A new graphically oriented local modeling procedure called interval partial least-squares ( iPLS) is presented for use on spectral data. The iPLS method is compared to full-spectrum partial least-squares and the variable selection methods principal variables (PV), forward stepwise selection (FSS), and recursively weighted regression (RWR). The methods are tested on a near-infrared (NIR) spectral data set recorded on 60 beer samples correlated to original extract concentration. The error of the full-spectrum correlation model between NIR and original extract concentration was reduced by a factor of 4 with the use of iPLS ( r = 0.998, and root mean square error of prediction equal to 0.17% plato), and the graphic output contributed to the interpretation of the chemical system under observation. The other methods tested gave a comparable reduction in the prediction error but suffered from the interpretation advantage of the graphic interface. The intervals chosen by iPLS cover both the variables found by FSS and all possible combinations as well as the variables found by PV and RWR, and iPLS is still able to utilize the first-order advantage.

The increasing scientific and industrial interest towards metabonomics takes advantage from the high qualitative and quantitative information level of nuclear magnetic resonance (NMR) spectroscopy. However, several chemical and physical factors can affect the absolute and the relative position of an NMR signal and it is not always possible or desirable to eliminate these effects a priori. To remove misalignment of NMR signals a posteriori, several algorithms have been proposed in the literature. The icoshift program presented here is an open source and highly efficient program designed for solving signal alignment problems in metabonomic NMR data analysis. The icoshift algorithm is based on correlation shifting of spectral intervals and employs an FFT engine that aligns all spectra simultaneously. The algorithm is demonstrated to be faster than similar methods found in the literature making full-resolution alignment of large datasets feasible and thus avoiding down-sampling steps such as binning. The algorithm uses missing values as a filling alternative in order to avoid spectral artifacts at the segment boundaries. The algorithm is made open source and the Matlab code including documentation can be downloaded from www.models.life.ku.dk.

The extended multiplicative signal correction (EMSC) preprocessing method allows a separation of physical light-scattering effects from chemical (vibrational) light absorbance effects in spectra from, for example, powders or turbid solutions. It is here applied to diffuse near infrared transmission (NIT) spectra of mixtures of wheat gluten (protein) and starch (carbohydrate) powders, linearized by conventional log(1/T). Without any correction for uncontrolled light scattering variation between the powder samples, these absorbance spectra could give reasonable predictions of the analyte (gluten), but only when using multivariate calibration with a much more complex model than expected. Standard MSC preprocessing did not work for these data at all; it removed too much analyte information. However, the EMSC preprocessing yielded powder spectra that obeyed Beer's Law more or less as if they had been obtained from transparent liquid solutions, apparently by isolating the chemical light absorption from additive, multiplicative, and wavelength-dependent effects of uncontrolled light-scattering variations. The model-based EMSC and its converse, the extended inverted signal correction (EISC), gave rather complete descriptions of the diffuse absorbance spectra and virtually indistinguishable performance in the calibration set and the test set of samples.

Aging is associated with decreased muscle mass and functional capacity, which in turn decrease quality of life. The number of citizens over the age of 65 years in the Western world will increase by 50 % over the next four decades, and this demographic shift brings forth new challenges at both societal and individual levels. Only a few longitudinal studies have been reported, but whey protein supplementation seems to improve muscle mass and function, and its combination with heavy strength training appears even more effective. However, heavy resistance training may reduce adherence to training, thereby attenuating the overall benefits of training. We hypothesize that light load resistance training is more efficient when both adherence and physical improvement are considered longitudinally. We launched the interdisciplinary project on Counteracting Age-related Loss of Skeletal Muscle Mass (CALM) to investigate the impact of lifestyle changes on physical and functional outcomes as well as everyday practices and habits in a qualitative context. We will randomize 205 participants older than 65 years to be given 1 year of two daily nutrient supplements with 10 g of sucrose and 20 g of either collagen protein, carbohydrates, or whey. Further, two groups will perform either heavy progressive resistance training or light load training on top of the whey supplement. The primary outcome of the CALM Intervention Study is the change in thigh cross-sectional area. Moreover, we will evaluate changes in physical performance, muscle fiber type and acute anabolic response to whey protein ingestion, sensory adaptation, gut microbiome, and a range of other measures, combined with questionnaires on life quality and qualitative interviews with selected subjects. The CALM Intervention Study will generate scientific evidence and recommendations to counteract age-related loss of skeletal muscle mass in elderly individuals. ClinicalTrials.gov NCT02034760 . Registered on 10 January 2014. ClinicalTrials.gov NCT02115698 . Registered on 14 April 2014. Danish regional committee of the Capital Region H-4-2013-070. Registered on 4 July 2013. Danish Data Protection Agency 2012-58-0004 – BBH-2015-001 I-Suite 03432. Registered on 9 January 2015.

Abstract Gut microbial dysbiosis have been linked to frailty in elderly, yet the presence of fungal communities and their possible association with host health are little understood. This study attempts to identify gut microbial fungal associations with the progression of atherogenic dyslipidemia in a population of older adults by investigating the interplay between dietary intake, gut mycobiome composition, plasma and fecal metabolome and anthropometric/body-composition measurements of 99 Danes aged 65 to 81 (69.57 ± 3.64) years. The gut mycobiome composition were determined by high-throughput sequencing of internal transcribed spacer (ITS2) gene amplicons, while the plasma and fecal metabolome was determined by GC-MS. The gut microbiome of the subjects investigated is home to three main eukaryotic phyla, namely Ascomyco-ta, Basidiomycota and Zygomycota, with genera Penicillium, Candida , and Aspergillus being particularly common. Hypertriglyceridemia was associated with fewer observed fungal species, and Bray-Curtis dissimilarity matrix-based analysis showed significant ( p < 0.05) clustering according to fasting levels of circulating plasma triglycerides (Tg) and very low-density lipoprotein (VLDL) cholesterol fasting levels, respectively. Higher levels of Tg and VLDL cholesterol significantly associates with increased relative abundance of genus Penicillium , and Saccha:ramyces likely mediated by a higher dietary fatty acids intake ( p < 0.05), and Sac-charomyces, Debaryomyces, Candida, Agaricus and Starmerella were moderately associated with SCF As groups. Collectively, these findings suggest that gut mycobiome dysbiosis on older adults is associated with hypertriglyceridemia, a known risk factor for development of cardiovascular disease.

Background

 The human gut is home for plethora of microbes including prokaryotic, eukaryotic and other microorganisms. During ageing, imbalances in the gut microbiota are associated with significant phenotypic effects for the host such as the development of metabolic disorders like changes in serum lipids levels, including general physiological decline. However, the presence of fungal communities and their possible association with host health are poorly understood. Therefore, we aim to elucidate trajectory for the progression of atherogenic dyslipidemia during ageing. 

Methods

 The interplay between dietary intake, gut microbiota composition, plasma and fecal metabolome and clinical measurements were investigated. The gut bacterial and fungal compositions were determined by high-throughput sequencing of V3 region of 16S rRNA and internal transcribed spacer (ITS2) gene amplicons, respectively. The plasma and fecal metabolomes were determined by GC-TOF-MS. Finally, the dietary intake records and the anthropometric/body-composition measurements at baseline were taken from 75 senior citizens aged 65 years old and above (69.57 ± 3.64). 

Results

 At phyla, the gut is home to three main eukaryotic, namely Ascomycota, Basidiomycota and Zygomycota, with genera Penicillium, Candida, and Aspergillus being particularly common. Hypertriglyceridemia group (HG) was associated with low species richness as compared to Normotryglyceridemia group (NG), indicate by α-diversity - Observed species, PD whole tree and Chao1 indices; p <0.05, and Bray-Curtis dissimilarity matrix-based analysis showed significant (p <0.05) clustering according to fasting levels of circulating plasma triglycerides (Tg). Inversely, the hypertriglyceridemia clustering based on the prokaryotic component was not observed among both groups. Higher levels of Tg significantly associates with increased relative abundance of genus Penicillium, possibly mediated by a higher dietary fat intake (ANOVA,p <0.05), and Aspergillus and Guehomyces were positively associated with short-chain fatty acids (SCFAs) groups. 

Conclusions

 Collectively, these findings suggest that the gut mycobiome dysbiosis is associated with hypertriglyceridemia, a known risk factor for the development of cardiovascular disease among the elders.

Abstract Lipoprotein subfractions are biomarkers for early diagnosis of cardiovascular diseases. The reference method, ultracentrifugation, for measuring lipoproteins is time consuming and there is a need to develop a rapid method for cohort screenings. Here we present partial least squares regression models developed using 1 H-NMR spectra and concentrations of lipoproteins as measured by ultracentrifugation on 316 healthy Danes. Different regions of the 1 H-NMR spectra representing signals of the lipoproteins and different lipid species were investigated to develop parsimonious, reliable and best performing prediction models. 65 LP main and subfractions were predictable with an accuracy Q 2 of > 0.6 on test set samples. The models were tested on an independent cohort of 290 healthy Swedes with predicted and reference values matching by up to 85-95%. The software was developed to predict lipoproteins in human blood using 1 H-NMR spectra and made freely available to be applied for future cohort screenings.

Abstract Increasing evidence indicates that the gut microbiome (GM) plays an important role in the etiology of dyslipidemia. To date, however, no in-depth characterization of the associations between GM and its metabolic attributes with deep profiling of lipoproteins distributions (LPD) among healthy individuals has been conducted. To determine associations and contributions of GM composition and its cofactors with distribution profiles of lipoprotein subfractions, we studied blood plasma LPD, fecal short-chain fatty acids (SCFA) and GM of 262 healthy Danish subjects aged 19-89 years. Stratification of LPD segregated subjects into three clusters of profiles that reflected differences in the lipoprotein subclasses, corresponded well with limits of recommended levels of main lipoprotein fractions and were largely explained by host characteristics such as age and body mass index. Higher levels of HDL, particularly driven by large subfractions (HDL2a and HDL2b), were associated with a higher relative abundance of Ruminococcaceae and Christensenellaceae. Increasing levels of total cholesterol and LDL, which were primarily associated with large 1 and 2 subclasses, were positively associated with Lachnospiraceae and Coriobacteriaceae, and negatively with Bacteroidaceae and Bifidobacteriaceae. Metagenome sequencing showed a higher abundance of genes involved in the biosynthesis of multiple B-vitamins and SCFA metabolism among subjects with healthier LPD profiles. Metagenomic assembled genomes (MAGs) affiliated mainly to Eggerthellaceae and Clostridiales were identified as the contributors of these genes and whose relative abundance correlated positively with larger subfractions of HDL. The results of this study demonstrate that remarkable differences in composition and metabolic traits of the GM are associated with variations in LPD among healthy subjects. Findings from this study provide evidence for GM considerations in future research aiming to shade light on mechanisms of the GM – dyslipidemia axis.