YK
Yuko Kurushima
Author with expertise in Periodontal Diseases and Oral Microbiome
Achievements
This user has not unlocked any achievements yet.
Key Stats
Upvotes received:
0
Publications:
3
(33% Open Access)
Cited by:
0
h-index:
11
/
i10-index:
11
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Epigenetic findings in periodontitis in UK twins: a cross sectional study

Yuko Kurushima et al.Aug 2, 2018
Background: Genetic and environmental risk factors contribute to periodontal disease, but the underlying susceptibility pathways are not fully understood. Epigenetic mechanisms are malleable regulators of gene function that can change in response to genetic and environmental stimuli, thereby providing a potential mechanism mediating risk effects in periodontitis. The aim of this study is to identify epigenetic changes across tissues that are associated with periodontal disease. Methods: Self-reported gingival bleeding, and history of gum disease or tooth mobility were used as indicators of periodontal disease. DNA methylation profiles were generated using the Infinium HumanMethylation450 BeadChip in whole blood, buccal, and adipose samples from predominantly older female twins (mean age 58) from the TwinsUK cohort. Epigenome-wide association scans (EWAS) of gingival bleeding and tooth mobility were conducted in whole blood in 528 and 492 twins, respectively. Subsequently, targeted candidate gene analysis including 28 genomic signals was performed for phenotype-methylation associations in 41 (Tooth mobility) and 43 (Gingival bleeding) buccal samples, and 501 (Tooth mobility) and 556 (Gingival bleeding) adipose DNA samples. Results: Epigenome-wide analyses in blood identified one CpG-site (cg21245277 in ZNF804A) associated with gingival bleeding (FDR=0.03, nominal p-value=7.17e-8), and 58 sites associated with tooth mobility (FDR<0.05) with the top signals in IQCE and XKR6. Epigenetic variation at 28 candidate regions (256 CpG-sites) for chronic periodontitis showed a strong enrichment for association with periodontal traits, and signals in eight genes (VDR, IL6ST, TMCO6, IL1RN, CD44, IL1B, WHAMM, and CXCL1) were significant in both traits. The methylation-phenotype association signals validated in buccal samples, and a subset (25%) also validated in adipose tissue. Conclusions: Epigenome-wide analyses in female adult twins identified specific DNA methylation changes linked to self-reported periodontal disease. Future work will explore the environmental basis and functional impact of these results to infer potential for strategic personalized treatments and prevention of chronic periodontitis.
0

Genome-wide scan identifies novel genetic loci regulating salivary metabolite levels

Abhishek Nag et al.Jul 1, 2019
Saliva, as a biofluid, is inexpensive and non-invasive to obtain, and provides a vital tool to investigate oral health and its interaction with systemic health conditions. There is growing interest in salivary biomarkers for systemic diseases, notably cardiovascular disease. Whereas hundreds of genetic loci have been shown to be involved in the regulation of blood metabolites leading to unprecedented insights into the pathogenesis of complex human diseases, little is known about the impact of host genetics on salivary metabolites. Here we report the first genome-wide association study exploring 476 salivary metabolites in 1,419 subjects of European ancestry from the TwinsUK cohort (discovery phase). A total of 14 salivary metabolites were significantly associated (p<10−10) with genetic variants that mapped to 11 distinct loci, most of which replicated in the Study of Health in Pomerania (SHIP-2) cohort. Interestingly, while only a limited number of the loci that are known to regulate blood metabolites were also associated with salivary metabolites in our study, we identified several novel saliva-specific locus-metabolite associations, including associations for the AGMAT (with the metabolites 4-guanidinobutanoate and beta-guanidinopropanoate), ATP13A5 (with the metabolite creatinine) and DPYS (with the metabolites 3-ureidopropionate and 3-ureidoisobutyrate) loci. Our study suggests that there are biological pathways which are specific to the regulation of the salivary metabolome. In addition, some of our findings may have clinical relevance, such as the utility of the pyrimidine (uracil) degradation metabolites in predicting 5-fluorouracil toxicity and the role of the agmatine pathway metabolites as biomarkers of oral health.
1

Influential factors of saliva microbiota composition

Philippa Wells et al.Dec 23, 2021
Abstract Background The oral microbiota is emerging as an influential factor of host physiology and disease state. Factors influencing oral microbiota composition have not been well characterised. In particular, there is a lack of population-based studies. We undertook a large hypothesis-free study of the saliva microbiota, considering potential influential factors of host health (frailty; diet; periodontal disease), demographics (age; sex; BMI) and sample processing (storage time), in a sample (n=679) of the TwinsUK cohort of adult twins. Results Alpha and beta diversity of the saliva microbiota was associated most strongly with frailty (alpha diversity: Q = 0.003, Observed; Q=0.002, Shannon; Q=0.003, Simpson; Beta diversity: Q = 0.002, Bray Curtis dissimilarity) and age (alpha diversity: Q=0.006, Shannon; Q=0.003, Simpson; beta diversity: Q=0.002, Bray Curtis dissimilarity; Q= 0.032, Weighted UniFrac) in multivariate models including age, frailty, sex, BMI, frailty and diet, and adjustment for multiple testing. Those with a more advanced age were more likely to be dissimilar in the saliva microbiota composition than younger participants (P = 5.125e-06, ANOVA). In subsample analyses, including consideration of periodontal disease (total n=138, periodontal disease n=66), the association with frailty remained for alpha diversity (Q=0.002, Observed ASVs; Q= 0.04 Shannon Index), but not beta diversity, whilst age was not demonstrated to associate with alpha or beta diversity in this subsample, potentially due to insufficient statistical power. Length of time that samples were stored prior to sequencing was associated with beta diversity (Q = 0.002, Bray Curtis dissimilarity). Six bacterial taxa were associated with age after adjustment for frailty and diet. Conclusions Frailty and age emerged as the most influential factors of saliva microbiota composition. Whilst frailty and age are correlates, the associations were independent of each other, suggesting that both biological and chronological ageing are key drivers of saliva microbiota composition.