Abstract The human gut microbiome has been associated with many health factors but variability between studies limits exploration of effects between them. Gut microbiota profiles are available for >2700 members of the deeply phenotyped TwinsUK cohort, providing a uniform platform for such comparisons. Here, we present gut microbiota association analyses for 38 common diseases and 51 medications within the cohort. We describe several novel associations, highlight associations common across multiple diseases, and determine which diseases and medications have the greatest association with the gut microbiota. These results provide a reference for future studies of the gut microbiome and its role in human health.

Abstract Defining reference models for population variation, and the ability to study individual deviations is essential for understanding inter-individual variability and its relation to the onset and progression of medical conditions. In this work, we assembled a reference cohort of neuroimaging data from 82 sites (N=58,836; ages 2-100) and use normative modeling to characterize lifespan trajectories of cortical thickness and subcortical volume. Models are validated against a manually quality checked subset (N=24,354) and we provide an interface for transferring to new data sources. We showcase the clinical value by applying the models to a transdiagnostic psychiatric sample (N=1,985), showing they can be used to quantify variability underlying multiple disorders whilst also refining case-control inferences. These models will be augmented with additional samples and imaging modalities as they become available. This provides a common reference platform to bind results from different studies and ultimately paves the way for personalized clinical decision making.

Abstract INTRODUCTION Neuroanatomical normative modeling captures individual variability in Alzheimer's disease (AD). Here we used normative modeling to track individuals’ disease progression in people with mild cognitive impairment (MCI) and patients with AD. METHODS Cortical and subcortical normative models were generated using healthy controls ( n ≈ 58k). These models were used to calculate regional z scores in 3233 T1‐weighted magnetic resonance imaging time‐series scans from 1181 participants. Regions with z scores < –1.96 were classified as outliers mapped on the brain and summarized by total outlier count (tOC). RESULTS tOC increased in AD and in people with MCI who converted to AD and also correlated with multiple non‐imaging markers. Moreover, a higher annual rate of change in tOC increased the risk of progression from MCI to AD. Brain outlier maps identified the hippocampus as having the highest rate of change. DISCUSSION Individual patients’ atrophy rates can be tracked by using regional outlier maps and tOC. Highlights Neuroanatomical normative modeling was applied to serial Alzheimer's disease (AD) magnetic resonance imaging (MRI) data for the first time. Deviation from the norm (outliers) of cortical thickness or brain volume was computed in 3233 scans. The number of brain‐structure outliers increased over time in people with AD. Patterns of change in outliers varied markedly between individual patients with AD. People with mild cognitive impairment whose outliers increased over time had a higher risk of progression from AD.