With recent findings connecting the Epstein-Barr virus to an increased risk of multiple sclerosis and growing concerns regarding the neurological impact of the coronavirus pandemic, we examined potential links between viral exposures and neurodegenerative disease risk. Using time series data from FinnGen for discovery and cross-sectional data from the UK Biobank for replication, we identified 45 viral exposures significantly associated with increased risk of neurodegenerative disease and replicated 22 of these associations. The largest effect association was between viral encephalitis exposure and Alzheimer's disease. Influenza with pneumonia was significantly associated with five of the six neurodegenerative diseases studied. We also replicated the Epstein-Barr/multiple sclerosis association. Some of these exposures were associated with an increased risk of neurodegeneration up to 15 years after infection. As vaccines are currently available for some of the associated viruses, vaccination may be a way to reduce some risk of neurodegenerative disease.

Obesity is highly heritable. Genetic variants showing robust associations with obesity traits have been identified through genome-wide association studies. We investigated whether a composite score representing healthy diet modifies associations of these variants with obesity traits. Totally, 32 body mass index (BMI)- and 14 waist-hip ratio (WHR)-associated single nucleotide polymorphisms were genotyped, and genetic risk scores (GRS) were calculated in 18 cohorts of European ancestry (n = 68 317). Diet score was calculated based on self-reported intakes of whole grains, fish, fruits, vegetables, nuts/seeds (favorable) and red/processed meats, sweets, sugar-sweetened beverages and fried potatoes (unfavorable). Multivariable adjusted, linear regression within each cohort followed by inverse variance-weighted, fixed-effects meta-analysis was used to characterize: (a) associations of each GRS with BMI and BMI-adjusted WHR and (b) diet score modification of genetic associations with BMI and BMI-adjusted WHR. Nominally significant interactions (P = 0.006-0.04) were observed between the diet score and WHR-GRS (but not BMI-GRS), two WHR loci (GRB14 rs10195252; LYPLAL1 rs4846567) and two BMI loci (LRRN6C rs10968576; MTIF3 rs4771122), for the respective BMI-adjusted WHR or BMI outcomes. Although the magnitudes of these select interactions were small, our data indicated that associations between genetic predisposition and obesity traits were stronger with a healthier diet. Our findings generate interesting hypotheses; however, experimental and functional studies are needed to determine their clinical relevance.

Having made substantial progress understanding molecules, cells, genes and pathways, aging biology research is now moving toward integration of these parts, attempting to understand how their joint dynamics may contribute to aging. Such a shift of perspective requires the adoption of a formal complex systems framework, a transition being facilitated by large-scale data collection and new analytical tools. Here, we provide a theoretical framework to orient researchers around key concepts for this transition, notably emergence, interaction networks and resilience. Drawing on evolutionary theory, network theory and principles of homeostasis, we propose that organismal function is accomplished by the integration of regulatory mechanisms at multiple hierarchical scales, and that the disruption of this ensemble causes the phenotypic and functional manifestations of aging. We present key examples at scales ranging from sub-organismal biology to clinical geriatrics, outlining how this approach can potentially enrich our understanding of aging.

Abstract The geroscience hypothesis proposes that therapy to slow or reverse molecular changes that occur with aging can delay or prevent multiple chronic diseases and extend healthy lifespan 1–3 . Caloric restriction (CR), defined as lessening caloric intake without depriving essential nutrients 4 , results in changes in molecular processes that have been associated with aging, including DNA methylation (DNAm) 5–7 , and is established to increase healthy lifespan in multiple species 8,9 . Here we report the results of a post hoc analysis of the influence of CR on DNAm measures of aging in blood samples from the Comprehensive Assessment of Long-term Effects of Reducing Intake of Energy (CALERIE) trial, a randomized controlled trial in which n = 220 adults without obesity were randomized to 25% CR or ad libitum control diet for 2 yr (ref. 10 ). We found that CALERIE intervention slowed the pace of aging, as measured by the DunedinPACE DNAm algorithm, but did not lead to significant changes in biological age estimates measured by various DNAm clocks including PhenoAge and GrimAge. Treatment effect sizes were small. Nevertheless, modest slowing of the pace of aging can have profound effects on population health 11–13 . The finding that CR modified DunedinPACE in a randomized controlled trial supports the geroscience hypothesis, building on evidence from small and uncontrolled studies 14–16 and contrasting with reports that biological aging may not be modifiable 17 . Ultimately, a conclusive test of the geroscience hypothesis will require trials with long-term follow-up to establish effects of intervention on primary healthy-aging endpoints, including incidence of chronic disease and mortality 18–20 .

Macronutrient intake, the proportion of calories consumed from carbohydrate, fat, and protein, is an important risk factor for metabolic diseases with significant familial aggregation. Previous studies have identified two genetic loci for macronutrient intake, but incomplete coverage of genetic variation and modest sample sizes have hindered the discovery of additional loci. Here, we expanded the genetic landscape of macronutrient intake, identifying 12 suggestively significant loci (P < 1 × 10−6) associated with intake of any macronutrient in 91,114 European ancestry participants. Four loci replicated and reached genome-wide significance in a combined meta-analysis including 123,659 European descent participants, unraveling two novel loci; a common variant in RARB locus for carbohydrate intake and a rare variant in DRAM1 locus for protein intake, and corroborating earlier FGF21 and FTO findings. In additional analysis of 144,770 participants from the UK Biobank, all identified associations from the two-stage analysis were confirmed except for DRAM1. Identified loci might have implications in brain and adipose tissue biology and have clinical impact in obesity-related phenotypes. Our findings provide new insight into biological functions related to macronutrient intake.

Abstract BACKGROUND Associations between dairy intake and body mass index (BMI) have been inconsistently observed in epidemiological studies, and the causal relationship remains ill defined. METHODS We performed Mendelian randomization (MR) analysis using an established dairy intake-associated genetic polymorphism located upstream of the lactase gene (LCT-13910 C/T, rs4988235) as an instrumental variable (IV). Linear regression models were fitted to analyze associations between (a) dairy intake and BMI, (b) rs4988235 and dairy intake, and (c) rs4988235 and BMI in each study. The causal effect of dairy intake on BMI was quantified by IV estimators among 184802 participants from 25 studies. RESULTS Higher dairy intake was associated with higher BMI (β = 0.03 kg/m2 per serving/day; 95% CI, 0.00–0.06; P = 0.04), whereas the LCT genotype with 1 or 2 T allele was significantly associated with 0.20 (95% CI, 0.14–0.25) serving/day higher dairy intake (P = 3.15 × 10−12) and 0.12 (95% CI, 0.06–0.17) kg/m2 higher BMI (P = 2.11 × 10−5). MR analysis showed that the genetically determined higher dairy intake was significantly associated with higher BMI (β = 0.60 kg/m2 per serving/day; 95% CI, 0.27–0.92; P = 3.0 × 10−4). CONCLUSIONS The present study provides strong evidence to support a causal effect of higher dairy intake on increased BMI among adults.

Abstract Epigenetic clocks are widely used aging biomarkers calculated from DNA methylation data. Unfortunately, measurements for individual CpGs can be surprisingly unreliable due to technical noise, and this may limit the utility of epigenetic clocks. We report that noise produces deviations up to 3 to 9 years between technical replicates for six major epigenetic clocks. The elimination of low-reliability CpGs does not ameliorate this issue. Here, we present a novel computational multi-step solution to address this noise, involving performing principal component analysis on the CpG-level data followed by biological age prediction using principal components as input. This method extracts shared systematic variation in DNAm while minimizing random noise from individual CpGs. Our novel principal-component versions of six clocks show agreement between most technical replicates within 0 to 1.5 years, equivalent or improved prediction of outcomes, and more stable trajectories in longitudinal studies and cell culture. This method entails only one additional step compared to traditional clocks, does not require prior knowledge of CpG reliabilities, and can improve the reliability of any existing or future epigenetic biomarker. The high reliability of principal component-based epigenetic clocks will make them particularly useful for applications in personalized medicine and clinical trials evaluating novel aging interventions.

ABSTRACT Common SNPs are predicted to collectively explain 40-50% of phenotypic variation in human height, but identifying the specific variants and associated regions requires huge sample sizes. Here we show, using GWAS data from 5.4 million individuals of diverse ancestries, that 12,111 independent SNPs that are significantly associated with height account for nearly all of the common SNP-based heritability. These SNPs are clustered within 7,209 non-overlapping genomic segments with a median size of ~90 kb, covering ~21% of the genome. The density of independent associations varies across the genome and the regions of elevated density are enriched for biologically relevant genes. In out-of-sample estimation and prediction, the 12,111 SNPs account for 40% of phenotypic variance in European ancestry populations but only ~10%-20% in other ancestries. Effect sizes, associated regions, and gene prioritization are similar across ancestries, indicating that reduced prediction accuracy is likely explained by linkage disequilibrium and allele frequency differences within associated regions. Finally, we show that the relevant biological pathways are detectable with smaller sample sizes than needed to implicate causal genes and variants. Overall, this study, the largest GWAS to date, provides an unprecedented saturated map of specific genomic regions containing the vast majority of common height-associated variants.

Abstract Biological ageing estimators derived from DNA methylation (DNAm) data are heritable and correlate with morbidity and mortality. Leveraging DNAm and SNP data from >41,000 individuals, we identify 137 genome-wide significant loci (113 novel) from meta-analyses of four epigenetic clocks and epigenetic surrogate markers for granulocyte proportions and plasminogen activator inhibitor 1 levels, respectively. We report strong genetic correlations with longevity and lifestyle factors such as smoking, education, and obesity. Significant associations are observed in polygenic risk score analysis and to a lesser extent in Mendelian randomization analyses. This study illuminates the genetic architecture underlying epigenetic ageing and its shared genetic contributions with lifestyle factors and longevity.

DNA methylation (DNAm) has been reported to be associated with many diseases and with mortality. We hypothesized that the integration of DNAm with clinical risk factors would improve mortality prediction. We performed an epigenome-wide association study of whole blood DNAm in relation to mortality in 15 cohorts (n = 15,013). During a mean follow-up of 10 years, there were 4314 deaths from all causes including 1235 cardiovascular disease (CVD) deaths and 868 cancer deaths. Ancestry-stratified meta-analysis of all-cause mortality identified 163 CpGs in European ancestry (EA) and 17 in African ancestry (AA) participants at p < 1 × 10-7 , of which 41 (EA) and 16 (AA) were also associated with CVD death, and 15 (EA) and 9 (AA) with cancer death. We built DNAm-based prediction models for all-cause mortality that predicted mortality risk after adjusting for clinical risk factors. The mortality prediction model trained by integrating DNAm with clinical risk factors showed an improvement in prediction of cancer death with 5% increase in the C-index in a replication cohort, compared with the model including clinical risk factors alone. Mendelian randomization identified 15 putatively causal CpGs in relation to longevity, CVD, or cancer risk. For example, cg06885782 (in KCNQ4) was positively associated with risk for prostate cancer (Beta = 1.2, PMR = 4.1 × 10-4 ) and negatively associated with longevity (Beta = -1.9, PMR = 0.02). Pathway analysis revealed that genes associated with mortality-related CpGs are enriched for immune- and cancer-related pathways. We identified replicable DNAm signatures of mortality and demonstrated the potential utility of CpGs as informative biomarkers for prediction of mortality risk.