“Normal” for the gut microbiota For the benefit of future clinical studies, it is critical to establish what constitutes a “normal” gut microbiome, if it exists at all. Through fecal samples and questionnaires, Falony et al. and Zhernakova et al. targeted general populations in Belgium and the Netherlands, respectively. Gut microbiota composition correlated with a range of factors including diet, use of medication, red blood cell counts, fecal chromogranin A, and stool consistency. The data give some hints for possible biomarkers of normal gut communities. Science , this issue pp. 560 and 565

“Normal” for the gut microbiota For the benefit of future clinical studies, it is critical to establish what constitutes a “normal” gut microbiome, if it exists at all. Through fecal samples and questionnaires, Falony et al. and Zhernakova et al. targeted general populations in Belgium and the Netherlands, respectively. Gut microbiota composition correlated with a range of factors including diet, use of medication, red blood cell counts, fecal chromogranin A, and stool consistency. The data give some hints for possible biomarkers of normal gut communities. Science , this issue pp. 560 and 565

The relationship between gut microbial metabolism and mental health is one of the most intriguing and controversial topics in microbiome research. Bidirectional microbiota-gut-brain communication has mostly been explored in animal models, with human research lagging behind. Large-scale metagenomics studies could facilitate the translational process, but their interpretation is hampered by a lack of dedicated reference databases and tools to study the microbial neuroactive potential. Surveying a large microbiome population cohort (Flemish Gut Flora Project, n = 1,054) with validation in independent data sets (ntotal = 1,070), we studied how microbiome features correlate with host quality of life and depression. Butyrate-producing Faecalibacterium and Coprococcus bacteria were consistently associated with higher quality of life indicators. Together with Dialister, Coprococcus spp. were also depleted in depression, even after correcting for the confounding effects of antidepressants. Using a module-based analytical framework, we assembled a catalogue of neuroactive potential of sequenced gut prokaryotes. Gut-brain module analysis of faecal metagenomes identified the microbial synthesis potential of the dopamine metabolite 3,4-dihydroxyphenylacetic acid as correlating positively with mental quality of life and indicated a potential role of microbial γ-aminobutyric acid production in depression. Our results provide population-scale evidence for microbiome links to mental health, while emphasizing confounder importance.

Background and aims

 Proton pump inhibitors (PPIs) are among the top 10 most widely used drugs in the world. PPI use has been associated with an increased risk of enteric infections, most notably Clostridium difficile. The gut microbiome plays an important role in enteric infections, by resisting or promoting colonisation by pathogens. In this study, we investigated the influence of PPI use on the gut microbiome. 

Methods

 The gut microbiome composition of 1815 individuals, spanning three cohorts, was assessed by tag sequencing of the 16S rRNA gene. The difference in microbiota composition in PPI users versus non-users was analysed separately in each cohort, followed by a meta-analysis. 

Results

 211 of the participants were using PPIs at the moment of stool sampling. PPI use is associated with a significant decrease in Shannon9s diversity and with changes in 20% of the bacterial taxa (false discovery rate <0.05). Multiple oral bacteria were over-represented in the faecal microbiome of PPI-users, including the genus Rothia (p=9.8×10⁻³⁸). In PPI users we observed a significant increase in bacteria: genera Enterococcus, Streptococcus, Staphylococcus and the potentially pathogenic species Escherichia coli. 

Conclusions

 The differences between PPI users and non-users observed in this study are consistently associated with changes towards a less healthy gut microbiome. These differences are in line with known changes that predispose to C. difficile infections and can potentially explain the increased risk of enteric infections in PPI users. On a population level, the effects of PPI are more prominent than the effects of antibiotics or other commonly used drugs.

Approximately 1.5 billion people worldwide are overweight or affected by obesity, and are at risk of developing type 2 diabetes, cardiovascular disease and related metabolic and inflammatory disturbances. Although the mechanisms linking adiposity to associated clinical conditions are poorly understood, recent studies suggest that adiposity may influence DNA methylation, a key regulator of gene expression and molecular phenotype. Here we use epigenome-wide association to show that body mass index (BMI; a key measure of adiposity) is associated with widespread changes in DNA methylation (187 genetic loci with P < 1 × 10-7, range P = 9.2 × 10-8 to 6.0 × 10-46; n = 10,261 samples). Genetic association analyses demonstrate that the alterations in DNA methylation are predominantly the consequence of adiposity, rather than the cause. We find that methylation loci are enriched for functional genomic features in multiple tissues (P < 0.05), and show that sentinel methylation markers identify gene expression signatures at 38 loci (P < 9.0 × 10-6, range P = 5.5 × 10-6 to 6.1 × 10-35, n = 1,785 samples). The methylation loci identify genes involved in lipid and lipoprotein metabolism, substrate transport and inflammatory pathways. Finally, we show that the disturbances in DNA methylation predict future development of type 2 diabetes (relative risk per 1 standard deviation increase in methylation risk score: 2.3 (2.07-2.56); P = 1.1 × 10-54). Our results provide new insights into the biologic pathways influenced by adiposity, and may enable development of new strategies for prediction and prevention of type 2 diabetes and other adverse clinical consequences of obesity.

Rationale: Evidence suggests that the gut microbiome is involved in the development of cardiovascular disease, with the host–microbe interaction regulating immune and metabolic pathways. However, there was no firm evidence for associations between microbiota and metabolic risk factors for cardiovascular disease from large-scale studies in humans. In particular, there was no strong evidence for association between cardiovascular disease and aberrant blood lipid levels. Objectives: To identify intestinal bacteria taxa, whose proportions correlate with body mass index and lipid levels, and to determine whether lipid variance can be explained by microbiota relative to age, sex, and host genetics. Methods and Results: We studied 893 subjects from the LifeLines-DEEP population cohort. After correcting for age and sex, we identified 34 bacterial taxa associated with body mass index and blood lipids; most are novel associations. Cross-validation analysis revealed that microbiota explain 4.5% of the variance in body mass index, 6% in triglycerides, and 4% in high-density lipoproteins, independent of age, sex, and genetic risk factors. A novel risk model, including the gut microbiome explained ≤25.9% of high-density lipoprotein variance, significantly outperforming the risk model without microbiome. Strikingly, the microbiome had little effect on low-density lipoproteins or total cholesterol. Conclusions: Our studies suggest that the gut microbiome may play an important role in the variation in body mass index and blood lipid levels, independent of age, sex, and host genetics. Our findings support the potential of therapies altering the gut microbiome to control body mass, triglycerides, and high-density lipoproteins.

Peter 't Hoen, Lude Franke, Bastiaan Heijmans and colleagues present a combined analysis of methylome and transcriptome data from a large collection of whole-blood samples to infer the downstream effects of disease-associated variants. They identify a large number of trait-associated SNPs influencing methylation of CpG sites in trans, providing insights into the downstream functional effects of many disease-associated variants. Most disease-associated genetic variants are noncoding, making it challenging to design experiments to understand their functional consequences1,2. Identification of expression quantitative trait loci (eQTLs) has been a powerful approach to infer the downstream effects of disease-associated variants, but most of these variants remain unexplained3,4. The analysis of DNA methylation, a key component of the epigenome5,6, offers highly complementary data on the regulatory potential of genomic regions7,8. Here we show that disease-associated variants have widespread effects on DNA methylation in trans that likely reflect differential occupancy of trans binding sites by cis-regulated transcription factors. Using multiple omics data sets from 3,841 Dutch individuals, we identified 1,907 established trait-associated SNPs that affect the methylation levels of 10,141 different CpG sites in trans (false discovery rate (FDR) < 0.05). These included SNPs that affect both the expression of a nearby transcription factor (such as NFKB1, CTCF and NKX2-3) and methylation of its respective binding site across the genome. Trans methylation QTLs effectively expose the downstream effects of disease-associated variants.

Differences in gut microbiota composition and function were observed between patients with inflammatory bowel disease or irritable bowel syndrome.

Genetic risk factors often localize to noncoding regions of the genome with unknown effects on disease etiology. Expression quantitative trait loci (eQTLs) help to explain the regulatory mechanisms underlying these genetic associations. Knowledge of the context that determines the nature and strength of eQTLs may help identify cell types relevant to pathophysiology and the regulatory networks underlying disease. Here we generated peripheral blood RNA-seq data from 2,116 unrelated individuals and systematically identified context-dependent eQTLs using a hypothesis-free strategy that does not require previous knowledge of the identity of the modifiers. Of the 23,060 significant cis-regulated genes (false discovery rate (FDR) ≤ 0.05), 2,743 (12%) showed context-dependent eQTL effects. The majority of these effects were influenced by cell type composition. A set of 145 cis-eQTLs depended on type I interferon signaling. Others were modulated by specific transcription factors binding to the eQTL SNPs.