Pearson’s correlation coefficient. Linear regression was used to examine associations between continuous variables.

[0015] Figure 3. Associations of LILRB2 and LILRB5 protein with Alzheimer’s disease and related endophenotypes. (A-B) Association between Alzheimer’s disease (AD) and plasma LILRB2 (A) and LILRB5 (B) protein levels in the Hong Kong Chinese cohort. (C-D) Association between Alzheimer’s disease (AD) and cerebrospinal fluid (CSF) LILRB2 (C) and LILRB5 (D) protein levels in the ADNI dataset. (E-G) Added-variable plots illustrating the associations between CSF LILRB2 protein levels and the Clinical Dementia Rating Scale Sum of Boxes Scores (CDR-SB) (E) , fludeoxyglucose-18 positron emission tomography (FDG-PET) scan (F) , and CSF phosphorylated Tau-181 (pTau-181) level (G) . (H-J) Added-variable plots illustrating the associations between CSF LILRB5 protein levels and CDR-SB (H) , FDG-PET scan (I) , and CSF 42-amino-acid amyloid-beta (Aβ42) levels (J) . Linear regression was used for all analysis. r, Pearson’s correlation coefficient.

[0016] Figure 4. Genome-wide association analysis between common genetic variants and Alzheimer’s disease in the East Asian population. (A) Associations between Alzheimer’s disease (AD) and common (i.e., minor allele frequency > 5%) single-nucleotide polymorphisms (SNPs) . Red and blue lines indicate the cutoffs for genome-wide significance (i.e., 5 × 10-8) and suggestive significance (i.e., 1 × 10-5) , respectively. (B) Quantile–quantile (Q-Q) plot illustrating genomic inflation observed in genome-wide association analysis. (C) Gene-level associations between AD and common SNPs. The red line indicates the false discovery rate (FDR) cutoff of 0.05. (D) Q-Q plot illustrating genomic inflation observed in gene-level analysis. (E) Association between the ST3GAL6-DCBLD2 locus and AD. The purple point indicates the top AD-associated SNP. Colors denote linkage disequilibrium between the top SNP and other SNPs. (F) Association between rs2919234 and plasma phosphorylated Tau-217 (pTau-217) level in normal controls (NCs) and participants with mild cognitive impairment (MCI) . *P = 0.023, linear regression. λ, genomic inflation factor; Mb, megabase pair.

[0017] Figure 5. Genome-wide association analysis between common genetic variants and cognitive performance in the East Asian population. (A) Associations between cognitive performance and common (i.e., minor allele frequency > 5%) single-nucleotide polymorphisms (SNPs) . Red and blue lines indicate the cutoffs for genome-wide significance (i.e., 5 × 10-8) and suggestive significance (i.e., 1 × 10-5) , respectively. (B) Quantile–quantile (Q-Q) plot illustrating the genomic inflation observed in genome-wide association analysis. (C) Gene-level associations between cognitive performance measured by the Montreal Cognitive Assessment (MoCA) and common SNPs. The red line indicates the false discovery rate (FDR) cutoff of 0.05. (D) Q-Q plot illustrating the genomic inflation observed in gene-level analysis. (E) Associations between SNPs residing in the TOMM5 locus and cognitive performance. The purple point indicates the top cognitive performance-associated SNP. Colors denote linkage disequilibrium between the top SNP and other SNPs. (F) Association between rs10973440 and cognitive performance. Linear regression. (G) Association between rs10973440 and Alzheimer’s disease. **P =0.006, *P = 0.026, logistic regression. λ, genomic inflation factor; AD, Alzheimer’s disease; Mb, megabase pair; MCI, mild cognitive impairment; NC, normal control.

[0018] Figure 6. Associations between the TNIP1 locus and Alzheimer’s disease in the East Asian and European populations. Colors denote linkage disequilibrium between the sentinel single-nucleotide polymorphisms (SNPs) and other variants. EAS, East Asian population; EUR, European population.

[0019] Figure 7. Associations between the TREM2 locus and Alzheimer’s disease in the East Asian and European populations. Colors denote linkage disequilibrium between the sentinel single-nucleotide polymorphisms (SNPs) and other variants. EAS, East Asian population; EUR, European population.

[0020] Figure 8. Associations between the SPI1 locus and Alzheimer’s disease in the East Asian and European populations. Colors denote linkage disequilibrium between the sentinel single-nucleotide polymorphisms (SNPs) and other variants. EAS, East Asian population; EUR, European population. DEFINITIONS

[0021] In this application, a person is described as “of an Eastern Asian (or European) descent” when this person’s direct ancestors of the last 200 years or 8 generations or more lived in the specified geographic area, for example, in an Eastern Asian country such as China (including Hong Kong and Taiwan) , Korea, Japan, Thailand, and Vietnam.

[0022] The term “nucleic acid” or “polynucleotide” refers to deoxyribonucleic acids (DNA) or ribonucleic acids (RNA) and polymers thereof in either single-or double-stranded form. Unless specifically limited, the term encompasses nucleic acids containing known analogues of natural nucleotides that have similar binding properties as the reference nucleic acid and are metabolized in a manner similar to naturally occurring nucleotides. Unless otherwise indicated, a particular nucleic acid sequence also implicitly encompasses conservatively modified variants thereof (e.g., degenerate codon substitutions) , alleles, orthologs, SNPs, and complementary sequences as well as the sequence explicitly indicated. Specifically, degenerate codon substitutions may be achieved by generating sequences in which the third position of one or more selected (or all) codons is substituted with mixed-base and / or deoxyinosine residues (Batzer et al., Nucleic Acid Res. 19: 5081 (1991) ; Ohtsuka et al., J. Biol. Chem. 260: 2605-2608 (1985) ; and Rossolini et al., Mol. Cell. Probes 8: 91-98 (1994) ) . The term nucleic acid is used to encompass the subject matter as defined by the terms gene, cDNA, and mRNA encoded by a gene.

[0023] The term “gene” means the segment of DNA involved in producing a polypeptide chain. It may include regions preceding and following the coding region (leader and trailer) as well as intervening sequences (introns) between individual coding segments (exons) .

[0024] “Polypeptide, ” “peptide, ” and “protein” are used interchangeably herein to refer to a polymer of amino acid residues. All three terms apply to amino acid polymers in which one or more amino acid residue is an artificial chemical mimetic of a corresponding naturally occurring amino acid, as well as to naturally occurring amino acid polymers and non-naturally occurring amino acid polymers. As used herein, the terms encompass amino acid chains of any length, including full-length proteins, wherein the amino acid residues are linked by covalent peptide bonds.

[0025] In this disclosure the term "biological sample" or “sample” includes sections of tissues such as biopsy and autopsy samples, and frozen sections taken for histologic purposes, or processed forms of any of such samples. Biological samples include blood and blood fractions or products (e.g., whole blood, acellular fraction of blood (serum, plasma) , and blood cells) , sputum or saliva, lymph and tongue tissue, cultured cells, e.g., primary cultures, explants, and transformed cells, stool, urine, stomach biopsy tissue, cerebrospinal fluid, etc. A biological sample is typically obtained from a eukaryotic organism, which may be a mammal, may be a primate and may be a human subject.

[0026] The phrase "specifically binds, " when used in the context of describing a binding relationship of a particular molecule to a protein or peptide, refers to a binding reaction that is determinative of the presence of the protein in a heterogeneous population of proteins and other biologics. Thus, under designated binding assay conditions, the specified binding agent (e.g., an antibody) binds to a particular protein at least two times the background and does not substantially bind in a significant amount to other proteins present in the sample. Specific binding of an antibody under such conditions may require an antibody that is selected for its specificity for a particular protein or a protein but not its similar "sister" proteins. A variety of immunoassay formats may be used to select antibodies specifically immunoreactive with a particular protein or in a particular form. For example, solid-phase ELISA immunoassays are routinely used to select antibodies specifically immunoreactive with a protein (see, e.g., Harlow &Lane, Antibodies, A Laboratory Manual (1988) for a description of immunoassay formats and conditions that can be used to determine specific immunoreactivity) . Typically a specific or selective binding reaction will be at least twice background signal or noise and more typically more than 10 to 100 times background. On the other hand, the term “specifically bind” when used in the context of referring to a polynucleotide sequence forming a double-stranded complex with another polynucleotide sequence describes “polynucleotide hybridization” based on the Watson-Crick base-pairing, as in the context of a “polynucleotide hybridization method. ”

[0027] As used in this application, an "increase" or a "decrease" refers to a detectable positive or negative change in quantity from a comparison control, e.g., an established standard control (such as an average level / amount of a particular protein found in samples from healthy subjects who has not been diagnosed with a neurodegenerative disorder such as AD and has no known elevated risk for such disorder) . An increase is a positive change that is typically at least 10%, or at least 20%, or 50%, or 100%, and can be as high as at least 2-fold or at least 5-fold or even 10-fold of the control value. Similarly, a decrease is a negative change that is typically at least 10%, or at least 20%, 30%, or 50%, or even as much as at least 80%or 90%of the control value. Other terms indicating quantitative changes or differences from a comparative basis, such as "more, " "less, " "higher, " and "lower, " are used in this application in the same fashion as described above. In contrast, the term "substantially the same" or "substantially lack of change" indicates little to no change in quantity from the standard control value, typically within ± 10%of the standard control, or within ± 5%, 2%, or even less variation from the standard control.

[0028] The term "amount" or "level" as used in this application refers to the quantity of a substance of interest, such as a nucleic acid or protein of interest, present in a sample. Such quantity may be expressed in the absolute terms, i.e., the total quantity of the substance in the sample, or in the relative terms, i.e., the concentration of the substance in the sample.

[0029] The term "subject" or "subject in need of treatment, " as used herein, includes individuals who seek medical attention due to risk of (e.g., with family history) , or having been diagnosed of, a neurodegenerative disorder such AD. Subjects also include individuals currently undergoing therapy that seek manipulation of the therapeutic regimen, for example, whose disease severity is monitored and assessed, especially over a time period. Subjects in need of treatment include those that demonstrate symptoms of the neurodegenerative disorder, e.g., AD, or are at risk of suffering from the neurodegenerative disorder or its symptoms. For example, a subject in need of treatment includes individuals with a genetic predisposition or family history for the neurodegenerative disorder, those that have suffered relevant symptoms in the past, those that have been exposed to a triggering substance or event, as well as those suffering from chronic or acute symptoms of the condition. A “subject in need of treatment” may be at any age of life.

[0030] The term "treat" or "treating, " as used in this application, describes an act that leads to the elimination, reduction, alleviation, reversal, prevention and / or delay of onset or recurrence of any symptom of a predetermined medical condition. In other words, "treating" a condition encompasses both therapeutic and prophylactic intervention against the condition.

[0031] The term “effective amount, ” as used herein, refers to an amount that produces therapeutic effects for which a substance is administered. The effects include the prevention, correction, or inhibition of progression of the symptoms of a disease / condition and related complications to any detectable extent. The exact amount will depend on the purpose of the treatment, and will be ascertainable by one skilled in the art using known techniques (see, e.g., Lieberman, Pharmaceutical Dosage Forms (vols. 1-3, 1992) ; Lloyd, The Art, Science and Technology of Pharmaceutical Compounding (1999) ; and Pickar, Dosage Calculations (1999) ) .

[0032] The term “about” denotes a range of + / -10%of a pre-determined value. For example, “about 10” sets a range of 90%to 110%of 10, i.e., 9 to 11.

[0033] The term "standard control, " as used herein, refers to a sample comprising an analyte of a predetermined amount to indicate the quantity or concentration of this analyte present in this type of sample (e.g., a predetermined DNA / mRNA or protein) taken from an average healthy subject not suffering from or known to have elevated risk of developing a predetermined disease or condition (e.g., a neurodegenerative disorder such as AD) . When used in the context of describing a value, this term may also be used to simply refer to the quantity or concentration of this analyte present in a “standard control” sample.

[0034] As used herein, the term “Chinese” refers to ethnic Chinese people who and whose ancestors have been residing in the historical territories of China, including Taiwan and Hong Kong, for a length of time, e.g., at least the last 3, 4, 5, 6, 7, or 8 generations or the last 100, 150, 200, 250, or 300 years.DETAILED DESCRIPTION OF THE INVENTIONI. INTRODUCTION

[0035] Alzheimer’s disease (AD) , the most common type of dementia, is a highly heritable neurodegenerative disease. While genome-wide association studies in European populations have identified numerous AD risk loci, its genetic architecture in other ethnicities remains largely unclear. In this study, the present inventors performed a comprehensive replication analysis of known AD risk loci within the East Asian population. Significant associations were replicated between AD and several loci, particularly the LILRB2-LILRB5 locus. Notably, rs587709-T, the lead AD-associated variant in the LILRB2-LILRB5 locus, shows ethnic-specific effects on AD risk and affects the expression of the LILRB2 and LILRB5 proteins differentially across ethnic groups. In East Asians, rs587709-T is associated with increased AD risk and elevated LILRB2 expression; whereas in Europeans, it is associated with decreased AD risk and elevated LILRB5 expression. Furthermore, it was discovered that LILRB2 and LILRB5 protein levels in cerebrospinal fluid are associated with AD and related endophenotypes, including brain glucose metabolism, and AD pathological markers such as Aβ and Tau. These findings underscore the roles of LILRB2 and LILRB5 in AD pathogenesis. Moreover, the genome-wide association analysis identified ST3GAL6-DCBLD2 and TOMM5 as new risk loci for AD or cognitive decline, furthering enhancing the understanding of AD’s genetic landscape in the East Asian population. II. DETECTION OF MARKERS A. Obtaining Samples

[0036] The first step of practicing the present invention is to obtain a biological sample (such as a blood sample) from a subject being tested for assessing the risk of developing a neurodegenerative disorder (such as AD) or monitoring for the neurodegenerative disorder’s severity or progression. In some cases, samples of the same type may be taken from both a control group (cognitively normal individuals not suffering from the neurodegenerative disorder and without increased risk for the neurodegenerative disorder) and a test group (subjects being tested for possible neurodegenerative disorder such AD or for increased risk in later developing the neurodegenerative disorder, for example) . Standard procedures routinely employed in hospitals or clinics are typically followed for the sample acquisition purpose.

[0037] For the purpose of detecting the presence of any specific genetic marker (such as any one or more of the SNPs rs587709, rs871269, rs10437655, rs60755019, rs12984029, rs2919234, and rs10973440) or determining the quantity of marker proteins (such as LILRB2 or LILRB5 protein) for assessing the risk of developing AD in test subjects or for assessing disease severity in AD patients, individuals’ biological samples (such as blood samples or cerebrospinal fluid samples) are taken. Subsequently, the genotype at one or more pertinent SNP sites may be determined, or the level of a pertinent marker protein (e.g., LILRB2 or LILRB5 protein) may be measured and then compared to a standard control. While the presence of a particular SNP among rs587709, rs871269, rs10437655, rs60755019, rs12984029, rs2919234, and rs10973440 may yield different indications in terms of AD risk or disease severity depending on the test subject’s ethnicity (e.g., being an Eastern Asian or European) , a more consistent indication from an increased expression level of LILRB2 and / or decreased expression level of LILRB5, especially at protein levels, found in a patient’s cerebrospinal fluid points to an elevated AD risk and / or a more severe form of AD in the patient. B. Samples Preparation

[0038] Any biological sample containing genomic DNA from a subject is suitable for the present invention where the subject’s genotype at the pertinent sites (e.g., any one or more of the SNPs rs587709, rs871269, rs10437655, rs60755019, rs12984029, rs2919234, and rs10973440) . The sample can be obtained by well-known methods and as described in standard medical literature. In certain applications of this invention, serum or plasma or whole blood may be the preferred sample type. In other cases, a sample comprising some or all blood cell types may be used.

[0039] The analysis of a marker protein (e.g., LILRB2 or LILRB5 protein) found in a patient's sample according to the present invention may be performed using, e.g., cerebrospinal fluid. The methods for preparing patient samples for DNA and / or protein extraction / quantitative detection are well known among those of skill in the art. C. Marker Detection

[0040] For the purpose of assessing the risk of developing AD at a later time in a subject who has not been diagnosed with AD or assessing the likely disease severity in a subject who has already received a diagnosis of AD, the subject’s genomic DNA is analyzed according to the method of this invention. The genotype information at the pertinent SNP sites (e.g., any one or more of rs587709, rs871269, rs10437655, rs60755019, rs12984029, rs2919234, and rs10973440) can be readily ascertained by methods routinely practiced in the biomedical research field. For example, various genomic DNA sequencing methods, including commercially available services, can be used to identify which specific alleles at these SNP sites any particular patient may have. Moreover, rapid and reliable genotyping tools based on nucleic acid hybridization principle have been successfully developed and made widely available in recent years. Applying a patient’s genomic DNA to an array comprising up to millions of polynucleotide probes for hybridization based on nucleotide sequence complementarity and subsequent visualization (for example, human genotyping microarray chips marketed by Illumina) can yield the genotype information useful for practicing the methods of this invention.

[0041] A protein of any particular identity, such as LILRB2 or LILRB5 protein, can be detected using a variety of immunological assays. In some embodiments, a sandwich assay can be performed by capturing the protein from a test sample with an antibody having specific binding affinity for the protein. The protein then can be detected with a labeled antibody having specific binding affinity for it. Such immunological assays can be carried out using microfluidic devices such as microarray protein chips. A protein of interest (e.g., LILRB2 or LILRB5 protein) can also be detected by gel electrophoresis (such as 2-dimensional gel electrophoresis) and western blot analysis using specific antibodies. Alternatively, standard immunohistochemical techniques can be used to detect a given protein (e.g., LILRB2 or LILRB5 protein) , using the appropriate antibodies.

[0042] Other methods may also be employed for measuring the level of a marker protein in practicing the present invention. For instance, a variety of methods have been developed based on the mass spectrometry technology to rapidly and accurately quantify target proteins even in a large number of samples. These methods involve highly sophisticated equipment such as the triple quadrupole (triple Q) instrument using the multiple reaction monitoring (MRM) technique, matrix assisted laser desorption / ionization time-of-flight tandem mass spectrometer (MALDI TOF / TOF) , an ion trap instrument using selective ion monitoring SIM) mode, and the electrospray ionization (ESI) based QTOP mass spectrometer. See, e.g., Pan et al., J Proteome Res. 2009 February; 8 (2) : 787–797. III. ESTABLISHING A STANDARD CONTROL

[0043] In some cases, in order to establish a standard control for practicing the method of this invention, a group of healthy persons free of a neurodegenerative disorder (such as AD) or any known increased risk for developing the neurodegenerative disorder as conventionally defined is first selected. These individuals are within the appropriate parameters, if applicable, for the purpose of screening for and / or monitoring a neurodegenerative disorder using the methods of the present invention. Optionally, the individuals are of same gender, similar age, or similar ethnic background to the test subjects.

[0044] The healthy status of the selected individuals is confirmed by well-established, routinely-employed methods including but not limited to general physical examination of the individuals and general review of their medical history.

[0045] Furthermore, the selected group of healthy individuals must be of a reasonable size, such that the average amount / concentration of the marker protein (e.g., LILRB2 or LILRB5 protein) in the cerebrospinal fluid sample obtained from the group can be reasonably regarded as representative of the normal or average level among the general population of healthy people without a neurodegenerative disorder (such as AD) or increased risk for the neurodegenerative disorder. Preferably, the selected group comprises at least 10, 20, 30, or 50 human subjects.

[0046] Once an average value for the marker protein is established based on the individual values found in each subject of the selected healthy control group, this average or median or representative value or profile is considered a standard control. A standard deviation is also determined during the same process. In some cases, separate standard controls may be established for separately defined groups having distinct characteristics such as age, gender, or ethnic background. IV. MONITORING AND TREATMENT

[0047] In a related aspect, the present invention also supports and enables treatment for a neurodegenerative disorder (such as AD) upon detection of the presence of the neurodegenerative disorder, or a heightened risk of later developing the neurodegenerative disorder, or a worsening condition of the neurodegenerative disorder in a patient. In some embodiments, the method comprises, upon determining a subject as having an increased risk for AD, administering a treatment to said subject, for example, antibody drugs such as lecanemab, acetylcholinesterase inhibitors (such as donepezil, galantamine, rivastigmine) , memantine, glutamate receptor blockers, citalopram, fluoxetine, paroxeine, sertraline, trazodone, lorazepam, oxazepam, aripiprazole, clozapine, haloperidol, olanzapine, quetiapine, risperidone, ziprasidone, nortriptyline, tricyclic antidepressants, benzodiazepines, temazepam, zolpidem, zaleplon, chloral hydrate, as well as nutraceuticals such as coenzyme Q10, ubiquinone, coral calcium, Ginkgo biloba, huperzine A, omega-3 fatty acids, and phosphatidylserine, or any combination thereof.

[0048] In some cases, when the diagnostic method steps described above and herein are completed, optionally with additional diagnostic examination performed to provide further confirmatory information (for example, by brain imaging via CT scan or other imaging techniques to show excessive loss of brain volume, or by testing cognitive capability to show an accelerated decline) , and a patient has been determined to either already have AD or is at a significantly increased risk of later developing AD, suitable therapeutic or prophylactic regimens may be ordered by physicians or other medical professionals to treat the patient, to manage / alleviate the ongoing symptoms, or to delay the future onset of the disease. The U.S. Food and Drug Administration (FDA) has approved a number of cholinesterase inhibitors, including donepezil (AriceptTM, the only cholinesterase inhibitor approved to treat all stages of AD, including moderate to severe) , rivastigmine (ExelonTM, approved to treat mild to moderate AD) , galantamine (RazadyneTM, mild to moderate patients) and memantine (NamendaTM) . Donepezil is the only cholinesterase inhibitor approved to treat all stages of AD, including moderate to severe. Any one or more of these drugs can be prescribed for treating patients who have been diagnosed with AD in accordance with the methods of this invention. Also, Biogen’s antibody drugs aducanumab and lecanemab recently received full approval by the FDA. Another possibility of treatment is administration of trazodone, which is currently approved for use as an antidepressant and has been reported as an effective agent for ameliorating AD symptoms.

[0049] For patients who are deemed at a high or an increased risk for developing a neurodegenerative disorder, such as AD, in a future time but do not yet exhibit any clinical symptoms, continuous monitoring is also appropriate, especially at an increased frequency. For example, the patients may be subject to more frequently scheduled regular testing (e.g., once every six months, once a year, or once every two years) to detect any accelerated change in their cognitive capabilities. Methods suitable for such regular monitoring include General Practitioner Assessment of Cognition (GPCOG) , Mini-Cog, Eight-item Informant Interview to Differentiate Aging and Dementia (AD8) , and Short Informant Questionnaire on Cognitive Decline in the Elderly (IQCODE) . Furthermore, prophylactic treatment with trazodone may also be recommended. V. KITS AND DEVICES

[0050] The invention provides devices and kits for practicing the methods described herein to assess the pertinent genotype (e.g., any one or more of the SNPs rs587709, rs871269, rs10437655, rs60755019, rs12984029, rs2919234, and rs10973440) and / or marker expression level (e.g., LILRB2 or LILRB5 protein) at the pertinent sites level in a subject’s biological sample, which can be used for various purposes such as detecting or diagnosing the presence of a neurodegenerative disorder (such as AD) , determining the risk of developing the neurodegenerative disorder, and monitoring progression or severity of the neurodegenerative disorder in a patient, including assessing the therapeutic efficacy of a therapy administered for the neurodegenerative disorder among patients who have received a diagnosis of the disorder and have undergone treatment.

[0051] Kits for carrying out assays for determining marker protein levels typically include at least one antibody useful for specific binding to the LILRB2 or LILRB5 protein amino acid sequence. Optionally, this antibody is labeled with a detectable moiety. The antibody can be either a monoclonal antibody or a polyclonal antibody. In some cases, the kits may include at least two different antibodies, one for specific binding to LILRB2 or LILRB5 protein (i.e., the primary antibody) and the other for detection of the primary antibody (i.e., the secondary antibody) , which is often attached to a detectable moiety.

[0052] Typically, the kits also include an appropriate standard control. The standard controls indicate the average value of LILRB2 or LILRB5 protein in healthy subjects who are not suffering from nor are at increased risk of developing a neurodegenerative disorder such as AD. In some cases, such standard control may be provided in the form of a set value. In addition, the kits of this invention may provide instruction manuals to guide users in analyzing test samples and assessing the presence or risk of the neurodegenerative disorder (such as AD) or assessing the disorder’s status / severity / progression in a test subject.

[0053] In a further aspect, the present invention can also be embodied in a device or a system comprising one or more such devices, which is capable of carrying out all or some of the method steps described herein. For instance, in some cases, the device or system performs the following steps upon receiving a biological sample taken from a subject being tested for detecting a neurodegenerative disorder (such as AD) , assessing the risk of developing the disorder, or assessing the disease severity / status / progression: (a) determining in sample LILRB2 or LILRB5 protein level; (b) comparing the level with a standard control value; and (c) providing an output indicating whether a neurodegenerative disorder (such as AD) is present in the subject or whether the subject is at increased risk of developing the neurodegenerative disorder, or whether the patient has a higher risk of later developing the neurodegenerative disorder relative to another patient being tested. In other cases, the device or system of the invention performs the task of steps (b) and (c) , after step (a) has been performed and the amount or concentration from (a) has been entered into the device. Preferably, the device or system is partially or fully automated. EXAMPLES

[0054] The following examples are provided by way of illustration only and not by way of limitation. Those of skill in the art will readily recognize a variety of non-critical parameters that could be changed or modified to yield essentially the same or similar results. INTRODUCTION

[0055] Alzheimer’s disease (AD) is the most prevalent form of dementia and a leading cause of death in the elderly population 1. AD has a strong genetic basis, with an estimated heritability of ～70%2. Genetic studies of familial AD have identified critical disease-causing mutations in amyloid-beta (Aβ) pathway genes, such as APP, PSEN1, and PSEN2 3. However, these mutations are rare and account for only a small fraction of AD cases 4. The genetic etiology of most AD cases is complex 5, involving numerous common single-nucleotide polymorphisms (SNPs) with small risk effects that collectively contribute to the genetic risk of AD 5. A recent genome-wide association study (GWAS) identified 75 AD risk loci, including 42 new loci 6, highlighting the crucial role of genetic variants in the pathogenesis of AD.

[0056] Most AD risk genetic variants identified by GWASs are located in noncoding regions 6, making it important to explore their regulatory effects on gene expression to understand the genetic etiology of AD7. Advances in high-throughput technologies for transcriptome and proteome profiling enable the establishment of robust associations between genetic variants and the expression of genes or proteins 8, 9. Quantitative trait loci (QTL) analyses, including gene expression QTL (eQTL) and protein QTL (pQTL) , reveal that AD risk genetic variants regulate the expression of genes related to amyloid and tau pathologies, as well as immune pathways 6, 10. These findings substantially deepen our knowledge of the molecular mechanisms underlying AD.

[0057] AD genetic studies have predominantly focused on populations of European descent 6,11–13, which has limited our understanding of the genetic architecture of AD in other ethnic groups. While a few AD risk loci, such as APOE 14, ABCA7 15, 16, and SORL1 17, have been validated in diverse populations, the implications of many AD risk loci, particularly those newly identified in a recent GWAS 6, are still not well understood in non-European populations. Moreover, associations between AD and specific genetic variants can vary among ethnic groups 18. For instance, APOE-ε4, the most significant AD risk SNP, shows a stronger risk effect in East Asian populations (odds ratio = 5.6 for ε3 / ε4) compared to European populations (odds ratio = 3.2 for ε3 / ε4) 14. This highlights the importance of studying AD risk genetic variants across diverse populations to understand the genetic basis of AD. Additionally, the diverse genetic backgrounds among ethnic groups offer opportunities to discover new AD risk loci in non-European populations.

[0058] Accordingly, we performed a comprehensive analysis of known AD risk loci in East Asian cohorts (n = 2, 909) using Illumina microarray technology. We identified significant associations between AD and several known AD risk loci, including the LILRB2–LILRB5 locus. Notably, we observed ethnic-specific effects of this locus on AD and protein expression. Specifically, rs587709-T was associated with increased AD risk and higher LILRB2 protein expression in the East Asian population, whereas in the European population, it was associated with decreased AD risk and higher LILRB5 protein expression. To further explore the roles of LILRB2 and LILRB5 in AD, we examined the correlation between these proteins and AD-related endophenotypes, including dementia severity, brain glucose metabolism, as well as cerebrospinal fluid (CSF) levels of Aβ42 and Tau. Our results indicate that higher CSF levels of LILRB2 are associated with more severe AD-related endophenotypes, while higher CSF levels of LILRB5 are associated with less severe AD-related endophenotypes. These findings suggest that both LILRB2 and LILRB5 are involved in modulating AD risk, providing new insights into the genetic mechanisms underlying the LILRB2-LILRB5 locus. Moreover, our genome-wide association analysis of AD and cognitive decline shows that ST3GAL6-DCBLD2 and TOMM5 are new candidate AD risk loci. RESULTS replication of known Alzheimer’s disease-associated loci in the east Asian population

[0059] We performed genotyping on 2, 909 unrelated East Asian participants using Illumina's NeuroBooster microarray, which included 1, 297 cognitively normal controls (NCs) , 295 participants with mild cognitive impairment (MCI) , 771 participants with AD, and 546 participants with non-AD dementia (Table 1) . To replicate known AD-associated loci, we conducted a gene-level analysis on the 78 AD risk loci (excluding APOE) identified in a recent European AD GWAS (Supplementary Table 1) 6. Interestingly, we observed nominally significant associations between AD and several loci, including TNIP1 (P = 6.3 × 10-3) , SHARPIN (P = 1.9 × 10-3) , SORL1 (P = 1.5 × 10-2) , and LILRB2 (P = 2.7 × 10-3) (Figure 1A) . These results corroborate previous findings on the AD risk effects of the SHARPIN and SORL1 loci in the East Asian population 17, 19, 20.

[0060] To further investigate the AD risk effects of these loci across ethnic groups, we analyzed the 83 lead AD-associated SNPs from the 78 AD risk loci identified in the European population 6. Among the 83 reported SNPs, 13 SNPs were not genotyped in our study cohort due to their low prevalence in the East Asian population (n = 12; Figure 1B, Supplementary Table 2) or their location within the IGH gene cluster (n = 1) . We then compared the effects of the remaining 70 SNPs on AD across different populations. Interestingly, the effect sizes of these SNPs on AD in the East Asian population were positively correlated with those reported in the European population (r = 0.52, P = 4.4 × 10-6; Figure 1C) . Moreover, we observed nominally significant associations with AD for SNPs in four loci (Figure 1C, Supplementary Table 2, Figures 6-8) : rs871269-T in TNIP1 (Beta = -0.170, P = 0.015) , rs587709-C in LILRB2-LILRB5 (Beta = -0.173, P = 0.017) , rs10437655-A in SPI1 (Beta =0.139, P = 0.047) , and rs60755019-G in TREM2 (Beta = 1.063, P = 0.048) . Specifically, the AD-associated SNPs in the TNIP1, SPI1, and TREM2 loci exhibited concordant AD risk or protective effects in both populations (Figure 1C) . In contrast, rs587709-C, located in the intergenic region between LILRB2 and LILRB5, displayed a unique ethnic-specific effect, which is associated with decreased AD risk in the East Asian population and increased AD risk in the European population (Figure 1C) . Notably, a meta-analysis confirmed that rs587709-C was associated with AD in both East Asian and European populations (P = 1.2 ×10-10) , but with substantial heterogeneity in effect sizes (I2 = 85.9%, P = 7.7 × 10-3; Supplementary Table 2) . These results collectively indicate that while most AD-associated loci identified in the European population exhibit similar trends of AD risk effects in the East Asian population, some genetic variants have ethnic-specific effects on AD. Ethnic-specific effects of the LILRB2-LILRB5 locus on Alzheimer’s disease

[0061] The opposite effects of rs587709 on AD risk between the East Asian and European populations highlight a noteworthy ethnic difference at the LILRB2-LILRB5 locus. Therefore, we examined the AD associations at this locus in both populations. In the East Asian population, rs12460589 was identified as the most significant AD-associated variant within the LILRB2-LILRB5 locus (Figure 2A) , contrasting with rs587709 in the European population (Figure 2B) . Nonetheless, rs12460589 was in linkage disequilibrium with rs587709 in the East Asian population (D′= 0.715) . Haplotype analysis revealed that ～80%of the minor alleles of rs12460589 reside within the same haplotype as the minor allele of rs587709 (Supplementary Table 3) , indicating that rs587709 also tags the most significant AD-associated haplotype in the East Asian population. Hence, we used rs587709 for further comparative analysis between the East Asian and European populations. Interestingly, the prevalence and AD association of rs587709 varied between ethnic populations. Specifically, in the East Asian population, rs587709-T was the minor allele (allele frequency [AF] = 26.5%) and was associated with increased AD risk (Beta = 0.173, P = 0.017; Supplementary Table 2) . However, in the European population, rs587709-T was more prevalent (AF =67.5%) and was associated with decreased AD risk (Beta = -0.021, P = 3.6 × 10-11; Supplementary Table 2) . These findings suggest that rs587709 is associated with different genetic mechanisms affecting AD risk across East Asian and European populations. Ethnic-specific effects of the LILRB2-LILRB5 locus on protein expression

[0062] LILRB2 protein, a known Aβ receptor and affects synaptic plasticity 21, is an important risk factor for AD. Given that rs587709 resides within a non-coding region of the LILRB2-LILRB5 locus, we investigated its effects on LILRB2 expression as well as that of nearby LILRB family members, including LILRB3 and LILRB5 (Figure 2A, B) . We utilized high-throughput plasma proteomic profiling data from our study cohort along with data from the European INTERVAL dataset to analyze genotype–protein associations 9, 22. Interestingly, in the East Asian population, rs587709-T was only associated with increased LILRB2 levels (Beta = 0.642, P = 1.2 × 10-24; Figure 2C, D, Supplementary Table 4) . In contrast, in the European population, rs587709-T showed a weak association with increased LILRB2 levels (Beta = 0.085, P = 1.8 × 10-3; Figure 2E, Supplementary Table 4) but a strong association with increased LILRB5 levels (Beta = 0.456, P = 1.3 × 10-67; Figure 2F, Supplementary Table 4) . Moreover, we investigated how rs587709-T affects transcript levels of LILRB2 and LILRB5 using RNA sequencing data from our study cohort and GTEx project samples of European descent 8, 23. The rs587709-T allele was associated with increased expression of LILRB2 in the East Asian population (Beta = 0.251, P = 5.1 × 10-8; Supplementary Table 5) and increased expression of LILRB5 in the European population (Beta = 0.220, P = 5.2 × 10-3; Supplementary Table 5) , which is concordant with the genotype–protein associations.

[0063] To further investigate the regulatory role of rs587709 on LILRB2 and LILRB5 in the brain, we retrieved genomic and CSF proteomic profiles of individuals of European descent from the ADNI dataset 24. We found that rs587709-T was only associated with an increased CSF level of LILRB5 in the European population (Beta = 0.529, P = 1.4× 10-21; Figure 2G, H, Supplementary Table 4) , which aligns with the genotype–protein associations observed in plasma (Figure 2E, F) . Notably, although rs587709-T was not associated with CSF LILRB2 levels in the European population, other genome-wide significant AD-protective SNPs (e.g., rs12984029-G, Beta = -0.062, P = 3.2 × 10-9) in this locus were weakly associated with decreased CSF LILRB2 levels (Beta = -0.110, P = 3.5 × 10-2; Supplementary Table 6) and strongly associated with increased CSF LILRB5 levels (Beta = 0.770, P = 2.0 × 10-45; Supplementary Table 6) . These results indicate that both CSF LILRB2 and LILRB5 levels are affected by this AD risk locus, with LILRB5 potentially playing a more dominant role in the European population.

[0064] To understand the correlation between plasma and CSF protein expression of LILRB2 and LILRB5, we used genetic score models from OMICSPRED to predict their plasma levels in the ADNI dataset 25. The predicted plasma protein levels of LILRB2 and LILRB5 showed positive correlations with CSF levels of LILRB2 (r = 0.411, P = 3.6 × 10-36; Figure 2I) and LILRB5 (r = 0.720, P = 1.3 × 10-94; Figure 2J) , respectively, suggesting that their protein expression in plasma and CSF has similar genetic control. Therefore, these results collectively demonstrate that rs587709 confers ethnic-specific regulatory effects on LILRB2 and LILRB5 protein expression in East Asian and European populations, underscoring their associations with AD. Effects of LILRB2 and LILRB5 on Alzheimer’s disease-related endophenotypes

[0065] To investigate the roles of LILRB2 and LILRB5 in AD pathogenesis, we examined the associations between expression levels of these two proteins and AD using the ADNI dataset. Although plasma levels of LILRB2 and LILRB5 did not show significant associations with AD (Figure 3A, B) , AD patients had higher CSF LILRB2 levels (Beta =0.309, P = 4.8 × 10-3; Figure 3C) and lower CSF LILRB5 levels (Beta = -0.225, P = 4.9 ×10-2; Figure 3D) compared to NCs. Accordingly, we further examined the effects of CSF LILRB2 and LILRB5 on AD-related endophenotypes (Supplementary Table 7) . We revealed that higher CSF LILRB2 levels were correlated with more-severe AD-related endophenotypes, including increased dementia severity as measured by the Clinical Dementia Rating Scale Sum of Boxes Scores (CDR-SB; r = 0.103, P = 1.0 × 10-2; Figure 3E) , decreased brain glucose metabolism as measured by fludeoxyglucose-18 positron emission tomography (FDG-PET) scan (r = -0.098, P = 4.7 × 10-2; Figure 3F) , and increased Tau pathology as measured by CSF pTau-181 (r = 0.189, P = 2.9 × 10-5; Figure 3G) . In contrast to LILRB2, higher CSF LILRB5 levels were associated with less severe AD-related endophenotypes, including decreased CDR-SB (r = -0.092, P = 4.0 × 10-2; Figure 3H) , increased brain FDG-PET measurements (r = 0.114, P = 3.8 × 10-2; Figure 3I) , and higher CSF Aβ42 level (r = 0.130, P = 4.5 × 10-4; Figure 3J) . In summary, increased CSF LILRB2 levels and decreased CSF LILRB5 levels are associated with higher AD risk, which is concordant with their association with the AD risk alleles of rs587709. Collectively, these results indicate that both LILRB2 and LILRB5 are involved in AD pathogenesis and may contribute to the AD risk effects of the LILRB2-LILRB5 locus. Genome-wide association analysis of Alzheimer’s disease in the East Asian population

[0066] The genetic differences between the East Asian and European populations provide opportunities to discover new AD risk loci in East Asian populations. Therefore, we performed a genome-wide association analysis of AD in the study cohort (771 AD vs. 1,297 NC) . We identified a genome-wide significant association in the APOE locus with AD (Figure 4A) and observed no genomic inflation (λ = 1.022; Figure 4B) , indicating that the associations are not due to population stratification. Outside the APOE locus, no individual genetic variants passed the genome-wide significance threshold (Figure 4A) . Nonetheless, gene-level analysis considering the aggregate effects of genetic variants within the same locus revealed significant associations between the ST3GAL6-DCBLD2 locus and AD (FDR = 0.033; Figure 4C) , again without genomic inflation (λ = 1.016; Figure 4D) . Specifically, the lead SNP in this locus, rs2919234, was associated with a decreased AD risk in the East Asian population (Beta = -0.395, P = 2.9 × 10-6; Figure 4E) .

[0067] To better understand the effects of rs2919234 on AD pathologies, we examined its association with plasma levels of pTau-217, a blood biomarker linked to Aβ and Tau pathologies in the brain 26. Interestingly, rs2919234 was associated with decreased plasma pTau-217 levels in NCs and participants with MCI (Beta = -0.264, P = 0.023; Figure 4F) , further indicating the AD-protective effect of rs2919234. Moreover, rs2919234 was associated with expression levels of ST3GAL6 and DCBLD2 across various human tissues in the GTEx database (Supplementary Table 8) 8, suggesting a regulatory role of the identified AD risk variants or tagged haplotype on these two genes. Hence, genome-wide association analysis identified ST3GAL6-DCBLD2 as a new AD-associated locus in East Asian populations, providing new insights into the genetic basis of AD. Genome-wide association analysis of cognitive performance in East Asian population

[0068] Cognitive decline is a critical AD-related phenotype strongly correlated with disease progression 27. Accordingly, to identify genetic variants associated with AD progression, we performed a genome-wide association analysis of cognitive performance (measured by Montreal Cognitive Assessment) in the study cohort (n = 2, 887) . We observed a genome-wide significant association between cognitive performance and genetic variants in the APOE locus (Figure 5A) without detecting genomic inflation (λ = 1.019; Figure 5B) . Beyond the APOE locus, gene-level analysis revealed a significant association between cognitive performance and the TOMM5 locus (FDR = 0.031, λ = 1.008; Figure 5C, D) , which encodes a protein involved in the mitochondrial outer membrane translocase complex 28. The lead SNP in the TOMM5 locus, rs10973440, was associated with increased cognitive performance (Beta = 0.161, P = 2.9 × 10-6; Figure 5E, F) , suggesting an AD-protective effect of this SNP. Concordantly, the frequency of rs10973440 was lower in patients with AD (AF = 7.5%) compared to NCs (AF = 10.0%, P = 0.006) and individuals with MCI (AF = 10.2%, P = 0.026) (Figure 5G) . These findings highlight a significant association between the TOMM5 locus and cognitive performance, providing new insights into the role of mitochondria in AD pathogenesis. DISCUSSIONS

[0069] GWASs have identified numerous AD risk loci primarily in European populations; however, it remains largely unclear whether these loci also confer AD risk effects in non-European populations. Accordingly, we performed a comprehensive genetic analysis of the known AD risk loci in the East Asian population and confirmed the associations between AD and several risk loci, including the LILRB2-LILRB5 locus. Interestingly, the LILRB2-LILRB5 locus exhibited different effects on AD between the East Asian and European populations. In the East Asian population, rs587709-T, the lead AD-associated SNP in this locus, was associated with increased AD risk and higher LILRB2 expression. In contrast, in the European population, rs587709-T had a protective effect against AD and was primarily associated with increased LILRB5 expression. These findings suggest the involvement of these proteins in AD pathogenesis and extend our understanding of the genetic mechanisms at the LILRB2-LILRB5 locus across different ethnic groups. Furthermore, our genome-wide association analysis of AD and cognitive performance in the East Asian population identified two new AD risk loci: ST3GAL6-DCBLD2 and TOMM5.

[0070] The lack of diversity among research participants is a major limitation in genetics studies of AD and other diseases 18. Particularly, over 90%of GWASs have been conducted on European populations 29. The effects of genetic variants on diseases can vary among ethnicities owing to different allele frequencies and linkage disequilibrium 18, 30. Therefore, to understand the genetic etiology of AD in diverse populations, it is important to validate known AD risk loci in non-European populations. In this study, we identified significant associations between AD and several known loci, including SPI1, TREM2, SORL1, and SHARPIN, which have been reported in both European and East Asian populations 17, 19, 20, 31–33. Furthermore, we confirmed significant AD risk effects of the TNIP1 and LILRB2-LILRB5 loci in the East Asian population. These AD risk loci were recently identified in an AD GWAS but had not been replicated in a non-European population until now 6. Notably, although more than 60 lead AD-associated genetic variants did not show significant association with AD in the East Asian population (Supplementary Table 1) , their effects on AD were positively correlated with those in European populations (Figure 1C) . These results indicate the potential to translate genetic findings from European populations to other ethnicities. Nevertheless, future genetic studies with larger sample sizes are required to confirm the associations between these genetic variants and AD.

[0071] Notably, genetic variants can exhibit different effects on AD across different populations. In the present study, rs587709, the lead AD-associated SNP in the LILRB2-LILRB5 locus, displayed opposite effects on AD between the East Asian and European populations (Figure 1C) . As receptors for the highly polymorphic human leukocyte antigen 34, 35, the LILRB2-LILRB5 locus has been reported to undergo strong natural selection 36, which has led to significant differences in SNP and haplotype frequencies between East Asian and European populations. This may account for the significantly different prevalence of rs587709-T between the East Asian population (AF = 26.5%) and European population (AF = 67.5%) . Moreover, the distinct regulatory effects of rs587709 on LILRB2 and LILRB5 in the East Asian and European populations suggest ethnic-specific genetic regulation at this locus. Therefore, trans-ethnic genetic analysis is important for understanding the genetic mechanisms underlying AD risk loci, particularly for the highly polymorphic loci.

[0072] Functional studies of LILRB2 and its murine ortholog, PirB, show that LILRB2 in the brain acts as a receptor for Aβ oligomers 21. Expression of PirB is necessary for the deleterious effects of Aβ oligomers on hippocampal synapses in an amyloidogenic transgenic mouse model 21. Meanwhile, inhibiting the interaction between LILRB2 and Aβ in cultured neuronal systems can mitigate the neurotoxic effects of Aβ 37, 38. Given the crucial role of LILRB2 in modulating Aβ pathologies, previous genetic studies have prioritized LILRB2 as the key gene at the LILRB2-LILRB5 locus that accounts for its associated AD risk effects 6. Nonetheless, our current findings indicate that the lead AD-associated SNP in this locus was primarily associated with LILRB2 expression in East Asian populations and with LILRB5 expression in European populations. Moreover, associations between CSF levels of LILRB2 and LILRB5 with AD pathological biomarkers suggest that both proteins are involved in AD pathogenesis. Therefore, functional studies are needed to dissect the roles of LILRB5 in AD.

[0073] AD GWASs have primarily focused on case–control analyses based on clinical diagnosis 6, 10, 12, 13, 39. Since AD is a progressive neurodegenerative disease, analyzing AD-related phenotypes or endophenotypes could uncover additional risk loci affecting its progression. In this study, we performed a genome-wide association analysis on cognitive performance, a key AD-related phenotype, and identified TOMM5 as a new locus associated with cognitive decline. Moreover, we observed nominally significant associations between TOMM5 SNPs and AD (Figure 5G) . Like TOMM40, a known AD risk gene 40, TOMM5 is a component of the TOM complex that mediates mitochondrial protein import 28. Mitochondrial dysfunction reduces energy supply to neuronal cells and increases oxidative stress; both may contribute to neurodegeneration and AD pathology 41. The association between the TOMM5 locus and cognitive decline further supports the involvement of mitochondria in AD and related dementia.

[0074] In summary, our trans-ethnic genetic analysis sheds light on ethnic-specific genetic mechanisms underlying AD risk loci and provides new candidate AD risk loci for further investigation. This highlights the importance of including diverse populations in future genetic studies of AD. METHODS Sample recruitment

[0075] For the Hong Kong cohort, we recruited 2, 376 participants from the Prince of Wales Hospital and 92 participants from Queen Elizabeth Hospital. All participants (≥60 years old) underwent the Montreal Cognitive Assessment (MoCA) 42 and were diagnosed according to the American Psychiatric Association’s Diagnostic and Statistical Manual of Mental Disorders, 5th Edition 43. We also recruited 765 age-matched volunteers from Haven of Hope Christian Service and the Community CareAge Foundation and examined their cognitive performance using the MoCA. We excluded participants from the AD association analysis if they had a MoCA score less than 21 and were not clinically diagnosed as normal controls (NC) or AD. We classified such participants as non-AD dementia (n = 546) and included them in the association analysis of MoCA. This study was approved by the Clinical Research &Ethics Committees of the Joint Chinese University of Hong Kong–New Territories East Cluster for Prince of Wales Hospital (CREC ref. no. 2015.461) , the Kowloon Central Cluster / Kowloon East Cluster for Queen Elizabeth Hospital (KC / KE-15-0024 / FR-3) , and the Human Participants Research Panel of the Hong Kong University of Science and Technology (CRP#180 and CRP#225) . All participants provided written informed consent for both study enrolment and sample collection.

[0076] For the Singapore cohort, we included 287 participants with East Asian ancestry that recruited from National University Hospital and St Luke’s Hospital. All participants (≥50 years old) underwent comprehensive neuropsychological assessment and were diagnosed according to the American Psychiatric Association’s Diagnostic and Statistical Manual of Mental Disorders, 4th Edition for dementia and the NINCDS–ADRDA Criteria for Alzheimer’s Dementia 44, 45. This study was approved by the National Healthcare Group Domain-Specific Review Board (NHG DSRB reference numbers: 2018 / 01098 and 2010 / 00017) . All participants or their legal representatives provided written informed consent for both study enrolment and sample collection. DNA extraction and genotyping

[0077] We collected 6-μL whole blood samples from the study participants using EDTA tubes (Greiner Bio-One, Austria) to prevent blood coagulation. We centrifuged the EDTA tubes at 2,000 × g for 15 minutes at 4℃. We then stored the separated plasma and cell pellet at -80℃. We performed DNA extraction from 400 μL blood cell pellets using a QIAamp DNA Blood Mini Kit (Qiagen, Germany) on a QIAcube Connect (Qiagen, Germany) . We eluted the extracted DNA twice using 50 and 60 μL AE buffer, respectively, which yielded approximately 100-μL DNA samples. We evaluated the concentration and quality control metrics (i.e., A260 / 280 and A260 / 230) of the DNA samples using a BioDrop Duo+spectrophotometer (Biochrom, UK) .

[0078] We genotyped the DNA samples using the NeuroBooster Array BeadChip (Illumina, USA) . We processed a total of 200 ng DNA per sample according to the Illumina Infinium LCG Assay protocol. We imaged BeadChips on an iScan System with iScan Control Software (Illumina, USA) . We input raw data files into GenomeStudio (v2010.2) to call genotypes with a GenCall threshold of 0.15. We subsequently used the BCFtools (v1.11) gtc2vcf plugin to generate VCF from GTC files 46, 47. Genetic data quality control and genotype imputation

[0079] The sex of all study subjects estimated from their genetic information was concordant with clinical records. We excluded individuals with a genotype call rate less than 95%. We estimated the pairwise KING kinship coefficient among participants using PLINK (v2.0) and excluded related individuals with a second-degree or closer relationship (kinship coefficient > 0.088) 48. We then used the bigsnpr (v1.12.2) R package to compute genetic principal components (PCs) by projecting the genetic data to 1000 Genomes Project reference panel 49, 50. We only included participants with East Asian ancestry in the genetic analysis. The numbers of participants who passed sample-level quality control are listed in Table 1.

[0080] We also performed quality control on genetic variants using PLINK (v2.0) 48. Specifically, we excluded non-autosomal variants, variants with a call rate less than 95%, and variants significantly deviating from Hardy–Weinberg equilibrium (i.e., P ≤ 5 × 10-8) . In addition, we excluded genetic variants with different missing genotype rates between AD cases and NCs (i.e., P ≤ 5 × 10-8) . We performed genotype phasing and imputation using Eagle (v2.4.1) 51 and Minimac4 52, respectively, with the use of the high-coverage 1000 Genomes Project reference panel 50. We kept common variants (i.e., minor allele frequency >0.05) with high imputation quality (i.e., R2 > 0.6) for genome-wide association analysis. Replication analysis of known Alzheimer’s disease risk loci

[0081] To replicate the AD associations of known AD risk loci identified in the European population, we queried genome-wide significant loci and their lead AD-associated genetic variants reported in Supplementary Table 5 of Bellenguez et al. (2022) 6. We used MAGMA (v1.10) to perform gene-level analysis of known AD risk loci 53. For each locus, we selected all common genetic variants residing within the 35-kb upstream and 10-kb downstream window. We used the “MULTI” model implemented in MAGMA to perform the association analysis in each cohort, adjusting for age, sex, and the first 3 PCs. We performed meta-analysis of the statistics from different studies cohorts using MAGMA. To examine the associations between individual genetic variants and AD, we used PLINK (v2.0) to perform logistic regression, adjusting for age, sex, and the first 3 PCs 48. We performed meta-analysis of the statistical results from different cohorts by using the fixed-effect model in METASOFT (v2.0.0) 54. Genome-wide association analysis

[0082] The analytical methods used to examine the genome-wide associations between AD and genetic variants were the same as those used for the replication analysis above. To analyze cognitive performance, we first applied rank-based, inverse normal transformation to MoCA scores using the RNOmni (v0.6.0) R package 55. We then performed linear regression on the normalized MoCA scores, adjusting for age, sex, education level, and the first 3 PCs, using PLINK (v2.0) and MAGMA (v1.10) for variant-level and gene-level analysis, respectively. We also used the same methods as above to perform meta-analysis. We applied the Benjamini–Hochberg procedure to calculate the false discovery rate (FDR) of gene-level association results by using the p. adjust function in R. Collection of proteomic datasets

[0083] To examine the associations between genetic variants and plasma proteins, we used the Olink platform to measure 1, 160 plasma proteins in 406 participants and used Simoa Assay to measure the plasma levels of phosphorylated Tau-217 (pTau-217) in 119 non-dementia participants in the Hong Kong cohort. The measurements of the plasma protein have been described before 56, 57. We also retrieved the genetic and proteomic data of the European INTERVAL study cohort, which includes 3, 622 plasma proteins measured by the SOMAscan platform in 3, 301 participants 9. We also obtained genetic and CSF proteomic profiles from the ADNI dataset 24. We submitted the array-based genetic data of ADNI to the TOPMed imputation server for genotype imputation 58. We performed genetic quality control analysis using the same method as that used for the East Asian cohorts. We also predicted the plasma levels of LILRB2 and LILRB5 in the ADNI dataset using genetic score models obtained from the OMICSPRED database (LILRB2: OPGS000075, LILRB5: OPGS000006) 25. The genetic scores of LILRB2 and LILRB5 have been shown to strongly correlate with the actual plasma protein levels of LILRB2 (r = 0.677) and LILRB5 (r = 0.849) , respectively 25. We normalized all protein levels and genetic scores by rank-based, inverse normal transformation using the RNOmni (v0.6.0) R package 55. Association analysis of proteomic data

[0084] To examine the associations of the plasma levels of LILRB2 and LILRB5 with genetic variants, we performed linear regression using the lm function in R, adjusting for age, sex, and the first 3 PCs. We also performed linear regression to examine the associations of the CSF levels of LILRB2 and LILRB5 with their predicted plasma protein scores or genetic variants in the ADNI dataset, adjusting for age, sex, the first 3 PCs, and education years. We included education years as a covariate for the analysis of the ADNI dataset owing to the high prevalence of participants with a high education level 59. To examine the associations between AD and the CSF levels of LILRB2 and LILRB5 in the ADNI dataset, we performed logistic regression using the glm function in R, adjusting for age, sex, the first 3 PCs, and education years. We also performed linear regression to examine the associations of the CSF levels of LILRB2 and LILRB5 with AD-related endophenotypes in the ADNI dataset, including the Clinical Dementia Rating Scale Sum of Boxes Scores (CDR-SB) , fludeoxyglucose-18 positron emission tomography (FDG-PET) measurements, the CSF level of phosphorylated Tau-181 (pTau-181) , and the CSF level of Aβ42. As the CSF levels of LILRB2 and LILRB5 were positively correlated (Beta = 0.184, P = 2.3 × 10-7) , we simultaneously fit LILRB2, LILRB5, and their interaction term in the regression models, adjusting for age, sex, the first 3 PCs, and education years. Data visualization

[0085] We generated Manhattan and quantile–quantile (Q-Q) plots using the qqman package (v0.1.9) 60 in R and generated regional plots using LocusZoom (v1.4) 61. We used the car package (v3.1) in R to generate all added-variable plots 62. We generated all bar and box plots using GraphPad Prism (8.0.2) . For box plots, boxes extend from the 25th to 75th quartiles, and whiskers mark the 10th and 90th quartiles. Data availability

[0086] The summary statistics of the European AD GWAS are available on GWAS Catalog (website: ebi. ac. uk / gwas / ) under accession no. GCST90027158. The European proteomic dataset is available through the European Genotype Archive (EGAS00001002555) . The ADNI dataset is available on their website (adni. loni. usc. edu / data-samples / access-data / ) . The GTEx data are available through the GTEx Portal (website: gtexportal. org / home / ) . The summary statistics of the Hong Kong Chinese cohort will be available once this study is published.

[0087] Regarding the individual genetic, transcriptomic, and proteomic data of the Hong Kong Chinese cohort, the consent form signed by each participant states that the research content will remain private under the supervision of the hospital and research team. Therefore, these data will only be made available and shared in the context of a formal collaboration; applications for data sharing and project collaboration will be processed and reviewed by a review panel hosted at the Hong Kong University of Science and Technology. Researchers may contact sklneurosci@ust. hk for further details on project collaboration and the sharing of data from this study. For the Singapore cohort, data will only be made available and shared in the context of a formal collaboration. Researchers may contact phccclh@nus. edu. sg for further details on project collaboration and the sharing of data from this study. Code availability

[0088] We used publicly available software for data analysis in this study, which is described in the Methods section along with citations. Table 1. Demographic characteristics of the study cohorts AD, Alzheimer’s disease; AF, allele frequency; MCI, mild cognitive impairment; MoCA, Montreal Cognitive Assessment; NC, normal control; SD, standard deviation. Supplementary Table 1. Replication of known Alzheimer’s disease risk loci Supplementary Table 2. Replication of lead Alzheimer’s disease-associated single-nucleotide polymorphisms Supplementary Table 3. Haplotype analysis of rs587709 and rs12460589 Haplotype frequencies were obtained from the LDlink database. Supplementary Table 4. Associations between the rs587709-T allele and the protein levels of nearby LILRB family members N / A, not available; SE, standard error. Plasma LILRB3 was not included in the protein detection panel used in the East Asian cohort. Supplementary Table 5. Associations between the rs587709-T allele and transcript levels of LILRB2 and LILRB5 N / A, not available due to low expression level in the tissue; TPM, transcripts per kilobase million; SE, standard error. Supplementary Table 6. Effects of genome-wide significant Alzheimer’s disease-associated LILRB2-LILRB5 single-nucleotide polymorphisms on the protein levels of LILRB2 and LILRB5 in the European population AD, Alzheimer’s disease; CSF, cerebrospinal fluid; EA, effect allele; SE, standard error; SNP, single-nucleotide polymorphism. Supplementary Table 7. Associations of LILRB2 and LILRB5 in cerebrospinal fluid with Alzheimer’s disease-related endophenotypes Aβ42, 42-amino-acid amyloid-beta; CDR-SB, sum of boxes of the Clinical Dementia Rating; FDG-PET, fludeoxyglucose-18 positron emission tomography; pTau-181, phosphorylated Tau-181 Supplementary Table 8. Association analysis of the rs2919234-A allele with the expressions of ST3GAL6 and DCBLD2 in human tissues from the Genotype-Tissue Expression dataset NES, normalized effect size. REFERENCES 1. 2023 Alzheimer’s disease facts and figures. Alzheimers Dement 19, 1598–1695 (2023) . 2. Gatz, M. et al. Heritability for Alzheimer’s Disease: The Study of Dementia in Swedish Twins. Journal of Gerontology: MEDICAL SCIENCES vol. 52 https:  / / academic. oup. com / biomedgerontology / article-abstract / 52A / 2 / M117 / 651528 (1997) . 3. Bekris, L.M., Yu, C.E., Bird, T.D. &Tsuang, D.W. Genetics of Alzheimer Disease. J Geriatr Psychiatry Neurol 23, 213 (2010) . 4. Shea, Y.F. et al. A systematic review of familial Alzheimer’s disease: Differences in presentation of clinical features among three mutated genes and potential ethnic differences. Journal of the Formosan Medical Association 115, 67–75 (2016) . 5. Andrews, S.J. et al. The complex genetic architecture of Alzheimer’s disease: novel insights and future directions. EBioMedicine 90, 104511 (2023) . 6. Bellenguez, C. et al. New insights into the genetic etiology of Alzheimer’s disease and related dementias. Nature Genetics 2022 1–25 (2022) doi: 10.1038 / s41588-022-01024-z. 7. Yang, X. et al. Functional characterization of Alzheimer’s disease genetic variants in microglia. Nature Genetics 2023 55: 10 55, 1735–1744 (2023) . 8. Aguet, F. et al. The GTEx Consortium atlas of genetic regulatory effects across human tissues. Science (1979) 369, 1318–1330 (2020) . 9. Sun, B.B. et al. Genomic atlas of the human plasma proteome. Nature 558, 73 (2018) . 10. Schwartzentruber, J. et al. Genome-wide meta-analysis, fine-mapping and integrative prioritization implicate new Alzheimer’s disease risk genes. Nat Genet 53, 392–402 (2021) . 11. Lambert, J.C. et al. Genome-wide association study identifies variants at CLU and CR1 associated with Alzheimer’s disease. Nature Genetics 2009 41: 10 41, 1094–1099 (2009) . 12. Lambert, J.C. et al. Meta-analysis of 74,046 individuals identifies 11 new susceptibility loci for Alzheimer’s disease. Nat Genet 45, 1452–1458 (2013) . 13. Wightman, D.P. et al. A genome-wide association study with 1,126,563 individuals identifies new risk loci for Alzheimer’s disease. Nature Genetics 2021 53: 9 53, 1276–1282 (2021) . 14. Farrer, L.A. Effects of Age, Sex, and Ethnicity on the Association Between Apolipoprotein E Genotype and Alzheimer Disease. JAMA: The Journal of the American Medical Association 278, 1349–1356 (1997) . 15. Cukier, H.N. et al. ABCA7 frameshift deletion associated with Alzheimer disease in African Americans. Neurol Genet 2, (2016) . 16. Liao, Y.C. et al. ABCA7 gene and the risk of Alzheimer’s disease in Han Chinese in Taiwan. Neurobiol Aging 35, 2423. e7-2423. e13 (2014) . 17. Miyashita, A. et al. SORL1 is genetically associated with late-onset Alzheimer’s disease in Japanese, Koreans and Caucasians. PLoS One 8, (2013) . 18. Sirugo, G., Williams, S.M. &Tishkoff, S.A. The Missing Diversity in Human Genetic Studies. Cell 177, 26–31 (2019) . 19. Asanomi, Y. et al. A functional variant of SHARPIN confers increased risk of late-onset Alzheimer’s disease. Journal of Human Genetics 2021 67: 4 67, 203–208 (2021) . 20. Zhou, X. et al. Genetic and polygenic risk score analysis for Alzheimer’s disease in the Chinese population. Alzheimer’s &Dementia: Diagnosis, Assessment &Disease Monitoring 12, e12074 (2020) . 21. Kim, T. et al. Human LilrB2 Is a β-Amyloid Receptor and Its Murine Homolog PirB Regulates Synaptic Plasticity in an Alzheimer’s Model. Science 341, 1399–1404 (2013) . 22. Jiang, Y. et al. Large-scale plasma proteomic profiling identifies a high-performance biomarker panel for Alzheimer’s disease screening and staging. Alzheimers Dement 18, 88–102 (2022) . 23. Zhong, H. et al. Using blood transcriptome analysis for Alzheimer’s disease diagnosis and patient stratification. Alzheimer’s &Dementia (2024) doi: 10.1002 / ALZ. 13691. 24. ADNI. https:  / / adni. loni. usc. edu / data-samples / access-data / . 25. Xu, Y. et al. An atlas of genetic scores to predict multi-omic traits. Nature 2023 616: 7955 616, 123–131 (2023) . 26. Barthélemy, N.R. et al. Highly Accurate Blood Test for Alzheimer’s Disease Comparable or Superior to Clinical CSF Tests. Nature Medicine 2024 1–1 (2024) doi: 10.1038 / s41591-024-02869-z. 27. Breijyeh, Z. &Karaman, R. Comprehensive Review on Alzheimer’s Disease: Causes and Treatment. Molecules 25, (2020) . 28. Hanif Sayyed, U.M. &Mahalakshmi, R. Mitochondrial protein translocation machinery: From TOM structural biogenesis to functional regulation. Journal of Biological Chemistry 298, 101870 (2022) . 29. Fitipaldi, H. &Franks, P.W. Ethnic, gender and other sociodemographic biases in genome-wide association studies for the most burdensome non-communicable diseases: 2005–2022. Hum Mol Genet 32, 520–532 (2023) . 30. Huang, L. et al. TOP-LD: A tool to explore linkage disequilibrium with TOPMed whole-genome sequence data. The American Journal of Human Genetics 109, 1175–1181 (2022) . 31. Cao, H. et al. Association of SPI1 Haplotypes with Altered SPI1 Gene Expression and Alzheimer’s Disease Risk. Journal of Alzheimer’s Disease 86, (2022) . 32. Jiang, T., Yu, J. -T., Zhang, Y. -D. &Tan, L. A rare coding variant in TREM2 increases risk for Alzheimer’s disease in Han Chinese (P5.164) . Neurology 86, (2016) . 33. Park, J.Y. et al. A missense variant in SHARPIN mediates Alzheimer’s disease-specific brain damages. Translational Psychiatry 2021 11: 1 11, 1–9 (2021) . 34. Prugnolle, F. et al. Pathogen-driven selection and worldwide HLA class I diversity. Current Biology 15, 1022–1027 (2005) . 35. Hirayasu, K. &Arase, H. Functional and genetic diversity of leukocyte immunoglobulin-like receptor and implication for disease associations. Journal of Human Genetics 2015 60: 11 60, 703–708 (2015) . 36. Hirayasu, K. et al. Evidence for Natural Selection on Leukocyte Immunoglobulin-like Receptors for HLA Class I in Northeast Asians. The American Journal of Human Genetics 82, 1075–1083 (2008) . 37. Lao, K. et al. Identification of novel Aβ-LilrB2 inhibitors as potential therapeutic agents for Alzheimer’s disease. Molecular and Cellular Neuroscience 114, 103630 (2021) . 38. Cao, Q. et al. Inhibiting amyloid-β cytotoxicity through its interaction with the cell surface receptor LilrB2 by structure-based design. Nature Chemistry 2018 10: 12 10, 1213–1221 (2018) . 39. Kunkle, B.W. et al. Genetic meta-analysis of diagnosed Alzheimer’s disease identifies new risk loci and implicates Aβ, tau, immunity and lipid processing. Nat Genet 51, 414–430 (2019) . 40. Roses, A.D. et al. A TOMM40 variable-length polymorphism predicts the age of late-onset Alzheimer’s disease. The Pharmacogenomics Journal 2010 10: 5 10, 375–384 (2009) . 41. Wang, W., Zhao, F., Ma, X., Perry, G. &Zhu, X. Mitochondria dysfunction in the pathogenesis of Alzheimer’s disease: recent advances. Molecular Neurodegeneration 2020 15: 1 15, 1–22 (2020) . 42. Nasreddine, Z.S. et al. The Montreal Cognitive Assessment, MoCA: A brief screening tool for mild cognitive impairment. J Am Geriatr Soc 53, 695–699 (2005) . 43. American Psychological Association (APA) . Diagnostic and Statistical Manual of Mental Disorders, 5th Edition: DSM-5. (American Psychiatric Publishing, Inc, 2013) . 44. American Psychiatric Association. Diagnostic and Statistical Manual of Mental Disorders, 4th Edition, Text Revision (DSM-IV-TR) . (American Psychiatric Association, 2000) . 45. McKhann, G. et al. Clinical diagnosis of Alzheimer’s disease: report of the NINCDS-ADRDA Work Group under the auspices of Department of Health and Human Services Task Force on Alzheimer’s Disease. Neurology 34, 939–944 (1984) . 46. Danecek, P. et al. Twelve years of SAMtools and BCFtools. Gigascience 10, 1–4 (2021) . 47. freeseek / gtc2vcf: Tools to convert Illumina IDAT / BPM / EGT / GTC and Affymetrix CEL / CHP files to VCF. https:  / / github. com / freeseek / gtc2vcf. 48. Chang, C.C. et al. Second-generation PLINK: rising to the challenge of larger and richer datasets. Gigascience 4, 7 (2015) . 49. Prive, F., Aschard, H., Ziyatdinov, A. &Blum, M.G.B. Efficient analysis of large-scale genome-wide data with two R packages: bigstatsr and bigsnpr. Bioinformatics 34, 2781–2787 (2018) . 50. Byrska-Bishop, M. et al. High-coverage whole-genome sequencing of the expanded 1000 Genomes Project cohort including 602 trios. Cell 185, 3426-3440. e19 (2022) . 51. Loh, P.R. et al. Reference-based phasing using the Haplotype Reference Consortium panel. Nature Genetics 2016 48: 11 48, 1443–1448 (2016) . 52. Das, S. et al. Next-generation genotype imputation service and methods. Nat Genet 48, 1284–1287 (2016) . 53. de Leeuw, C.A., Mooij, J.M., Heskes, T. &Posthuma, D. MAGMA: Generalized Gene-Set Analysis of GWAS Data. PLoS Comput Biol 11, e1004219 (2015) . 54. Han, B. &Eskin, E. Random-effects model aimed at discovering associations in meta-analysis of genome-wide association studies. Am J Hum Genet 88, 586–598 (2011) . 55. McCaw, Z.R., Lane, J.M., Saxena, R., Redline, S. &Lin, X. Operating characteristics of the rank-based inverse normal transformation for quantitative trait analysis in genome-wide association studies. Biometrics 76, 1262 (2020) . 56. Jiang, Y. et al. Large-scale plasma proteomic profiling identifies a high-performance biomarker panel for Alzheimer’s disease screening and staging. Alzheimers Dement 18, 88–102 (2022) . 57. Jiang, Y. et al. A blood-based multi-pathway biomarker assay for early detection and staging of Alzheimer’s disease across ethnic groups. Alzheimers Dement 20, 2000–2015 (2024) . 58. Taliun, D. et al. Sequencing of 53, 831 diverse genomes from the NHLBI TOPMed Program. Nature 590, 290–299 (2021) . 59. Ashford, M.T. et al. Screening and enrollment of underrepresented ethnocultural and educational populations in the Alzheimer’s Disease Neuroimaging Initiative (ADNI) . (2022) doi: 10.1002 / alz. 12640. 60. Turner, S. D. qqman: an R package for visualizing GWAS results using Q-Q and manhattan plots. J Open Source Softw 3, 731 (2018) . 61. Pruim, R.J. et al. LocusZoom: regional visualization of genome-wide association scan results. Bioinformatics 26, 2336–2337 (2010) . 62. John Fox &Sanford Weisberg. An R Companion to Applied Regression. (Sage Publications, 2019) . SUPPLEMENTARY METHODS THE GENOTYPE-TISSUE EXPRESSION PROJECT

[0089] The Genotype-Tissue Expression (GTEx) Project is supported by the Common Fund of the Office of the Director of the National Institutes of Health, and by the NCI, NHGRI, NHLBI, NIDA, NIMH, and NINDS. We obtained the data used for the analyses described in this manuscript from dbGaP accession number phs000424. v9. p2. TRANSCRIPTOMIC DATA ANALYSIS

[0090] The collection of the blood RNA sequencing (RNA-seq) data of the study cohort have been previously described 1. We removed the adapters and filtered low-quality reads in the sequencing data using fastp (0.23.4) with the default parameters 2. We then aligned the clean reads to the GRCh38 reference genome with Ensembl gene annotation v109 using STAR (2.7.10b) and quantified the transcriptomic abundance with RSEM (1.3.3) 3, 4. We set the parameters of STAR and RSEM following the instructions from RSEM. We normalized the counts of genes using the cpm function from the R package edgeR 5. To infer hidden covariates of the RNA-seq data, we subjected the normalized gene expression matrix to PEER software 6. Given that both LILRB2 and LILRB5 have highly expressed non-coding transcripts (e.g., LILRB2: ENST00000493242, LILRB5: ENST00000615654) , we performed association analysis using the most abundant protein coding transcripts of corresponding genes. We applied rank-based, inverse normal transformation on the normalized transcript abundance using the RNOmni (v0.6.0) R package 7. We then performed regression using the lm function in R, adjusting for age, sex, the first 3 principal components, and PEER factors. For association analysis of the GTEx dataset, we adjusted all gene expression quantitative trait loci covariates provide by GTEx. ALZHEIMER’S DISEASE NEUROIMAGING INITIATIVE DATASET

[0091] We obtained data used in the preparation of this article from the Alzheimer’s Disease Neuroimaging Initiative (ADNI) database (adni. loni. usc. edu) . The ADNI was launched in 2003 as a public–private partnership, led by Principal Investigator Michael W. Weiner, MD. The original goal of the ADNI was to test whether serial magnetic resonance imaging, positron emission tomography (PET) , other biological markers, and clinical and neuropsychological assessment can be combined to measure the progression of mild cognitive impairment and early Alzheimer’s disease (AD) . The current goals include validating biomarkers for clinical trials, improving the generalizability of ADNI data by increasing the diversity of the participant cohort, and providing data concerning the diagnosis and progression of AD to the scientific community. For up-to-date information, see adni. loni. usc. edu. REFERENCES 1. Zhong, H. et al. Using blood transcriptome analysis for Alzheimer’s disease diagnosis and patient stratification. Alzheimer’s &Dementia (2024) doi: 10.1002 / ALZ. 13691. 2. Chen, S., Zhou, Y., Chen, Y. &Gu, J. fastp: an ultra-fast all-in-one FASTQ preprocessor. Bioinformatics 34, i884–i890 (2018) . 3. Dobin, A. et al. STAR: ultrafast universal RNA-seq aligner. Bioinformatics 29, 15–21 (2013) . 4. Li, B. &Dewey, C.N. RSEM: Accurate transcript quantification from RNA-Seq data with or without a reference genome. BMC Bioinformatics 12, 1–16 (2011) . 5. Robinson, M.D., McCarthy, D.J. &Smyth, G. K. edgeR: a Bioconductor package for differential expression analysis of digital gene expression data. Bioinformatics 26, 139 (2010) . 6. Stegle, O., Parts, L., Piipari, M., Winn, J. &Durbin, R. Using probabilistic estimation of expression residuals (PEER) to obtain increased power and interpretability of gene expression analyses. Nat Protoc 7, 500 (2012) . 7. McCaw, Z.R., Lane, J.M., Saxena, R., Redline, S. &Lin, X. Operating characteristics of the rank-based inverse normal transformation for quantitative trait analysis in genome-wide association studies. Biometrics 76, 1262 (2020) .

[0092] All patents, patent applications, and other publications, including GenBank Accession Numbers and equivalents, cited in this application are incorporated by reference in the entirety for all purposes.

Claims

1.A method for assessing Alzheimer’s Disease (AD) risk in a subject, comprising:(1) determining the subject’s genomic sequence at a location encompassing a single nucleotide polymorphism (SNP) site rs587709, rs871269, rs10437655, rs60755019, rs12984029, rs2919234, or rs10973440; and(2a) determining the subject as having no increased AD risk upon detecting an rs871269-T, rs10437655-A, rs60755019-G, rs2919234-G, or rs10973440-G allele,(2b) determining the subject as having an increased AD risk upon detecting an rs587709-T allele, wherein the subject is of East Asian descent;(2c) determining the subject as having an increased AD risk upon detecting an rs587709-C allele, wherein the subject is of European descent; or(2d) determining the subject as having no increased AD risk upon detecting an rs587709-T or rs12984029-G allele, wherein the subject is of European descent.2.The method of claim 1, further comprising, prior to step (1) , a step of extracting genomic DNA from a biological sample from the subject.3.The method of claim 2, further comprising, prior to the extracting genomic DNA step, a step of obtaining the biological sample from the subject.4.The method of any one of claims 1-3, wherein the biological sample is an all blood cell sample.5.The method of any one of claims 1-4, wherein step (1) comprises hybridizing the subject’s genomic DNA to a genotyping array.6.The method of any one of claims 1-5, further comprising, upon determining the subject as having an increased AD risk, a step of administering to the subject a therapeutic agent intended for treating AD.7.A method for assessing Alzheimer’s Disease (AD) severity in an AD patient, comprising:(1) determining the patient’s genomic sequence at a location encompassing a single nucleotide polymorphism (SNP) site rs587709 or rs12984029; and(2a) determining the patient as having severe AD upon detecting an rs587709-T allele, wherein the patient is of East Asian descent;(2b) determining the patient as having severe AD upon detecting an rs587709-C allele, wherein the patient is of European descent; or(2c) determining the patient as having less severe AD upon detecting an rs587709-T or rs12984029-G allele, wherein the patient is of European descent.8.The method of claim 7, further comprising, prior to step (1) , a step of extracting genomic DNA from a biological sample from the subject.9.The method of claim 8, further comprising, prior to the extracting genomic DNA step, a step of obtaining the biological sample from the subject.10.The method of any one of claims 7-9, wherein the biological sample is an all blood cell sample.11.The method of any one of claims 7-10, wherein step (1) comprises hybridizing the subject’s genomic DNA to a genotyping array.12.The method of any one of claims 7-11, further comprising, upon determining the patient as having severe AD, a step of administering to the patient a therapeutic agent intended for treating AD.13.The method of any one of claims 7-12, further comprising, determining LILRB2 or LILRB5 expression level in a biological sample taken from the patient.14.The method of claim 13, wherein the LILRB2 or LILRB5 expression level is LILRB2 or LILRB5 protein level, and wherein the biological sample is a cerebrospinal fluid (CSF) sample.15.A kit for assessing AD risk or severity, comprising at least one reagent for determining genomic sequence of at least one of the SNPs rs587709, rs871269, rs10437655, rs60755019, rs12984029, rs2919234, and rs10973440.16.The kit of claim 15, comprising reagents for determining genomic sequence of the SNPs rs587709 and rs12984029.17.The kit of claim 16, comprising reagents for determining genomic sequence of the SNPs rs587709, rs871269, rs10437655, rs60755019, rs12984029, rs2919234, and rs10973440.18.Use of reagents for determining genomic sequence of at least one of the SNPs rs587709, rs871269, rs10437655, rs60755019, rs12984029, rs2919234, and rs10973440 for manufacturing a kit for assessing AD risk or severity.19.The use of claim 18, wherein the reagents comprise those for determining genomic sequence of the SNPs rs587709 and rs12984029.20.The use of claim 19, wherein the reagents comprise those for determining genomic sequence of the SNPs rs587709, rs871269, rs10437655, rs60755019, rs12984029, rs2919234, and rs10973440.

Images