Although it has long been recognized that the enteric community of bacteria that inhabit the human distal intestinal track broadly impacts human health, the biochemical details that underlie these effects remain largely undefined. Here, we report a broad MS-based metabolomics study that demonstrates a surprisingly large effect of the gut "microbiome" on mammalian blood metabolites. Plasma extracts from germ-free mice were compared with samples from conventional (conv) animals by using various MS-based methods. Hundreds of features were detected in only 1 sample set, with the majority of these being unique to the conv animals, whereas approximately 10% of all features observed in both sample sets showed significant changes in their relative signal intensity. Amino acid metabolites were particularly affected. For example, the bacterial-mediated production of bioactive indole-containing metabolites derived from tryptophan such as indoxyl sulfate and the antioxidant indole-3-propionic acid (IPA) was impacted. Production of IPA was shown to be completely dependent on the presence of gut microflora and could be established by colonization with the bacterium Clostridium sporogenes. Multiple organic acids containing phenyl groups were also greatly increased in the presence of gut microbes. A broad, drug-like phase II metabolic response of the host to metabolites generated by the microbiome was observed, suggesting that the gut microflora has a direct impact on the drug metabolism capacity of the host. Together, these results suggest a significant interplay between bacterial and mammalian metabolism.

Epigenetic modifications are crucial for proper lineage specification and embryo development. To explore the chromatin modification landscapes in human ES cells, we profiled two histone modifications, H3K4me3 and H3K27me3, by ChIP coupled with the paired-end ditags sequencing strategy. H3K4me3 was found to be a prevalent mark and occurred in close proximity to the promoters of two-thirds of total human genes. Among the H3K27me3 loci identified, 56% are associated with promoters and the vast majority of them are comodified by H3K4me3. By deep-transcript digital counting, 80% of H3K4me3 and 36% of comodified promoters were found to be transcribed. Remarkably, we observed that different combinations of histone methylations are associated with genes from distinct functional categories. These global histone methylation maps provide an epigenetic framework that enables the discovery of novel transcriptional networks and delineation of different genetic compartments of the pluripotent cell genome.

Glycemic traits are used to diagnose and monitor type 2 diabetes and cardiometabolic health. To date, most genetic studies of glycemic traits have focused on individuals of European ancestry. Here we aggregated genome-wide association studies comprising up to 281,416 individuals without diabetes (30% non-European ancestry) for whom fasting glucose, 2-h glucose after an oral glucose challenge, glycated hemoglobin and fasting insulin data were available. Trans-ancestry and single-ancestry meta-analyses identified 242 loci (99 novel; P < 5 × 10−8), 80% of which had no significant evidence of between-ancestry heterogeneity. Analyses restricted to individuals of European ancestry with equivalent sample size would have led to 24 fewer new loci. Compared with single-ancestry analyses, equivalent-sized trans-ancestry fine-mapping reduced the number of estimated variants in 99% credible sets by a median of 37.5%. Genomic-feature, gene-expression and gene-set analyses revealed distinct biological signatures for each trait, highlighting different underlying biological pathways. Our results increase our understanding of diabetes pathophysiology by using trans-ancestry studies for improved power and resolution. A trans-ancestry meta-analysis of GWAS of glycemic traits in up to 281,416 individuals identifies 99 novel loci, of which one quarter was found due to the multi-ancestry approach, which also improves fine-mapping of credible variant sets.

Alzheimer's Disease (AD), the most common type of dementia, is a severe neurodegenerative disorder. Identifying markers that can track the progress of the disease has recently received increasing attentions in AD research. A definitive diagnosis of AD requires autopsy confirmation, thus many clinical/cognitive measures including Mini Mental State Examination (MMSE) and Alzheimer's Disease Assessment Scale cognitive subscale (ADAS-Cog) have been designed to evaluate the cognitive status of the patients and used as important criteria for clinical diagnosis of probable AD. In this paper, we propose a multi-task learning formulation for predicting the disease progression measured by the cognitive scores and selecting markers predictive of the progression. Specifically, we formulate the prediction problem as a multi-task regression problem by considering the prediction at each time point as a task. We capture the intrinsic relatedness among different tasks by a temporal group Lasso regularizer. The regularizer consists of two components including an L2,1-norm penalty on the regression weight vectors, which ensures that a small subset of features will be selected for the regression models at all time points, and a temporal smoothness term which ensures a small deviation between two regression models at successive time points. We have performed extensive evaluations using various types of data at the baseline from the Alzheimer's Disease Neuroimaging Initiative (ADNI) database for predicting the future MMSE and ADAS-Cog scores. Our experimental studies demonstrate the effectiveness of the proposed algorithm for capturing the progression trend and the cross-sectional group differences of AD severity. Results also show that most markers selected by the proposed algorithm are consistent with findings from existing cross-sectional studies.

Smoking is a potentially causal behavioral risk factor for type 2 diabetes (T2D), but not all smokers develop T2D. It is unknown whether genetic factors partially explain this variation. We performed genome-environment-wide interaction studies to identify loci exhibiting potential interaction with baseline smoking status (ever vs. never) on incident T2D and fasting glucose (FG). Analyses were performed in participants of European (EA) and African ancestry (AA) separately. Discovery analyses were conducted using genotype data from the 50,000-single-nucleotide polymorphism (SNP) ITMAT-Broad-CARe (IBC) array in 5 cohorts from from the Candidate Gene Association Resource Consortium (n = 23,189). Replication was performed in up to 16 studies from the Cohorts for Heart Aging Research in Genomic Epidemiology Consortium (n = 74,584). In meta-analysis of discovery and replication estimates, 5 SNPs met at least one criterion for potential interaction with smoking on incident T2D at p<1x10-7 (adjusted for multiple hypothesis-testing with the IBC array). Two SNPs had significant joint effects in the overall model and significant main effects only in one smoking stratum: rs140637 (FBN1) in AA individuals had a significant main effect only among smokers, and rs1444261 (closest gene C2orf63) in EA individuals had a significant main effect only among nonsmokers. Three additional SNPs were identified as having potential interaction by exhibiting a significant main effects only in smokers: rs1801232 (CUBN) in AA individuals, rs12243326 (TCF7L2) in EA individuals, and rs4132670 (TCF7L2) in EA individuals. No SNP met significance for potential interaction with smoking on baseline FG. The identification of these loci provides evidence for genetic interactions with smoking exposure that may explain some of the heterogeneity in the association between smoking and T2D.

Abstract Glycaemic traits are used to diagnose and monitor type 2 diabetes, and cardiometabolic health. To date, most genetic studies of glycaemic traits have focused on individuals of European ancestry. Here, we aggregated genome-wide association studies in up to 281,416 individuals without diabetes (30% non-European ancestry) with fasting glucose, 2h-glucose post-challenge, glycated haemoglobin, and fasting insulin data. Trans-ancestry and single-ancestry meta-analyses identified 242 loci (99 novel; P <5×10 -8 ), 80% with no significant evidence of between-ancestry heterogeneity. Analyses restricted to European ancestry individuals with equivalent sample size would have led to 24 fewer new loci. Compared to single-ancestry, equivalent sized trans-ancestry fine-mapping reduced the number of estimated variants in 99% credible sets by a median of 37.5%. Genomic feature, gene-expression and gene-set analyses revealed distinct biological signatures for each trait, highlighting different underlying biological pathways. Our results increase understanding of diabetes pathophysiology by use of trans-ancestry studies for improved power and resolution.

Research on the association between physical inactivity and cognitive decline and dementia is dominated by studies with short-term follow-up, that might be biased by reverse causality.Investigate the long-term association between physical activity, cognition, and the rate of age-associated cognitive decline.We investigated the association between late-life physical activity and executive functioning and rate of decline of executive abilities during follow-up of up to 16 years, in 3553 participants of the prospective Rotterdam Study cohort. Measurement took place in 1997-1999, 2002-2004, 2009-2011, and 2014-2015.At baseline (age ± 72 years), higher levels of physical activity were associated with higher levels of executive functioning (adjusted mean difference = 0.03, 95% CI: 0.00 ; 0.06, p = 0.03). This difference remained intact up to 16 years of follow-up. The level of physical activity at baseline was unrelated to the rate of decline of executive abilities over time, in the whole group (adjusted mean difference in changetime*physical activity = 0.00, 95% CI: -0.00 ; 0.01, p = 0.31). However, stratification by APOE genotype showed that the accelerated decline of executive abilities observed in those with the ApoE-ε4 allele might be attenuated by higher levels of physical activity in late adulthood (ApoE-ε4 carriers: Btime*physical activity = 0.01, 95% CI: 0.00 ; 0.01, p = 0.03).Higher levels of physical activity in late adulthood are related to higher levels of executive functioning, up to 16 years of follow-up. Accelerated decline of executive abilities observed in those with the ApoE-ε4 allele might be mitigated by higher levels of physical activity.

Sleep is essential for overall health, and its disruption is linked to increased risks of metabolic, cognitive, and cardiovascular dysfunctions; however, the molecular mechanisms remain poorly understood. This study investigated how sleep disturbances contribute to metabolic imbalance and cognition impairment using a chronic sleep fragmentation (SF) mouse model. SF mice exhibited impaired cognition, glucose metabolism, and insulin sensitivity compared with controls. We identified increased acetate levels in hypothalamic astrocytes as a defensive response in SF mice. Through acetate infusion or astrocyte-specific Acss1 deletion to elevate acetate levels, we observed mitigated metabolic and cognitive impairments in SF mice. Mechanistically, acetate binds and activates pyruvate carboxylase, thereby restoring glycolysis and the tricarboxylic acid cycle. Among individuals most commonly affected by SF, patients with obstructive sleep apnea exhibited elevated acetate levels when coupled with type 2 diabetes. Our study uncovers the protective effect of acetate against sleep-induced metabolic and cognitive impairments.

Abstract Background Vitamin D was shown to directly exert a protective effect on diabetic kidney disease (DKD) in our previous study. However, whether it has an effect on perirenal adipose tissue (PRAT) or the intestinal flora and its metabolites (trimethylamine N-oxide, TMAO) is unclear. Methods DKD mice were received different concentrations of 1,25-(OH) 2 D 3 for 2 weeks. Serum TNF-α levels and TMAO levels were detected. 16S rRNA sequencing was used to analyze gut microbiota. qPCR was used to detect the expression of TLR4, NF-Κb, PGC1α, and UCP-1 in kidney and adipose tissue. Histological changes in kidney and perirenal adipose tissue were observed using HE, PAS, Masson and oil red staining. Immunofluorescence and immunohistochemistry were used to detect the expression of VDR, PGC1α, podocin, and UCP-1 in kidney and adipose tissue. Electron microscopy was used to observe the pathological changes in the kidney. VDR knockout mice were constructed to observe the changes in the gut and adipose tissue, and immunofluorescence and immunohistochemistry were used to detect the expression of UCP-1 and collagen IV in the kidney. Results 1,25-(OH) 2 D 3 could improve the dysbiosis of the intestinal flora of mice with DKD, increase the abundance of beneficial bacteria, decrease the abundance of harmful bacteria, reduce the pathological changes in the kidney, reduce fat infiltration, and downregulate the expression of TLR4 and NF-κB in kidneys. The serum TMAO concentration in mice with DKD was significantly higher than that of the control group, and was significantly positively correlated with the urine ACR. In addition, vitamin D stimulated the expression of the surface markers PGC1α, UCP-1 and VDR in the PRAT in DKD mice, and TMAO downregulated the expression of PRAT and renal VDR. Conclusions The protective effect of 1,25-(OH) 2 D 3 in DKD mice may affect the intestinal flora and its related metabolite TMAO on perirenal fat and kidneys.

Identification of coding variant associations for complex diseases offers a direct route to biological insight, but is dependent on appropriate inference concerning the causal impact of those variants on disease risk. We aggregated coding variant data for 81,412 type 2 diabetes (T2D) cases and 370,832 controls of diverse ancestry, identifying 40 distinct coding variant association signals (at 38 loci) reaching significance (p<2.2x10-7). Of these, 16 represent novel associations mapping outside known genome-wide association study (GWAS) signals. We make two important observations. First, despite a threefold increase in sample size over previous efforts, only five of the 40 signals are driven by variants with minor allele frequency <5%, and we find no evidence for low-frequency variants with allelic odds ratio >1.29. Second, we used GWAS data from 50,160 T2D cases and 465,272 controls of European ancestry to fine-map these associated coding variants in their regional context, with and without additional weighting to account for the global enrichment of complex trait association signals in coding exons. At the 37 signals for which we attempted fine-mapping, we demonstrate convincing support (posterior probability >80% under the 'annotation-weighted' model) that coding variants are causal for the association at 16 (including novel signals involving POC5 p.His36Arg, ANKH p.Arg187Gln, WSCD2 p.Thr113Ile, PLCB3 p.Ser778Leu, and PNPLA3 p.Ile148Met). However, at 13 of the 37 loci, the associated coding variants represent 'false leads' and naïve analysis could have led to an erroneous inference regarding the effector transcript mediating the signal. Accurate identification of validated targets is dependent on correct specification of the contribution of coding and non-coding mediated mechanisms at associated loci.