The National Institute on Aging Interventions Testing Program (ITP) evaluates agents hypothesized to increase healthy lifespan in genetically heterogeneous mice. Each compound is tested in parallel at three sites, and all results are published. We report the effects of lifelong treatment of mice with four agents not previously tested: Protandim, fish oil, ursodeoxycholic acid (UDCA) and metformin – the latter with and without rapamycin, and two drugs previously examined: 17-α-estradiol and nordihydroguaiaretic acid (NDGA), at doses greater and less than used previously. 17-α-estradiol at a threefold higher dose robustly extended both median and maximal lifespan, but still only in males. The male-specific extension of median lifespan by NDGA was replicated at the original dose, and using doses threefold lower and higher. The effects of NDGA were dose dependent and male specific but without an effect on maximal lifespan. Protandim, a mixture of botanical extracts that activate Nrf2, extended median lifespan in males only. Metformin alone, at a dose of 0.1% in the diet, did not significantly extend lifespan. Metformin (0.1%) combined with rapamycin (14 ppm) robustly extended lifespan, suggestive of an added benefit, based on historical comparison with earlier studies of rapamycin given alone. The α-glucosidase inhibitor, acarbose, at a concentration previously tested (1000 ppm), significantly increased median longevity in males and 90th percentile lifespan in both sexes, even when treatment was started at 16 months. Neither fish oil nor UDCA extended lifespan. These results underscore the reproducibility of ITP longevity studies and illustrate the importance of identifying optimal doses in lifespan studies.

Abstract Substance use disorders (SUDs) are heritable disorders characterized by compulsive drug use, but the biological mechanisms driving addiction remain largely unknown. Genetic correlations reveal that predisposing drug-naïve phenotypes, including anxiety, depression, novelty preference, and sensation seeking, are predictive of drug-use phenotypes, implicating shared genetic mechanisms. Because of this relationship, high-throughput behavioral screening of predictive phenotypes in knockout (KO) mice allows efficient discovery of genes likely to be involved in drug use. We used this strategy in two rounds of screening in which we identified 33 drug-use candidate genes and ultimately validated the perturbation of 22 of these genes as causal drivers of substance intake. In our initial round of screening, we employed the two-bottle-choice paradigms to assess alcohol, methamphetamine, and nicotine intake. We identified 19 KO strains that were extreme responders on at least one predictive phenotype. Thirteen of the 19 gene deletions (68%) significantly affected alcohol use three methamphetamine use, and two both. In the second round of screening, we employed a multivariate approach to identify outliers and performed validation using methamphetamine two-bottle choice and ethanol drinking-in-the-dark protocols. We identified 15 KO strains that were extreme responders across the predisposing drug-naïve phenotypes. Eight of the 15 gene deletions (53%) significantly affected intake or preference for three alcohol, eight methamphetamine or three both (3). We observed multiple relations between predisposing behaviors and drug intake, revealing many distinct biobehavioral processes underlying these relationships. The set of mouse models identified in this study can be used to characterize these addiction-related processes further.

The role of the microbiome in health and disease involves complex networks of host genetics, genomics, microbes and environment. Identifying the mechanisms of these interactions has remained challenging. Systems genetics in the laboratory mouse enables data-driven discovery of network components and mechanisms of host-microbial interactions underlying multiple disease phenotypes. To examine the interplay among the whole host genome, transcriptome and microbiome, we mapped quantitative trait loci and correlated the abundance of cecal mRNA, luminal microflora, physiology and behavior in incipient strains of the highly diverse Collaborative Cross mouse population. The relationships that are extracted can be tested experimentally to ascribe causality among host and microbe in behavior and physiology, providing insight into disease. Application of this strategy in the Collaborative Cross population revealed experimentally validated mechanisms of microbial involvement in models of autism, inflammatory bowel disease and sleep disorder.

Transgenesis has been a mainstay of mouse genetics for over 30 years, providing numerous models of human disease and critical genetic tools in widespread use today. Generated through the random integration of DNA fragments into the host genome, transgenesis can lead to insertional mutagenesis if a coding gene or essential element is disrupted, and there is evidence that larger scale structural variation can accompany the integration. The insertion sites of only a tiny fraction of the thousands of transgenic lines in existence have been discovered and reported due in part to limitations in the discovery tools. Targeted Locus Amplification (TLA) provides a robust and efficient means to identify both the insertion site and content of transgenes through deep sequencing of genomic loci linked to specific known transgene cassettes. Here, we report the first large-scale analysis of transgene insertion sites from 40 highly used transgenic mouse lines. We show that the transgenes disrupt the coding sequence of endogenous genes in half of the lines, frequently involving large deletions and/or structural variations at the insertion site. Furthermore, we identify a number of unexpected sequences in some of the transgenes, including undocumented cassettes and contaminating DNA fragments. We demonstrate that these transgene insertions can have phenotypic consequences, which could confound certain experiments, emphasizing the need for careful attention to control strategies. Together, these data show that transgenic alleles display a high rate of potentially confounding genetic events, and highlight the need for careful characterization of each line to assure interpretable and reproducible experiments.