The biologic underpinnings of posttraumatic stress disorder (PTSD) have not been fully elucidated. Previous work suggests that alterations in the immune system are characteristic of the disorder. Identifying the biologic mechanisms by which such alterations occur could provide fundamental insights into the etiology and treatment of PTSD. Here we identify specific epigenetic profiles underlying immune system changes associated with PTSD. Using blood samples ( n = 100) obtained from an ongoing, prospective epidemiologic study in Detroit, the Detroit Neighborhood Health Study, we applied methylation microarrays to assay CpG sites from more than 14,000 genes among 23 PTSD-affected and 77 PTSD-unaffected individuals. We show that immune system functions are significantly overrepresented among the annotations associated with genes uniquely unmethylated among those with PTSD. We further demonstrate that genes whose methylation levels are significantly and negatively correlated with traumatic burden show a similar strong signal of immune function among the PTSD affected. The observed epigenetic variability in immune function by PTSD is corroborated using an independent biologic marker of immune response to infection, CMV—a typically latent herpesvirus whose activity was significantly higher among those with PTSD. This report of peripheral epigenomic and CMV profiles associated with mental illness suggests a biologic model of PTSD etiology in which an externally experienced traumatic event induces downstream alterations in immune function by reducing methylation levels of immune-related genes.

During the influenza A(H1N1) pandemic, antiviral prescribing was limited, vaccines were not available early, and the effectiveness of nonpharmaceutical interventions (NPIs) was uncertain. Our study examined whether use of face masks and hand hygiene reduced the incidence of influenza-like illness (ILI).A randomized intervention trial involving 1437 young adults living in university residence halls during the 2006-2007 influenza season was designed. Residence halls were randomly assigned to 1 of 3 groups-face mask use, face masks with hand hygiene, or control- for 6 weeks. Generalized models estimated rate ratios for clinically diagnosed or survey-reported ILI weekly and cumulatively.We observed significant reductions in ILI during weeks 4-6 in the mask and hand hygiene group, compared with the control group, ranging from 35% (confidence interval [CI], 9%-53%) to 51% (CI, 13%-73%), after adjusting for vaccination and other covariates. Face mask use alone showed a similar reduction in ILI compared with the control group, but adjusted estimates were not statistically significant. Neither face mask use and hand hygiene nor face mask use alone was associated with a significant reduction in the rate of ILI cumulatively.These findings suggest that face masks and hand hygiene may reduce respiratory illnesses in shared living settings and mitigate the impact of the influenza A(H1N1) pandemic.ClinicalTrials.gov identifier: NCT00490633.

Evidence from comparative studies of gene expression and evolution suggest that human neocortical neurons may be characterized by unusually high levels of energy metabolism. The current study examined whether there is a disproportionate increase in glial cell density in the human frontal cortex in comparison with other anthropoid primate species (New World monkeys, Old World monkeys, and hominoids) to support greater metabolic demands. Among 18 species of anthropoids, humans displayed the greatest departure from allometric scaling expectations for the density of glia relative to neurons in layer II/III of dorsolateral prefrontal cortex (area 9L). However, the human glia–neuron ratio in this prefrontal region did not differ significantly from allometric predictions based on brain size. Further analyses of glia–neuron ratios across frontal areas 4, 9L, 32, and 44 in a sample of humans, chimpanzees, and macaque monkeys showed that regions involved in specialized human cognitive functions, such as “theory of mind” (area 32) and language (area 44) have not evolved differentially higher requirements for metabolic support. Taken together, these findings suggest that greater metabolic consumption of human neocortical neurons relates to the energetic costs of maintaining expansive dendritic arbors and long-range projecting axons in the context of an enlarged brain.

Abstract

Background

 Recent conceptual models argue that early life adversity (ELA) accelerates development, which may contribute to poor mental and physical health outcomes. Evidence for accelerated development in youths comes from studies of telomere shortening or advanced pubertal development following circumscribed ELA experiences and neuroimaging studies of circuits involved in emotional processing. It is unclear whether all ELA is associated with accelerated development across global metrics of biological aging or whether this pattern emerges following specific adversity types. 

Methods

 In 247 children and adolescents 8 to 16 years of age with wide variability in ELA exposure, we evaluated the hypothesis that early environments characterized by threat, but not deprivation, would be associated with accelerated development across two global biological aging metrics: DNA methylation (DNAm) age and pubertal stage relative to chronological age. We also examined whether accelerated development explained associations of ELA with depressive symptoms and externalizing problems. 

Results

 Exposure to threat-related ELA (e.g., violence) was associated with accelerated DNAm age and advanced pubertal stage, but exposure to deprivation (e.g., neglect, food insecurity) was not. In models including both ELA types, threat-related ELA was uniquely associated with accelerated DNAm age (β = .18) and advanced pubertal stage (β = .28), whereas deprivation was uniquely associated with delayed pubertal stage (β = −.21). Older DNAm age was related to greater depressive symptoms, and a significant indirect effect of threat exposure on depressive symptoms was observed through DNAm age. 

Conclusions

 Early threat-related experiences are particularly associated with accelerated biological aging in youths, which may be a mechanism linking ELA with depressive symptoms.

Abstract Most genome-wide association studies (GWAS) of major depression (MD) have been conducted in samples of European ancestry. Here we report a multi-ancestry GWAS of MD, adding data from 21 studies with 88,316 MD cases and 902,757 controls to previously reported data from individuals of European ancestry. This includes samples of African (36% of effective sample size), East Asian (26%) and South Asian (6%) ancestry and Hispanic/Latinx participants (32%). The multi-ancestry GWAS identified 190 significantly associated loci, 53 of them novel. For previously reported loci from GWAS in European ancestry the power-adjusted transferability ratio was 0.6 in the Hispanic/Latinx group and 0.3 in each of the other groups. Fine-mapping benefited from additional sample diversity: the number of credible sets with ≤5 variants increased from 3 to 12. A transcriptome-wide association study identified 354 significantly associated genes, 205 of them novel. Mendelian Randomisation showed a bidirectional relationship with BMI exclusively in samples of European ancestry. This first multi-ancestry GWAS of MD demonstrates the importance of large diverse samples for the identification of target genes and putative mechanisms.

Abstract Summary DNA methylation microarray data may suffer from batch effects due to improper handling of the samples during the plating process. RANDOMIZE is a web-based application designed to perform randomization of relevant metadata to evenly distribute samples across the factors typically responsible for batch effects in DNA methylation microarrays, such as row, chips and plates. Randomization helps to reduce the likelihood of bias and impact of difference among groups. Availability The tool is freely available online at https://coph-usf.shinyapps.io/RANDOMIZE/ and can be accessed using any web browser. Sample data and tutorial is also available with the tool. Contact ahwani@usf.edu

ABSTRACT Post-traumatic stress disorder (PTSD) is a debilitating mental disorder precipitated by trauma exposure. However, only some persons exposed to trauma develop PTSD. There are sex differences in risk; twice as many women as men, develop a lifetime diagnosis of PTSD. Methylomic profiles derived from peripheral blood are well-suited for investigating PTSD because DNA methylation (DNAm) encodes individual response to trauma and may play a key role in the immune dysregulation characteristic of PTSD pathophysiology. In the current study, we leveraged recent methodological advances to investigate sex-specific shifts in DNAm-based leukocyte composition that are associated with lifetime PTSD. We estimated leukocyte composition on a combined methylation array dataset (483 participants, ∼450k CpG sites) consisting of two civilian cohorts, the Detroit Neighborhood Health Study and Grady Trauma Project. Sex-stratified Mann-Whitney U test and two-way ANCOVA revealed that lifetime PTSD was associated with a small but significant elevation in monocyte proportions in males, but not in females (Holm-adjusted p-val < 0.05). No difference in monocyte proportions was observed between current and remitted PTSD cases in males, suggesting that this sex-specific peak shift reflects a long-standing trait of lifetime history of PTSD, rather than current state of PTSD. Associations with lifetime PTSD or PTSD status were not observed in any other leukocyte subtype and our finding in monocytes was confirmed using cell estimates based on a different deconvolution algorithm, suggesting that our sex-specific findings are robust across cell estimation approaches. Overall, our main finding of elevated monocyte proportions in males, but not in females with lifetime history of PTSD provides evidence for a sex-specific shift in peripheral blood leukocyte composition that is detectable in methylomic profiles and that reflects long-standing changes associated with PTSD diagnosis.

The mRNA-seq data analysis is a powerful technology for inferring information from biological systems of interest. Specifically, the sequenced RNA fragments are aligned with genomic reference sequences, and we count the number of sequence fragments corresponding to each gene for each condition. A gene is identified as differentially expressed (DE) if the difference in its count numbers between conditions is statistically significant. Several statistical analysis methods have been developed to detect DE genes based on RNA-seq data. However, the existing methods could suffer decreasing power to identify DE genes arising from overdispersion and limited sample size, where overdispersion refers to the empirical phenomenon that the variance of read counts is larger than the mean of read counts. We propose a new differential expression analysis procedure: heterogeneous overdispersion genes testing (DEHOGT) based on heterogeneous overdispersion modeling and a post-hoc inference procedure. DEHOGT integrates sample information from all conditions and provides a more flexible and adaptive overdispersion modeling for the RNA-seq read count. DEHOGT adopts a gene-wise estimation scheme to enhance the detection power of differentially expressed genes when the number of replicates is limited as long as the number of conditions is large. DEHOGT is tested on the synthetic RNA-seq read count data and outperforms two popular existing methods, DESeq2 and EdgeR, in detecting DE genes. We apply the proposed method to a test dataset using RNAseq data from microglial cells. DEHOGT tends to detect more differently expressed genes potentially related to microglial cells under different stress hormones treatments.

Abstract Background Poor family emotional health (FEH) during childhood is prevalent and impactful, and likely confers similar neurodevelopmental risks as other adverse social environments. Pointed FEH study efforts are underdeveloped, and the mechanisms by which poor FEH are biologically embedded are unclear. The current exploratory study examined whether variability in DNA methylation (DNAm) and fronto-limbic grey matter volume may represent pathways through which FEH may become biologically embedded. Results Self-reported childhood FEH was nominally associated with right hemisphere hippocampus (b=10.4, p=0.005), left hemisphere amygdala (b=5.3, p=0.009), and right hemisphere amygdala (b=5.8, p=0.016) volumes. Childhood FEH was also nominally associated with 49 DNAm MEs (p range =3×10 −6 to 0.047). After limiting analyses to probes correlated between saliva and brain, saliva-derived DNAm MEs partially mediated the association between FEH and right hippocampal volume (Burlywood ME indirect effect b=-111, p=0.014), and fully mediated the FEH and right amygdala volume relationship (Pink4 ME indirect effect b=-48, p=0.026). Modules were enriched with probes falling in genes with immune, CNS, and metabolic functions. Conclusions Findings extend work highlighting neurodevelopmental variability associated with adverse social environment exposure during childhood by specifically implicating poor FEH, while informing a mechanism of biological embedding. FEH-associated epigenetic signatures could function as proxies of altered fronto-limbic grey matter volume associated with poor childhood FEH and inform further investigation into primarily affected tissues such as endocrine, immune, and CNS cell types.

The mRNA-seq data analysis is a powerful technology for inferring information from biological systems of interest. Specifically, the sequenced RNA fragments are aligned with genomic reference sequences, and we count the number of sequence fragments corresponding to each gene for each condition. A gene is identified as differentially expressed (DE) if the difference in its count numbers between conditions is statistically significant. Several statistical analysis methods have been developed to detect DE genes based on RNA-seq data. However, the existing methods could suffer decreasing power to identify DE genes arising from overdispersion and limited sample size. We propose a new differential expression analysis procedure: heterogeneous overdispersion genes testing (DEHOGT) based on heterogeneous overdispersion modeling and a post-hoc inference procedure. DEHOGT integrates sample information from all conditions and provides a more flexible and adaptive overdispersion modeling for the RNA-seq read count. DEHOGT adopts a gene-wise estimation scheme to enhance the detection power of differentially expressed genes. DEHOGT is tested on the synthetic RNA-seq read count data and outperforms two popular existing methods, DESeq and EdgeR, in detecting DE genes. We apply the proposed method to a test dataset using RNAseq data from microglial cells. DEHOGT tends to detect more differently expressed genes potentially related to microglial cells under different stress hormones treatments.