Post-acute sequelae of COVID-19 (PASC) represent an emerging global crisis. However, quantifiable risk factors for PASC and their biological associations are poorly resolved. We executed a deep multi-omic, longitudinal investigation of 309 COVID-19 patients from initial diagnosis to convalescence (2-3 months later), integrated with clinical data and patient-reported symptoms. We resolved four PASC-anticipating risk factors at the time of initial COVID-19 diagnosis: type 2 diabetes, SARS-CoV-2 RNAemia, Epstein-Barr virus viremia, and specific auto-antibodies. In patients with gastrointestinal PASC, SARS-CoV-2-specific and CMV-specific CD8+ T cells exhibited unique dynamics during recovery from COVID-19. Analysis of symptom-associated immunological signatures revealed coordinated immunity polarization into four endotypes, exhibiting divergent acute severity and PASC. We find that immunological associations between PASC factors diminish over time, leading to distinct convalescent immune states. Detectability of most PASC factors at COVID-19 diagnosis emphasizes the importance of early disease measurements for understanding emergent chronic conditions and suggests PASC treatment strategies.

We present an integrated analysis of the clinical measurements, immune cells, and plasma multi-omics of 139 COVID-19 patients representing all levels of disease severity, from serial blood draws collected during the first week of infection following diagnosis. We identify a major shift between mild and moderate disease, at which point elevated inflammatory signaling is accompanied by the loss of specific classes of metabolites and metabolic processes. Within this stressed plasma environment at moderate disease, multiple unusual immune cell phenotypes emerge and amplify with increasing disease severity. We condensed over 120,000 immune features into a single axis to capture how different immune cell classes coordinate in response to SARS-CoV-2. This immune-response axis independently aligns with the major plasma composition changes, with clinical metrics of blood clotting, and with the sharp transition between mild and moderate disease. This study suggests that moderate disease may provide the most effective setting for therapeutic intervention.

Abstract Variation in the human gut microbiome can reflect host lifestyle and behaviors and influence disease biomarker levels in the blood. Understanding the relationships between gut microbes and host phenotypes are critical for understanding wellness and disease. Here, we examine associations between the gut microbiota and ~150 host phenotypic features across ~3,400 individuals. We identify major axes of taxonomic variance in the gut and a putative diversity maximum along the Firmicutes-to-Bacteroidetes axis. Our analyses reveal both known and unknown associations between microbiome composition and host clinical markers and lifestyle factors, including host-microbe associations that are composition-specific. These results suggest potential opportunities for targeted interventions that alter the composition of the microbiome to improve host health. By uncovering the interrelationships between host diet and lifestyle factors, clinical blood markers, and the human gut microbiome at the population-scale, our results serve as a roadmap for future studies on host-microbe interactions and interventions.

Personal data for 108 individuals were collected during a 9-month period, including whole genome sequences; clinical tests, metabolomes, proteomes, and microbiomes at three time points; and daily activity tracking. Using all of these data, we generated a correlation network that revealed communities of related analytes associated with physiology and disease. Connectivity within analyte communities enabled the identification of known and candidate biomarkers (e.g., gamma-glutamyltyrosine was densely interconnected with clinical analytes for cardiometabolic disease). We calculated polygenic scores from genome-wide association studies (GWAS) for 127 traits and diseases, and used these to discover molecular correlates of polygenic risk (e.g., genetic risk for inflammatory bowel disease was negatively correlated with plasma cystine). Finally, behavioral coaching informed by personal data helped participants to improve clinical biomarkers. Our results show that measurement of personal data clouds over time can improve our understanding of health and disease, including early transitions to disease states.

The gut microbiome has important effects on human health, yet its importance in human ageing remains unclear. In the present study, we demonstrate that, starting in mid-to-late adulthood, gut microbiomes become increasingly unique to individuals with age. We leverage three independent cohorts comprising over 9,000 individuals and find that compositional uniqueness is strongly associated with microbially produced amino acid derivatives circulating in the bloodstream. In older age (over ~80 years), healthy individuals show continued microbial drift towards a unique compositional state, whereas this drift is absent in less healthy individuals. The identified microbiome pattern of healthy ageing is characterized by a depletion of core genera found across most humans, primarily Bacteroides. Retaining a high Bacteroides dominance into older age, or having a low gut microbiome uniqueness measure, predicts decreased survival in a 4-year follow-up. Our analysis identifies increasing compositional uniqueness of the gut microbiome as a component of healthy ageing, which is characterized by distinct microbial metabolic outputs in the blood.

Depleted gut microbiome α-diversity is associated with several human diseases, but the extent to which this is reflected in the host molecular phenotype is poorly understood. We attempted to predict gut microbiome α-diversity from ~1,000 blood analytes (laboratory tests, proteomics and metabolomics) in a cohort enrolled in a consumer wellness program (N = 399). Although 77 standard clinical laboratory tests and 263 plasma proteins could not accurately predict gut α-diversity, we found that 45% of the variance in α-diversity was explained by a subset of 40 plasma metabolites (13 of the 40 of microbial origin). The prediction capacity of these 40 metabolites was confirmed in a separate validation cohort (N = 540) and across disease states, showing that our findings are robust. Several of the metabolite biomarkers that are reported here are linked with cardiovascular disease, diabetes and kidney function. Associations between host metabolites and gut microbiome α-diversity were modified in those with extreme obesity (body mass index ≥ 35), suggesting metabolic perturbation. The ability of the blood metabolome to predict gut microbiome α-diversity could pave the way to the development of clinical tests for monitoring gut microbial health. Multiomics reveals that almost half of gut microbiome diversity in humans can be explained by 40 blood metabolites.

Host immune responses play central roles in controlling SARS-CoV2 infection, yet remain incompletely characterized and understood. Here, we present a comprehensive immune response map spanning 454 proteins and 847 metabolites in plasma integrated with single-cell multi-omic assays of PBMCs in which whole transcriptome, 192 surface proteins, and T and B cell receptor sequence were co-analyzed within the context of clinical measures from 50 COVID19 patient samples. Our study reveals novel cellular subpopulations, such as proliferative exhausted CD8 + and CD4 + T cells, and cytotoxic CD4 + T cells, that may be features of severe COVID-19 infection. We condensed over 1 million immune features into a single immune response axis that independently aligns with many clinical features and is also strongly associated with disease severity. Our study represents an important resource towards understanding the heterogeneous immune responses of COVID-19 patients and may provide key information for informing therapeutic development.

Abstract Variation in the blood metabolome is intimately related to human health. Prior work has shown that host genetics and gut microbiome composition, combined, explain sizable, but orthogonal, components of the overall variance in blood metabolomic profiles. However, few details are known about the interplay between genetics and the microbiome in explaining variation on a metabolite-by-metabolite level. Here, we performed analyses of variance for each of the 945 blood metabolites that were robustly detected across a cohort of 2,049 individuals, while controlling for a number of relevant covariates, like sex, age, and genetic ancestry. Over 60% of the detected blood metabolites were significantly associated with either host genetics or the gut microbiome, with more than half of these associations driven solely by the microbiome and around 30% under hybrid genetic-microbiome control. The variances explained by genetics and the microbiome for each metabolite were indeed largely additive, although subtle, but significant, non-additivity was detected. We found that interaction effects, where a metabolitemicrobe association was specific to a particular genetic background, were quite common, albeit with modest effect sizes. The outputs of our integrated genetic-microbiome regression models provide novel biological insights into the processes governing the composition of the blood metabolome. For example, we found that unconjugated secondary bile acids were solely associated with the microbiome, while their conjugated forms were under strong host genetic control. Overall, our results reveal which components of the blood metabolome are under strong genetic control, which are more dependent on gut microbiome composition, and which are dependent upon both. This knowledge will help to guide targeted interventions designed to alter the composition of the blood metabolome.

Bowel movement frequency (BMF) directly impacts the gut microbiota and is linked to diseases like chronic kidney disease or dementia. In particular, prior work has shown that constipation is associated with an ecosystem-wide switch from fiber fermentation and short-chain fatty acid production to more detrimental protein fermentation and toxin production. Here, we analyze multi-omic data from generally healthy adults to see how BMF affects their molecular phenotypes, in a pre-disease context. Results show differential abundances of gut microbial genera, blood metabolites, and variation in lifestyle factors across BMF categories. These differences relate to inflammation, heart health, liver function, and kidney function. Causal mediation analysis indicates that the association between lower BMF and reduced kidney function is partially mediated by the microbially derived toxin 3-indoxyl sulfate (3-IS). This result, in a generally healthy context, suggests that the accumulation of microbiota-derived toxins associated with abnormal BMF precede organ damage and may be drivers of chronic, aging-related diseases.