MD
Martin Depner
Author with expertise in Diversity and Function of Gut Microbiome
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
9
(67% Open Access)
Cited by:
2,230
h-index:
24
/
i10-index:
24
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Filaggrin mutations, atopic eczema, hay fever, and asthma in children

Stephan Weidinger et al.Apr 9, 2008
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.
0
Citation400
0
Save
1

NetCoMi: network construction and comparison for microbiome data in R

Stefanie Peschel et al.Oct 7, 2020
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, analysing and comparing microbial association networks from high-throughput sequencing data.Here, we introduce NetCoMi (Network Construction and comparison for Microbiome 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 analysing 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).R scripts 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.Tel:+49 89 3187 43258; stefanie.peschel@mail.de.Supplementary data are available at Briefings in Bioinformatics online.
0

Genome-Wide Scan on Total Serum IgE Levels Identifies FCER1A as Novel Susceptibility Locus

Stephan Weidinger et al.Aug 21, 2008
High levels of serum IgE are considered markers of parasite and helminth exposure. In addition, they are associated with allergic disorders, play a key role in anti-tumoral defence, and are crucial mediators of autoimmune diseases. Total IgE is a strongly heritable trait. In a genome-wide association study (GWAS), we tested 353,569 SNPs for association with serum IgE levels in 1,530 individuals from the population-based KORA S3/F3 study. Replication was performed in four independent population-based study samples (total n = 9,769 individuals). Functional variants in the gene encoding the alpha chain of the high affinity receptor for IgE (FCER1A) on chromosome 1q23 (rs2251746 and rs2427837) were strongly associated with total IgE levels in all cohorts with P values of 1.85 x 10(-20) and 7.08 x 10(-19) in a combined analysis, and in a post-hoc analysis showed additional associations with allergic sensitization (P = 7.78 x 10(-4) and P = 1.95 x 10(-3)). The "top" SNP significantly influenced the cell surface expression of FCER1A on basophils, and genome-wide expression profiles indicated an interesting novel regulatory mechanism of FCER1A expression via GATA-2. Polymorphisms within the RAD50 gene on chromosome 5q31 were consistently associated with IgE levels (P values 6.28 x 10(-7)-4.46 x 10(-8)) and increased the risk for atopic eczema and asthma. Furthermore, STAT6 was confirmed as susceptibility locus modulating IgE levels. In this first GWAS on total IgE FCER1A was identified and replicated as new susceptibility locus at which common genetic variation influences serum IgE levels. In addition, variants within the RAD50 gene might represent additional factors within cytokine gene cluster on chromosome 5q31, emphasizing the need for further investigations in this intriguing region. Our data furthermore confirm association of STAT6 variation with serum IgE levels.
0
Citation287
0
Save
0

Phenotypes of Atopic Dermatitis Depending on the Timing of Onset and Progression in Childhood

Caroline Roduit et al.May 22, 2017
Atopic dermatitis is an inflammatory, pruritic skin disease that often occurs in early infancy with a chronic course. However, a specific description of subtypes of atopic dermatitis depending on the timing of onset and progression of the disease in childhood is lacking.To identify different phenotypes of atopic dermatitis using a definition based on symptoms before age 6 years and to determine whether some subtypes are more at risk for developing other allergic diseases.The Protection Against Allergy Study in Rural Environments (PASTURE) is a European birth cohort where pregnant women were recruited between August 2002 and March 2005 and divided in 2 groups dependent on whether they lived on a farm. Children from this cohort with data on atopic dermatitis from birth to 6 years of age were included.Atopic dermatitis, defined as an itchy rash on typical locations from birth to 6 years.The latent class analysis was used to identify subtypes of atopic dermatitis in childhood based on the course of symptoms. Multivariable logistic regressions were used to analyze the association between atopic dermatitis phenotypes and other allergic diseases.We included 1038 children; of these, 506 were girls. The latent class analysis model with the best fit to PASTURE data separated 4 phenotypes of atopic dermatitis in childhood: 2 early phenotypes with onset before age 2 years (early transient [n = 96; 9.2%] and early persistent [n = 67; 6.5%]), the late phenotype with onset at age 2 years or older (n = 50; 4.8%), and the never/infrequent phenotype (n = 825; 79.5%), defined as children with no atopic dermatitis. Children with both parents with history of allergies were 5 times more at risk to develop atopic dermatitis with an early-persistent phenotype compared with children with parents with no history of allergies. Both early phenotypes were strongly associated with food allergy. The risk of developing asthma was significantly increased among the early-persistent phenotype (adjusted odds ratio, 2.87; 95% CI, 1.31-6.31). The late phenotype was only positively associated with allergic rhinitis.Using latent class analysis, 4 phenotypes of atopic dermatitis were identified depending on the onset and course of the disease. The prevalence of asthma and food allergy by 6 years of age was strongly increased among children with early phenotypes (within age 2 years), especially with persistent symptoms. These findings are important for the development of strategies in allergy prevention.
0
Citation227
0
Save
20

NetCoMi: Network Construction and Comparison for Microbiome Data in R

Stefanie Peschel et al.Jul 16, 2020
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 .