Type 2 diabetes mellitus (T2D) is a growing health problem, but little is known about its early disease stages, its effects on biological processes or the transition to clinical T2D. To understand the earliest stages of T2D better, we obtained samples from 106 healthy individuals and individuals with prediabetes over approximately four years and performed deep profiling of transcriptomes, metabolomes, cytokines, and proteomes, as well as changes in the microbiome. This rich longitudinal data set revealed many insights: first, healthy profiles are distinct among individuals while displaying diverse patterns of intra- and/or inter-personal variability. Second, extensive host and microbial changes occur during respiratory viral infections and immunization, and immunization triggers potentially protective responses that are distinct from responses to respiratory viral infections. Moreover, during respiratory viral infections, insulin-resistant participants respond differently than insulin-sensitive participants. Third, global co-association analyses among the thousands of profiled molecules reveal specific host-microbe interactions that differ between insulin-resistant and insulin-sensitive individuals. Last, we identified early personal molecular signatures in one individual that preceded the onset of T2D, including the inflammation markers interleukin-1 receptor agonist (IL-1RA) and high-sensitivity C-reactive protein (CRP) paired with xenobiotic-induced immune signalling. Our study reveals insights into pathways and responses that differ between glucose-dysregulated and healthy individuals during health and disease and provides an open-access data resource to enable further research into healthy, prediabetic and T2D states.

Precision health relies on the ability to assess disease risk at an individual level, detect early preclinical conditions and initiate preventive strategies. Recent technological advances in omics and wearable monitoring enable deep molecular and physiological profiling and may provide important tools for precision health. We explored the ability of deep longitudinal profiling to make health-related discoveries, identify clinically relevant molecular pathways and affect behavior in a prospective longitudinal cohort (n = 109) enriched for risk of type 2 diabetes mellitus. The cohort underwent integrative personalized omics profiling from samples collected quarterly for up to 8 years (median, 2.8 years) using clinical measures and emerging technologies including genome, immunome, transcriptome, proteome, metabolome, microbiome and wearable monitoring. We discovered more than 67 clinically actionable health discoveries and identified multiple molecular pathways associated with metabolic, cardiovascular and oncologic pathophysiology. We developed prediction models for insulin resistance by using omics measurements, illustrating their potential to replace burdensome tests. Finally, study participation led the majority of participants to implement diet and exercise changes. Altogether, we conclude that deep longitudinal profiling can lead to actionable health discoveries and provide relevant information for precision health. Personalized omics profiling can lead to actionable health discoveries and stimulate lifestyle changes.

Acute physical activity leads to several changes in metabolic, cardiovascular, and immune pathways. Although studies have examined selected changes in these pathways, the system-wide molecular response to an acute bout of exercise has not been fully characterized. We performed longitudinal multi-omic profiling of plasma and peripheral blood mononuclear cells including metabolome, lipidome, immunome, proteome, and transcriptome from 36 well-characterized volunteers, before and after a controlled bout of symptom-limited exercise. Time-series analysis revealed thousands of molecular changes and an orchestrated choreography of biological processes involving energy metabolism, oxidative stress, inflammation, tissue repair, and growth factor response, as well as regulatory pathways. Most of these processes were dampened and some were reversed in insulin-resistant participants. Finally, we discovered biological pathways involved in cardiopulmonary exercise response and developed prediction models revealing potential resting blood-based biomarkers of peak oxygen consumption.

Abstract Whole exome sequencing (WES) is increasingly utilized in both clinical and non-clinical settings, but little is known about the utility of WES in healthy individuals. In order to determine the frequency of both medically actionable and non-actionable but medically relevant exome findings in the general population we assessed the exomes of 70 participants who have been extensively characterized over the past several years as part of a longitudinal integrated multi-omics profiling study at Stanford University. We assessed exomes for rare likely pathogenic and pathogenic variants in genes associated with Mendelian disease in the Online Mendelian Inheritance in Man (OMIM) database. We used American College of Medical Genetics (ACMG) guidelines were used for the classification of rare sequence variants, and additionally we assessed pharmacogenetic variants. Twelve out of 70 (17%) participants had medically actionable findings in Mendelian disease genes, including 6 (9%) with mutations in genes not currently included in the ACMG’s list of 59 actionable genes. This number is higher than that reported in previous studies and suggests added benefit from utilizing expanded gene lists and manual curation to assess actionable findings. A total of 60 participants (89%) had non-actionable findings identified including 57 who were found to be mutation carriers for recessive diseases and 21 who have increased Alzheimer’s disease risk due to heterozyg ous or homozygous APOE e4 alleles (18 participants had both). These results suggest that exome sequencing may have considerably more utility for health management in the general population than previously thought.

Abstract Pregnancy is a critical time that has long-term impacts on both maternal and fetal health. During pregnancy, the maternal metabolome undergoes dramatic systemic changes, although correlating longitudinal changes in maternal urine remain largely unexplored. We applied an LCMS-based untargeted metabolomics profiling approach to analyze 346 longitudinal maternal urine samples collected throughout pregnancy for 36 women from diverse ethnic backgrounds with differing clinical characteristics. We detected 20,314 metabolic peaks and annotated 875 metabolites. Altered metabolites include a broad panel of glucocorticoids, lipids, and amino acid derivatives, which revealed systematic pathway alterations during pregnancy. We also developed a machine-learning model to precisely predict gestational age (GA) at time of sampling using urine metabolites that provides a non-invasive method for pregnancy dating. This longitudinal maternal urine study demonstrates the clinical utility of using untargeted metabolomics in obstetric settings. One Sentence Summary Machine-learning based gestational age and due date using longitudinal urine samples of pregnancy.

ABSTRACT Chronic systolic heart failure (HF) is a prevalent and morbid disease with marked variability in its progression and response to therapies. The gut microbiome may play a role in pathophysiology and progression of chronic HF, but clinical studies investigating relationships between the two are lacking. We analyzed the gut microbiome in a cohort of adults with chronic systolic HF caused by non-ischemic cardiomyopathy ( n =59) using multi-omics profiling and, in some cases, longitudinal sampling. We identified microbiome differences compared to healthy subjects ( n =50) and associated these differences with host metabolites, inflammatory markers and physiology. We found depletion of the anti-inflammatory probiotic Bifidobacterium and the associated short chain fatty acid producing and formaldehyde detoxifying pathways in the chronic HF cohort. We also discovered HF-specific microbiome-host immunome interactions. In addition to identifying several taxa and microbial pathways broadly associated with HF disease severity, we found significant links between Bifidobacterium and clinical HF improvement over time. Gut microbiome-host multi-omic data integration revealed a close association between Bifidobacterium and circulating metabolites previously implicated in cardiovascular physiology (e.g., malonic acid), thus pointing to potential mechanisms through which Bifidobacterium may affect chronic HF physiology. Our results suggest that Bifidobacterium may serve as a biomarker for chronic HF trajectory as well as suggest potential novel therapeutic interventions strategies.

Exercise testing is routinely used in clinical practice to assess fitness - a strong predictor of survival - as well as causes of exercise limitations. While these studies often focus on cardiopulmonary response and selected molecular pathways, the dynamic system-wide molecular response to exercise has not been fully characterized. We performed a longitudinal multi-omic profiling of plasma and peripheral blood mononuclear cells including transcriptome, immunome, proteome, metabolome and lipidome in 36 well-characterized volunteers before and after a controlled bout of acute exercise (2, 15, 30 min and 1 hour in recovery). Integrative analysis revealed an orchestrated choreography of biological processes across key tissues. Most of these processes were dampened in insulin resistant participants. Finally, we discovered biological pathways involved in exercise capacity and developed prediction models revealing potential resting blood-based biomarkers of fitness.