The spectrum of nonalcoholic fatty liver disease (NAFLD) includes a nonalcoholic fatty liver (NAFL) and nonalcoholic steatohepatitis (NASH). The specific types and amounts of lipids that accumulate in NAFLD are not fully defined. The free fatty acid (FFA), diacylglycerol (DAG), triacylglycerol (TAG), free cholesterol (FC), cholesterol ester, and phospholipid contents in normal livers were quantified and compared to those of NAFL and NASH, and the distribution of fatty acids within these classes was compared across these groups. Hepatic lipids were quantified by capillary gas chromatography. The mean (nmol/g of tissue) DAG (normal/NAFL/NASH: 1922 versus 4947 versus 3304) and TAG (13,609 versus 128,585 versus 104,036) increased significantly in NAFLD, but FFA remained unaltered (5533 versus 5929 versus 6115). There was a stepwise increase in the mean TAG/DAG ratio from normal livers to NAFL to NASH (7 versus 26 versus 31, P < 0.001). There was also a similar stepwise increment in hepatic FC (7539 versus 10,383 versus 12,863, P < 0.05 for NASH). The total phosphatidylcholine (PC) decreased in both NAFL and NASH. The FC/PC ratio increased progressively (0.34 versus 0.69 versus 0.71, P < 0.008 for both). Although the levels for linoleic acid (18:2n-6) and α-linolenic acid (18:3n-3) remained unaltered, there was a decrease in arachidonic acid (20:4n-6) in FFA, TAG, and PC (P < 0.05 for all) in NASH. Eicosapentanoic acid (20:5n-3) and docosahexanoic acid (22:6n-3) were decreased in TAG in NASH. The n-6:n-3 FFA ratio increased in NASH (P < 0.05). Conclusions: NAFLD is associated with numerous changes in the lipid composition of the liver. The potential implications are discussed. (HEPATOLOGY 2007.)

Abstract Introduction Increasing evidence suggests a role for the gut microbiome in central nervous system disorders and a specific role for the gut‐brain axis in neurodegeneration. Bile acids (BAs), products of cholesterol metabolism and clearance, are produced in the liver and are further metabolized by gut bacteria. They have major regulatory and signaling functions and seem dysregulated in Alzheimer's disease (AD). Methods Serum levels of 15 primary and secondary BAs and their conjugated forms were measured in 1464 subjects including 370 cognitively normal older adults, 284 with early mild cognitive impairment, 505 with late mild cognitive impairment, and 305 AD cases enrolled in the AD Neuroimaging Initiative. We assessed associations of BA profiles including selected ratios with diagnosis, cognition, and AD‐related genetic variants, adjusting for confounders and multiple testing. Results In AD compared to cognitively normal older adults, we observed significantly lower serum concentrations of a primary BA (cholic acid [CA]) and increased levels of the bacterially produced, secondary BA, deoxycholic acid, and its glycine and taurine conjugated forms. An increased ratio of deoxycholic acid:CA, which reflects 7α‐dehydroxylation of CA by gut bacteria, strongly associated with cognitive decline, a finding replicated in serum and brain samples in the Rush Religious Orders and Memory and Aging Project. Several genetic variants in immune response–related genes implicated in AD showed associations with BA profiles. Discussion We report for the first time an association between altered BA profile, genetic variants implicated in AD, and cognitive changes in disease using a large multicenter study. These findings warrant further investigation of gut dysbiosis and possible role of gut‐liver‐brain axis in the pathogenesis of AD.

Abstract Introduction The Alzheimer's Disease Research Summits of 2012 and 2015 incorporated experts from academia, industry, and nonprofit organizations to develop new research directions to transform our understanding of Alzheimer's disease (AD) and propel the development of critically needed therapies. In response to their recommendations, big data at multiple levels are being generated and integrated to study network failures in disease. We used metabolomics as a global biochemical approach to identify peripheral metabolic changes in AD patients and correlate them to cerebrospinal fluid pathology markers, imaging features, and cognitive performance. Methods Fasting serum samples from the Alzheimer's Disease Neuroimaging Initiative (199 control, 356 mild cognitive impairment, and 175 AD participants) were analyzed using the AbsoluteIDQ‐p180 kit. Performance was validated in blinded replicates, and values were medication adjusted. Results Multivariable‐adjusted analyses showed that sphingomyelins and ether‐containing phosphatidylcholines were altered in preclinical biomarker‐defined AD stages, whereas acylcarnitines and several amines, including the branched‐chain amino acid valine and α‐aminoadipic acid, changed in symptomatic stages. Several of the analytes showed consistent associations in the Rotterdam, Erasmus Rucphen Family, and Indiana Memory and Aging Studies. Partial correlation networks constructed for Aβ 1–42 , tau, imaging, and cognitive changes provided initial biochemical insights for disease‐related processes. Coexpression networks interconnected key metabolic effectors of disease. Discussion Metabolomics identified key disease‐related metabolic changes and disease‐progression‐related changes. Defining metabolic changes during AD disease trajectory and its relationship to clinical phenotypes provides a powerful roadmap for drug and biomarker discovery.

Background The metabolic basis of Alzheimer disease (AD) is poorly understood, and the relationships between systemic abnormalities in metabolism and AD pathogenesis are unclear. Understanding how global perturbations in metabolism are related to severity of AD neuropathology and the eventual expression of AD symptoms in at-risk individuals is critical to developing effective disease-modifying treatments. In this study, we undertook parallel metabolomics analyses in both the brain and blood to identify systemic correlates of neuropathology and their associations with prodromal and preclinical measures of AD progression. Methods and findings Quantitative and targeted metabolomics (Biocrates AbsoluteIDQ [identification and quantification] p180) assays were performed on brain tissue samples from the autopsy cohort of the Baltimore Longitudinal Study of Aging (BLSA) (N = 44, mean age = 81.33, % female = 36.36) from AD (N = 15), control (CN; N = 14), and “asymptomatic Alzheimer’s disease” (ASYMAD, i.e., individuals with significant AD pathology but no cognitive impairment during life; N = 15) participants. Using machine-learning methods, we identified a panel of 26 metabolites from two main classes—sphingolipids and glycerophospholipids—that discriminated AD and CN samples with accuracy, sensitivity, and specificity of 83.33%, 86.67%, and 80%, respectively. We then assayed these 26 metabolites in serum samples from two well-characterized longitudinal cohorts representing prodromal (Alzheimer’s Disease Neuroimaging Initiative [ADNI], N = 767, mean age = 75.19, % female = 42.63) and preclinical (BLSA) (N = 207, mean age = 78.68, % female = 42.63) AD, in which we tested their associations with magnetic resonance imaging (MRI) measures of AD-related brain atrophy, cerebrospinal fluid (CSF) biomarkers of AD pathology, risk of conversion to incident AD, and trajectories of cognitive performance. We developed an integrated blood and brain endophenotype score that summarized the relative importance of each metabolite to severity of AD pathology and disease progression (Endophenotype Association Score in Early Alzheimer’s Disease [EASE-AD]). Finally, we mapped the main metabolite classes emerging from our analyses to key biological pathways implicated in AD pathogenesis. We found that distinct sphingolipid species including sphingomyelin (SM) with acyl residue sums C16:0, C18:1, and C16:1 (SM C16:0, SM C18:1, SM C16:1) and hydroxysphingomyelin with acyl residue sum C14:1 (SM (OH) C14:1) were consistently associated with severity of AD pathology at autopsy and AD progression across prodromal and preclinical stages. Higher log-transformed blood concentrations of all four sphingolipids in cognitively normal individuals were significantly associated with increased risk of future conversion to incident AD: SM C16:0 (hazard ratio [HR] = 4.430, 95% confidence interval [CI] = 1.703–11.520, p = 0.002), SM C16:1 (HR = 3.455, 95% CI = 1.516–7.873, p = 0.003), SM (OH) C14:1 (HR = 3.539, 95% CI = 1.373–9.122, p = 0.009), and SM C18:1 (HR = 2.255, 95% CI = 1.047–4.855, p = 0.038). The sphingolipid species identified map to several biologically relevant pathways implicated in AD, including tau phosphorylation, amyloid-β (Aβ) metabolism, calcium homeostasis, acetylcholine biosynthesis, and apoptosis. Our study has limitations: the relatively small number of brain tissue samples may have limited our power to detect significant associations, control for heterogeneity between groups, and replicate our findings in independent, autopsy-derived brain samples. Conclusions We present a novel framework to identify biologically relevant brain and blood metabolites associated with disease pathology and progression during the prodromal and preclinical stages of AD. Our results show that perturbations in sphingolipid metabolism are consistently associated with endophenotypes across preclinical and prodromal AD, as well as with AD pathology at autopsy. Sphingolipids may be biologically relevant biomarkers for the early detection of AD, and correcting perturbations in sphingolipid metabolism may be a plausible and novel therapeutic strategy in AD.

Bile acids (BAs) are the end products of cholesterol metabolism produced by human and gut microbiome co-metabolism. Recent evidence suggests gut microbiota influence pathological features of Alzheimer's disease (AD) including neuroinflammation and amyloid-β deposition.Serum levels of 20 primary and secondary BA metabolites from the AD Neuroimaging Initiative (n = 1562) were measured using targeted metabolomic profiling. We assessed the association of BAs with the "A/T/N" (amyloid, tau, and neurodegeneration) biomarkers for AD: cerebrospinal fluid (CSF) biomarkers, atrophy (magnetic resonance imaging), and brain glucose metabolism ([18F]FDG PET).Of 23 BAs and relevant calculated ratios after quality control procedures, three BA signatures were associated with CSF Aβ1-42 ("A") and three with CSF p-tau181 ("T") (corrected P < .05). Furthermore, three, twelve, and fourteen BA signatures were associated with CSF t-tau, glucose metabolism, and atrophy ("N"), respectively (corrected P < .05).This is the first study to show serum-based BA metabolites are associated with "A/T/N" AD biomarkers, providing further support for a role of BA pathways in AD pathophysiology. Prospective clinical observations and validation in model systems are needed to assess causality and specific mechanisms underlying this association.

Abstract Introduction Increasing evidence suggests a role for the gut microbiome in central nervous system disorders and specific role for the gut-brain axis in neurodegeneration. Bile acids (BA), products of cholesterol metabolism and clearance, are produced in the liver and are further metabolized by gut bacteria. They have major regulatory and signaling functions and seem dysregulated in Alzheimer disease (AD). Methods Serum levels of 15 primary and secondary BAs and their conjugated forms were measured in 1,464 subjects including 370 cognitively normal older adults (CN), 284 with early mild cognitive impairment (MCI), 505 with late MCI, and 305 AD cases enrolled in the AD Neuroimaging Initiative. We assessed associations of BA profiles including selected ratios with diagnosis, cognition, and AD-related genetic variants, adjusting for cofounders and multiple testing. Results In AD compared to CN, we observed significantly lower serum concentrations of a primary BA (cholic acid CA) and increased levels of the bacterially produced, secondary BA, deoxycholic acid (DCA), and its glycine and taurine conjugated forms. An increased ratio of DCA:CA, which reflects 7α-dehydroxylation of CA by gut bacteria, strongly associated with cognitive decline, a finding replicated in serum and brain samples in the Rush Religious Orders and Memory and Aging Project. Several genetic variants in immune response related genes implicated in AD showed associations with BA profiles. Conclusion We report for the first time an association between altered BA profile, genetic variants implicated in AD and cognitive changes in disease using a large multicenter study. These findings warrant further investigation of gut dysbiosis and possible role of gut liver brain axis in the pathogenesis of AD.

Abstract Objective To investigate the association of triglyceride (TG) principal component scores with Alzheimer’s disease (AD) and the “A/T/N/V” (Amyloid, Tau, Neurodegeneration, and Cerebrovascular disease) biomarkers for AD. Methods Serum levels of 84 TG species were measured using untargeted lipid profiling of 689 participants from the Alzheimer’s Disease Neuroimaging Initiative (ADNI) cohort including 190 cognitively normal older adults (CN) and 339 mild cognitive impairment (MCI) and 160 AD. Principal component analysis with factor rotation was used for dimension reduction of TG species. Differences in principal components between diagnostic groups and associations between principal components and AD biomarkers (including CSF, MRI and [18F]FDG-PET) were assessed using a multivariate generalized linear model (GLM) approach. In both cases, the Bonferroni method of adjustment was employed to correct for multiple comparisons. Results The 84 TGs yielded 9 principal components, two of which consisting of long-chain, polyunsaturated fatty acid-containing TGs (PUTGs), were significantly associated with MCI and AD. Lower levels of PUTGs were observed in MCI and AD compared to CN. PUTG principal component scores were also significantly associated with hippocampal volume and entorhinal cortical thickness. In participants carrying APOE ε4 allele, these principal components were significantly associated with CSF amyloid-β 1-42 values and entorhinal cortical thickness. Conclusions This study shows PUTG component scores significantly associated with diagnostic group and AD biomarkers, a finding that was more pronounced in APOE ε4 carriers. Replication in independent larger studies and longitudinal follow-up are warranted.

Abstract RATIONALE Metabolomics in the Alzheimer’s Disease Neuroimaging Initiative (ADNI) cohort provides a powerful tool for mapping biochemical changes in AD, and a unique opportunity to learn about the association between circulating blood metabolites and brain amyloid-β deposition in AD. OBJECTIVES We examined 140 serum metabolites and their associations with brain amyloid-β deposition, cognition, and conversion from mild cognitive impairment (MCI) to AD. FINDINGS Serum-based targeted metabolite levels were measured in 1,531 ADNI participants. We performed association analysis of metabolites with brain amyloid-β deposition measured from [18F] Florbetapir PET scans. We identified nine metabolites as significantly associated with amyloid-β deposition after FDR-based multiple comparison correction. Higher levels of one acylcarnitine (C3; propionylcarnitine) and one biogenic amine (kynurenine) were associated with decreased amyloid-β accumulation. However, higher levels of seven phosphatidylcholines (PC) were associated with increased amyloid deposition. In addition, PC ae C44:4 was significantly associated with cognition and conversion from MCI to AD dementia. CONCLUSION Perturbations in PC and acylcarnitine metabolism may play a role in features intrinsic to AD including amyloid-β deposition and cognitive performance.

Introduction: Bile acids (BAs) are the end products of cholesterol metabolism produced by human and gut microbiome co-metabolism. Recent evidence suggests gut microbiota influence pathological features of Alzheimers disease (AD) including neuroinflammation and amyloid-beta deposition. Method: Serum levels of 20 primary and secondary BA metabolites from the AD Neuroimaging Initiative (n=1562) were measured using targeted metabolomic profiling. We assessed the association of BAs with the A/T/N (Amyloid, Tau and Neurodegeneration) biomarkers for AD: CSF biomarkers, atrophy (MRI), and brain glucose metabolism ([18F]FDG-PET). Results: Of 23 BA and relevant calculated ratios, three BA signatures were associated with CSF Aβ1-42 (A) and three with CSF p-tau181 (T) (corrected p<0.05). Furthermore, three, twelve, and fourteen BA signatures were associated with CSF t-tau, glucose metabolism, and atrophy (N), respectively (corrected p<0.05). Conclusion: This is the first study to show serum-based BA metabolites are associated with A/T/N AD biomarkers, providing further support for a role of BA pathways in AD pathophysiology. Prospective clinical observations and validation in model systems are needed to assess causality and specific mechanisms underlying this association.

The incidence of Alzheimer's disease (AD) increases with age and is a significant cause of worldwide morbidity and mortality. However, the metabolic perturbations behind the onset of AD remains unclear. In this study, we performed metabolite profiling in both brain (n = 109) and matching serum samples (n = 566) to identify differentially expressed metabolites and metabolic pathways associated with neuropathology and cognitive performance and to identify individuals at high risk of developing cognitive impairment. The abundances of six metabolites, GLCA, petroselinic acid, linoleic acid, myristic acid, palmitic acid, and palmitoleic acid as well as the DCA/CA ratio, along with the dysregulation scores of three metabolic pathways, primary bile acid biosynthesis, fatty acid biosynthesis, and biosynthesis of unsaturated fatty acids showed significant differences in diagnostic groups across both brain and serum (P-value < 0.05). Significant associations were observed between the levels of differential metabolites/pathways and cognitive performance, neurofibrillary tangles, and neuritic plaque burden. Metabolites abundances and personalized metabolic pathways scores were used to derive machine learning models that could be used to differentiate cognitively impaired persons from those without cognitive impairment (median of AUC = 0.772 for the metabolite level model; median of AUC = 0.731 for the pathway level model). Utilizing these two models on the entire baseline control group, we identified those who experienced cognitive decline (AUC = 0.804, sensitivity = 0.722, specificity = 0.749 for the metabolite level model; AUC = 0.778, sensitivity = 0.633, specificity = 0.825 for the pathway level model) and demonstrated their pre-AD onset prediction potentials. Our study provides a proof-of-concept that it is possible to discriminate antecedent cognitive impairment in older adults before the onset of overt clinical symptoms using metabolomics. Our findings, if validated in future studies, could enable the earlier detection and intervention of cognitive impairment that may halt its progression.