BackgroundMutations in the filaggrin gene (FLG) have been shown to play a significant role in ichthyosis vulgaris and eczema, 2 common chronic skin diseases. However, their role in the development of other atopic diseases such as asthma and rhinitis has not yet been clarified in large population-based studies.ObjectivesTo study the effect of FLG mutations at the population level and their effect on other atopic phenotypes.MethodsAssociation analysis of the 2 common FLG-null mutations R501X and 2282del4 and 3 recently identified rare FLG variants (R2447X, S3247X, 3702delG) was performed on our cross-sectional population of German children (n = 3099) recruited as part of the International Study of Asthma and Allergies in Childhood II in Munich (n = 1159) and Dresden (n = 1940).ResultsFLG variants increased the risk for eczema more than 3-fold (odds ratio [OR], 3.12; 95% CI, 2.33-4.173; P = 2.5 × 10−14; population-attributable risk, 13.5%). Independent of eczema, FLG mutations conferred a substantial risk for allergic rhinitis (OR, 2.64; 95% CI, 1.76-4.00; P = 2.5 × 10−6; population-attributable risk, 10.8%). Nasal biopsies demonstrated strong filaggrin expression in the cornified epithelium of the nasal vestibular lining, but not the transitional and respiratory nasal epithelia. In contrast, the association with asthma (OR, 1.79; 95% CI, 1.19-2.68; P = .0048) was restricted to asthma occurring in the context of eczema, and there was a strong association with the complex phenotype eczema plus asthma (OR, 3.49; 95% CI, 2.00-6.08; P = 1.0 × 10−5).ConclusionOur results suggest that FLG mutations are key organ specific factors predominantly affecting the development of eczema and confer significant risks of allergic sensitization and allergic rhinitis as well as asthma in the context of eczema. Mutations in the filaggrin gene (FLG) have been shown to play a significant role in ichthyosis vulgaris and eczema, 2 common chronic skin diseases. However, their role in the development of other atopic diseases such as asthma and rhinitis has not yet been clarified in large population-based studies. To study the effect of FLG mutations at the population level and their effect on other atopic phenotypes. Association analysis of the 2 common FLG-null mutations R501X and 2282del4 and 3 recently identified rare FLG variants (R2447X, S3247X, 3702delG) was performed on our cross-sectional population of German children (n = 3099) recruited as part of the International Study of Asthma and Allergies in Childhood II in Munich (n = 1159) and Dresden (n = 1940). FLG variants increased the risk for eczema more than 3-fold (odds ratio [OR], 3.12; 95% CI, 2.33-4.173; P = 2.5 × 10−14; population-attributable risk, 13.5%). Independent of eczema, FLG mutations conferred a substantial risk for allergic rhinitis (OR, 2.64; 95% CI, 1.76-4.00; P = 2.5 × 10−6; population-attributable risk, 10.8%). Nasal biopsies demonstrated strong filaggrin expression in the cornified epithelium of the nasal vestibular lining, but not the transitional and respiratory nasal epithelia. In contrast, the association with asthma (OR, 1.79; 95% CI, 1.19-2.68; P = .0048) was restricted to asthma occurring in the context of eczema, and there was a strong association with the complex phenotype eczema plus asthma (OR, 3.49; 95% CI, 2.00-6.08; P = 1.0 × 10−5). Our results suggest that FLG mutations are key organ specific factors predominantly affecting the development of eczema and confer significant risks of allergic sensitization and allergic rhinitis as well as asthma in the context of eczema.

Abstract Estimating microbial association networks from high-throughput sequencing data is a common exploratory data analysis approach aiming at understanding the complex interplay of microbial communities in their natural habitat. Statistical network estimation workflows comprise several analysis steps, including methods for zero handling, data normalization, and computing microbial associations. Since microbial interactions are likely to change between conditions, e.g. between healthy individuals and patients, identifying network differences between groups is often an integral secondary analysis step. Thus far, however, no unifying computational tool is available that facilitates the whole analysis workflow of constructing, analyzing, and comparing microbial association networks from high-throughput sequencing data. Here, we introduce NetCoMi ( Net work Co nstruction and comparison for Mi crobiome data), an R package that integrates existing methods for each analysis step in a single reproducible computational workflow. The package offers functionality for constructing and analyzing single microbial association networks as well as quantifying network differences. This enables insights into whether single taxa, groups of taxa, or the overall network structure change between groups. NetCoMi also contains functionality for constructing differential networks , thus allowing to assess whether single pairs of taxa are differentially associated between two groups. Furthermore, NetCoMi facilitates the construction and analysis of dissimilarity networks of microbiome samples, enabling a high-level graphical summary of the heterogeneity of an entire microbiome sample collection. We illustrate NetCoMi’s wide applicability using data sets from the GABRIELA study to compare microbial associations in settled dust from children’s rooms between samples from two study centers (Ulm and Munich). Availability A script with R code used for producing the examples shown in this manuscript are provided as Supplementary data. The NetCoMi package, together with a tutorial, is available at https://github.com/stefpeschel/NetCoMi .