A total of 2,618,862 participants reported their potential symptoms of COVID-19 on a smartphone-based app. Among the 18,401 who had undergone a SARS-CoV-2 test, the proportion of participants who reported loss of smell and taste was higher in those with a positive test result (4,668 of 7,178 individuals; 65.03%) than in those with a negative test result (2,436 of 11,223 participants; 21.71%) (odds ratio = 6.74; 95% confidence interval = 6.31–7.21). A model combining symptoms to predict probable infection was applied to the data from all app users who reported symptoms (805,753) and predicted that 140,312 (17.42%) participants are likely to have COVID-19. Analysis of data from a smartphone-based app designed for large-scale tracking of potential COVID-19 symptoms, used by over 2.5 million participants in the United Kingdom and United States, shows that loss of taste and smell sensations is predictive of potential SARS-CoV-2 infection.

Abstract The human gut is inhabited by a complex and metabolically active microbial ecosystem. While many studies focused on the effect of individual microbial taxa on human health, their overall metabolic potential has been under-explored. Using whole-metagenome shotgun sequencing data in 1,004 twins, we first observed that unrelated subjects share, on average, almost double the number of metabolic pathways (82%) than species (43%). Then, using 673 blood and 713 faecal metabolites, we found metabolic pathways to be associated with 34% of blood and 95% of faecal metabolites, with over 18,000 significant associations, while species showed less than 3,000 associations. Finally, we estimated that the microbiome was involved in a dialogue between 71% of faecal, and 15% of blood, metabolites. This study underlines the importance of studying the microbial metabolic potential rather than focusing purely on taxonomy to find therapeutic and diagnostic targets, and provides a unique resource describing the interplay between the microbiome and the systemic and faecal metabolic environments.

The serum metabolome contains a plethora of biomarkers and causative agents of various diseases, some of which are endogenously produced and some that have been taken up from the environment1. The origins of specific compounds are known, including metabolites that are highly heritable2,3, or those that are influenced by the gut microbiome4, by lifestyle choices such as smoking5, or by diet6. However, the key determinants of most metabolites are still poorly understood. Here we measured the levels of 1,251 metabolites in serum samples from a unique and deeply phenotyped healthy human cohort of 491 individuals. We applied machine-learning algorithms to predict metabolite levels in held-out individuals on the basis of host genetics, gut microbiome, clinical parameters, diet, lifestyle and anthropometric measurements, and obtained statistically significant predictions for more than 76% of the profiled metabolites. Diet and microbiome had the strongest predictive power, and each explained hundreds of metabolites—in some cases, explaining more than 50% of the observed variance. We further validated microbiome-related predictions by showing a high replication rate in two geographically independent cohorts7,8 that were not available to us when we trained the algorithms. We used feature attribution analysis9 to reveal specific dietary and bacterial interactions. We further demonstrate that some of these interactions might be causal, as some metabolites that we predicted to be positively associated with bread were found to increase after a randomized clinical trial of bread intervention. Overall, our results reveal potential determinants of more than 800 metabolites, paving the way towards a mechanistic understanding of alterations in metabolites under different conditions and to designing interventions for manipulating the levels of circulating metabolites. The levels of 1,251 metabolites are measured in 475 phenotyped individuals, and machine-learning algorithms reveal that diet and the microbiome are the determinants with the strongest predictive power for the levels of these metabolites.

ABSTRACT X-chromosome inactivation (XCI) silences one X-chromosome in female cells to balance sex-differences in X-dosage. A subset of X-linked genes escape XCI, but the extent to which this phenomenon occurs and how it varies across tissues and in a population is as yet unclear. In order to characterize the incidence and variability of escape across individuals and tissues, we conducted a large scale transcriptomic study of XCI escape in adipose, skin, lymphoblastoid cell lines (LCLs) and immune cells in 248 twins drawn from a healthy population cohort. We identify 159 X-linked genes with detectable escape, of which 54 genes, including 19 lncRNAs, were not previously known to escape XCI. Across tissues we find a range of tissue-specificity, with 11% of genes escaping XCI constitutively across tissues and 24% demonstrating tissue-restricted escape, including genes with cell-type specific escape between immune cell types (B, T-CD4 + , T-CD8 + and NK cells) of the same individual. Escape genes interact with autosomal-encoded proteins and are involved in varied biological processes such as gene regulation. We find substantial variability in escape between individuals. 49% of genes show inter-individual variability in escape, indicating escape from XCI is an under-appreciated source of gene expression differences. We utilized twin models to investigate the role of genetics in variable escape. Overall, monozygotic (MZ) twin pairs share more similar escape than dizygotic twin pairs, indicating that genetic factors underlie differences in escape across individuals. However, we also identify instances of discordant XCI within MZ co-twin pairs, suggesting that environmental factors also influence escape. Thus, XCI escape may be shaped by an interplay of genetic factors with tissue- and cell type-specificity, and environment. These results illuminate an intricate phenotype whose characterization aids understanding the basis of variable trait expressivity in females.

Abstract Background Vitamin A is essential for physiological processes like vision and immunity. Vitamin A’s effect on gut microbiome composition, which affects absorption and metabolism of other vitamins, is still unknown. Here we examined the relationship between gut metagenome composition and six vitamin A-related metabolites (two retinoid: -retinol, 4 oxoretinoic acid (oxoRA) and four carotenoid metabolites, including beta-cryptoxanthin and three carotene diols). Methods We included 1053 individuals from the TwinsUK cohort with vitamin A-related metabolites measured in serum and faeces, diet history, and gut microbiome composition assessed by shotgun metagenome sequencing. Results were replicated in 327 women from the ZOE PREDICT-1 study. Results Five vitamin A-related serum metabolites were positively correlated with microbiome alpha diversity ( r = 0.15 to r = 0.20, p < 4 × 10 −6 ). Carotenoid compounds were positively correlated with the short-chain fatty-acid-producing bacteria Faecalibacterium prausnitzii and Coprococcus eutactus. Retinol was not associated with any microbial species. We found that gut microbiome composition could predict circulating levels of carotenoids and oxoretinoic acid with AUCs ranging from 0.66 to 0.74 using random forest models, but not retinol (AUC = 0.52). The healthy eating index (HEI) was strongly associated with gut microbiome diversity and with all carotenoid compounds, but not retinoids. We investigated the mediating role of carotenoid compounds on the effect of a healthy diet (HEI) on gut microbiome diversity, finding that carotenoids significantly mediated between 18 and 25% of the effect of HEI on gut microbiome alpha diversity. Conclusions Our results show strong links between circulating carotene compounds and gut microbiome composition and potential links to a healthy diet pattern.

Immunoglobulin (Ig) glycosylation modulates the immune response and plays a critical role in ageing and diseases. Studies have mainly focused on IgG glycosylation, and little is known about the genetics and epidemiology of IgA glycosylation.

The pathogenesis of autoimmune thyroid diseases (AITD) is poorly understood. We previously observed systemic depletion of IgG core fucosylation and antennary α1,2 fucosylation of peripheral blood mononuclear cells in AITD, correlated with thyroid peroxidase antibody (TPOAb) levels. We hypothesized that deficiency in IgG core fucose enhances antibody-dependent cell-mediated cytotoxicity of thyrocytes by TPOAb, contributing to thyroid autoimmunity. Multi-omic evaluations in 622 individuals (172 with AITD) from the TwinsUK cohort showed decreased IgG core fucosylation levels associated with a subpopulation of natural killer (NK) cells featuring CD335, CD314, and CD158b immunoreceptors, and increased levels of apoptosis-associated Caspase-2 and Interleukin-1α, positively associated with AITD. AITD-associated genetic variants rs1521 and rs3094228 alter expression of thyrocyte ligands of the CD314 and CD158b immunoreceptors on NK cells. The combination of low-core fucose IgG associated with an NK cell subpopulation and genetic variant-promoted ligand activation in thyrocytes may promote antibody-dependent NK cell-mediated cytotoxicity of thyrocytes in AITD.

The human gut is inhabited by a complex and metabolically active microbial ecosystem regulating host health. While many studies have focused on the effect of individual microbial taxa, the metabolic potential of the entire gut microbial ecosystem has been largely under-explored. We characterised the gut microbiome of 1,004 twins via whole shotgun metagenomic sequencing (average 39M reads per sample). We observed greater similarity, across unrelated individuals, for functional metabolic pathways (82%) than for taxonomic composition (43%). We conducted a microbiota-wide association study linking both taxonomic information and microbial metabolic pathways with 673 blood and 713 faecal metabolites (Metabolon, Inc.). Metabolic pathways associated with 34% of blood and 95% of faecal metabolites, with over 18,000 significant associations, while species-level results identified less than 3,000 associations, suggesting that coordinated action of multiple taxa is required to affect the metabolome. Finally, we estimated that the microbiome mediated a crosstalk between 71% of faecal and 15% of blood metabolites, highlighting six key species (unclassified Subdoligranulum spp., Faecalibacterium prausnitzii, Roseburia inulinivorans, Methanobrevibacter smithii, Eubacterium rectale, and Akkermansia muciniphila). Because of the large inter-person variability in microbiome composition, our results underline the importance of studying gut microbial metabolic pathways rather than focusing purely on taxonomy to find therapeutic and diagnostic targets.

The total number of acquired melanocytic nevi on the skin is strongly correlated with melanoma risk. Here we report a meta-analysis of 11 nevus GWAS from Australia, Netherlands, United Kingdom, and United States, comprising a total of 52,506 phenotyped individuals. We confirm known loci including MTAP, PLA2G6, and IRF4, and detect novel SNPs at a genome-wide level of significance in KITLG, DOCK8, and a broad region of 9q32. In a bivariate analysis combining the nevus results with those from a recent melanoma GWAS meta-analysis (12,874 cases, 23,203 controls), SNPs near GPRC5A, CYP1B1, PPARGC1B, HDAC4, FAM208B and SYNE2 reached global significance, and other loci, including MIR146A and OBFC1, reached a suggestive level of significance. Overall, we conclude that most nevus genes affect melanoma risk (KITLG an exception), while many melanoma risk loci do not alter nevus count. For example, variants in TERC and OBFC1 affect both traits, but other telomere length maintenance genes seem to affect melanoma risk only. Our findings implicate multiple pathways in nevogenesis via genes we can show to be expressed under control of the MITF melanocytic cell lineage regulator.

Leveraging whole genome sequencing data of 1751 individuals from the UK and 2587 Qatari subjects, we suggest here an association of rare variants mapping to the sour taste-associated gene KCNJ2 with reduced low-density lipoprotein cholesterol (LDL-C, P = 2.10 × 10