Current obesity prevention strategies recommend increasing daily physical activity, assuming that increased activity will lead to corresponding increases in total energy expenditure and prevent or reverse energy imbalance and weight gain [1World Health Organization (2014). Obesity and overweight. Fact Sheet No. 311. http://www.who.int/mediacentre/factsheets/fs311/en/.Google Scholar, 2World Health OrganizationGlobal Recommendations on Physical Activity for Health. World Health Organization, 2010Google Scholar, 3FAO/WHO/UNU (2001). Human energy requirements. FAO Food and Nutrition Technical Report Series 1. http://www.fao.org/docrep/007/y5686e/y5686e00.htm#Contents.Google Scholar]. Such Additive total energy expenditure models are supported by exercise intervention and accelerometry studies reporting positive correlations between physical activity and total energy expenditure [4Plasqui G. Bonomi A.G. Westerterp K.R. Daily physical activity assessment with accelerometers: new insights and validation studies.Obes. Rev. 2013; 14: 451-462Crossref PubMed Scopus (211) Google Scholar] but are challenged by ecological studies in humans and other species showing that more active populations do not have higher total energy expenditure [5Pontzer H. Constrained total energy expenditure and the evolutionary biology of energy balance.Exerc. Sport Sci. Rev. 2015; 43: 110-116Crossref PubMed Scopus (86) Google Scholar, 6Dugas L.R. Harders R. Merrill S. Ebersole K. Shoham D.A. Rush E.C. Assah F.K. Forrester T. Durazo-Arvizu R.A. Luke A. Energy expenditure in adults living in developing compared with industrialized countries: a meta-analysis of doubly labeled water studies.Am. J. Clin. Nutr. 2011; 93: 427-441Crossref PubMed Scopus (85) Google Scholar, 7Pontzer H. Raichlen D.A. Wood B.M. Mabulla A.Z. Racette S.B. Marlowe F.W. Hunter-gatherer energetics and human obesity.PLoS ONE. 2012; 7: e40503Crossref PubMed Scopus (204) Google Scholar, 8Pontzer H. Raichlen D.A. Gordon A.D. Schroepfer-Walker K.K. Hare B. O’Neill M.C. Muldoon K.M. Dunsworth H.M. Wood B.M. Isler K. et al.Primate energy expenditure and life history.Proc. Natl. Acad. Sci. USA. 2014; 111: 1433-1437Crossref PubMed Scopus (95) Google Scholar]. Here we tested a Constrained total energy expenditure model, in which total energy expenditure increases with physical activity at low activity levels but plateaus at higher activity levels as the body adapts to maintain total energy expenditure within a narrow range. We compared total energy expenditure, measured using doubly labeled water, against physical activity, measured using accelerometry, for a large (n = 332) sample of adults living in five populations [9Luke A. Bovet P. Forrester T.E. Lambert E.V. Plange-Rhule J. Schoeller D.A. Dugas L.R. Durazo-Arvizu R.A. Shoham D. Cooper R.S. et al.Protocol for the modeling the epidemiologic transition study: a longitudinal observational study of energy balance and change in body weight, diabetes and cardiovascular disease risk.BMC Public Health. 2011; 11: 927Crossref PubMed Scopus (48) Google Scholar]. After adjusting for body size and composition, total energy expenditure was positively correlated with physical activity, but the relationship was markedly stronger over the lower range of physical activity. For subjects in the upper range of physical activity, total energy expenditure plateaued, supporting a Constrained total energy expenditure model. Body fat percentage and activity intensity appear to modulate the metabolic response to physical activity. Models of energy balance employed in public health [1World Health Organization (2014). Obesity and overweight. Fact Sheet No. 311. http://www.who.int/mediacentre/factsheets/fs311/en/.Google Scholar, 2World Health OrganizationGlobal Recommendations on Physical Activity for Health. World Health Organization, 2010Google Scholar, 3FAO/WHO/UNU (2001). Human energy requirements. FAO Food and Nutrition Technical Report Series 1. http://www.fao.org/docrep/007/y5686e/y5686e00.htm#Contents.Google Scholar] should be revised to better reflect the constrained nature of total energy expenditure and the complex effects of physical activity on metabolic physiology.

Compared to other apes, humans live longer, reproduce faster and have larger brains; here, total energy expenditure is studied in humans and all species of great ape, and is shown to be significantly higher in humans, demonstrating that the human lineage has experienced an energy-boosting acceleration in metabolic rate. Humans live longer than other apes, reproduce faster and have larger brains. This uniquely human portfolio of metabolically costly traits suggests that at some point in the hominin lineage there was a relaxation of energetic constraints, but the underlying mechanisms involved remain largely unknown. Here Herman Pontzer et al. study total energy expenditure in humans and all known species of great ape. They also revisit the archival data that seemed to have confused the issue somewhat. The authors conclude that total energy expenditure is significantly higher in humans, and that this is related to fat mass and particularly to brain mass. Thus human evolution owes much to an increased metabolic rate, along with changes in energy allocation, one result being our predisposition to deposit fat, whilst other hominoids remain relatively lean. Humans are distinguished from the other living apes in having larger brains and an unusual life history that combines high reproductive output with slow childhood growth and exceptional longevity1. This suite of derived traits suggests major changes in energy expenditure and allocation in the human lineage, but direct measures of human and ape metabolism are needed to compare evolved energy strategies among hominoids. Here we used doubly labelled water measurements of total energy expenditure (TEE; kcal day−1) in humans, chimpanzees, bonobos, gorillas and orangutans to test the hypothesis that the human lineage has experienced an acceleration in metabolic rate, providing energy for larger brains and faster reproduction without sacrificing maintenance and longevity. In multivariate regressions including body size and physical activity, human TEE exceeded that of chimpanzees and bonobos, gorillas and orangutans by approximately 400, 635 and 820 kcal day−1, respectively, readily accommodating the cost of humans' greater brain size and reproductive output. Much of the increase in TEE is attributable to humans' greater basal metabolic rate (kcal day−1), indicating increased organ metabolic activity. Humans also had the greatest body fat percentage. An increased metabolic rate, along with changes in energy allocation, was crucial in the evolution of human brain size and life history.

Abstract Oral and fecal microbial biomarkers have previously been associated with cardiometabolic (CM) risk, however, no comprehensive attempt has been made to explore this association in minority populations or across different geographic regions. We characterized gut- and oral-associated microbiota and CM risk in 655 participants of African-origin, aged 25-45, from Ghana, South Africa, Jamaica, and the United States (US). CM risk was classified using the CM risk cut-points for elevated waist circumference, elevated blood pressure and elevated fasted blood glucose, low high-density lipoprotein (HDL), and elevated triglycerides. Gut-associated bacterial alpha diversity negatively correlated with elevated blood pressure and elevated fasted blood glucose. Similarly, gut bacterial beta diversity was also significantly differentiated by waist circumference, blood pressure, triglyceridemia and HDL-cholesterolemia. Notably, differences in inter- and intra-personal gut microbial diversity were geographic-region specific. Participants meeting the cut-points for 3 out of the 5 CM risk factors were significantly more enriched with Lachnospiraceae, and were significantly depleted of Clostridiaceae, Peptostreptococcaceae, and Prevotella . The predicted relative proportions of the genes involved in the pathways for lipopolysaccharides (LPS) and butyrate synthesis were also significantly differentiated by the CM risk phenotype, whereby genes involved in the butyrate synthesis via lysine, glutarate and 4-aminobutyrate/succinate pathways and LPS synthesis pathway were enriched in participants with greater CM risk. Furthermore, inter-individual oral microbiota diversity was also significantly associated with the CM risk factors, and oral-associated Streptococcus, Prevotella , and Veillonella were enriched in participants with 3 out of the 5 CM risk factors. We demonstrate that in a diverse cohort of African-origin adults, CM risk is significantly associated with reduced microbial diversity, and the enrichment of specific bacterial taxa and predicted functional traits in both gut and oral environments. As well as providing new insights into the associations between the gut and oral microbiota and CM risk, this study also highlights the potential for novel therapeutic discoveries which target the oral and gut microbiota in CM risk.

Abstract The relationship between the gut microbiota, short chain fatty acid (SCFA) metabolism, and obesity remains unclear due to conflicting reports from studies with limited statistical power. Additionally, this association has rarely been explored in large scale diverse populations. Here, we investigated associations between fecal microbial composition, predicted metabolic potential, SCFA concentrations, and obesity in a large ( N = 1,934) adult cohort of African-origin spanning the epidemiologic transition, from Ghana, South Africa, Jamaica, Seychelles, and the United States (US). The greatest gut microbiota diversity and total fecal SCFA concentration was found in the Ghanaian population, while the lowest levels were found in the US population, respectively representing the lowest and the highest end of the epidemiologic transition spectrum. Country-specific bacterial taxa and predicted-functional pathways were observed, including an increased prevalence of Prevotella , Butyrivibrio , Weisella and Romboutsia in Ghana and South Africa, while Bacteroides and Parabacteroides were enriched in Jamaican and the US populations. Importantly, ’VANISH’ taxa, including Butyricicoccus and Succinivibrio , were significantly enriched in the Ghanaian cohort, reflecting the participants’ traditional lifestyles. Obesity was significantly associated with lower SCFA concentrations, a decrease in microbial richness, and dissimilarities in community composition, and reduction in the proportion of SCFA synthesizing bacteria including Oscillospira , Christensenella , Eubacterium , Alistipes , Clostridium and Odoribacter . Further, the predicted proportions of genes in the lipopolysaccharide (LPS) synthesis pathway were enriched in obese individuals, while genes associated with butyrate synthesis via the dominant pyruvate pathway were significantly reduced in obese individuals. Using machine learning, we identified features predictive of metabolic state and country of origin. Country of origin could accurately be predicted by the fecal microbiota (AUC = 0.97), whereas obesity could not be predicted as accurately (AUC = 0.65). Participant sex (AUC = 0.75), diabetes status (AUC = 0.63), hypertensive status (AUC = 0.65), and glucose status (AUC = 0.66) could all be predicted with different success. Interestingly, within country, the predictive accuracy of the microbiota for obesity was inversely correlated to the epidemiological transition, being greatest in Ghana (AUC = 0.57). Collectively, our findings reveal profound variation in the gut microbiota, inferred functional pathways, and SCFA synthesis as a function of country of origin. While obesity could be predicted accurately from the microbiota, the variation in accuracy in parallel with the epidemiological transition suggests that differences in the microbiota between obesity and non-obesity may be larger in low-to-middle countries compared to high-income countries. Further examination of independent study populations using multi-omic approaches will be necessary to determine the factors that drive this association.

Malnutrition remains a major health problem in low and middle income countries. During low protein intake, < 0.67 g/kg/day, there is a loss of nitrogen (N2) balance, due to the unavailability of amino acid for metabolism and unbalanced protein catabolism results. However, there are individuals, who consume the same low protein intake, and preserve N2 balance for unknown reasons. A novel factor, the gut microbiota, may account for these N2 balance differences. To investigate this, we correlated gut microbial profiles with the growth of four murine strains (C57Bl6/J, CD-1, FVB, and NIH-Swiss) on protein deficient (PD) diet. Results show that a PD diet exerts a strain-dependent impact on growth and N2 balance as determined through analysis of urinary urea, ammonia and creatinine excretion. Bacterial alpha diversity was significantly (p < 0.05, FDR) lower across all strains on a PD diet compared to normal chow (NC). Multi-group analyses of the composition of microbiomes (ANCOM) revealed significantly differential microbial signatures between the 4 strains independent of diet. However, mice on a PD diet demonstrated differential enrichment of bacterial genera including, Allobaculum (C57Bl6/J), Parabacteroides (CD-1), Turicibacter (FVB), and Mucispirillum (NIH-Swiss) relative to NC. Additionally, statistical model fitting revealed that the relative abundance of genera such as Bifidobacterium, Ruminococcus, and Lactobacillus were significantly positively correlated with body weight, while Anaerofustis, Roseburia, and Bilophila were significantly positively correlated with ammonia excretion. Taken together, these results suggest a potential relationship between the specific gut microbiota, N2 balance and animal response to malnutrition.