Background: The goal of eliminating iodine deficiency worldwide was successfully achieved in China after the implementation of a mandatory universal salt iodization program for the last 16 years. Thus, China has been assessed as a country with more than adequate iodine levels. This survey aimed to investigate the current iodine status in China and the effects of an increased iodine intake on the spectrum and prevalence of thyroid disorders. Methods: A total of 15,008 adult subjects from 10 cities in eastern and central China were investigated. Serum thyrotropin (TSH), thyroid peroxidase antibodies (TPOAb), thyroglobulin antibodies (TgAb), and urine iodine concentration (UIC) were measured, and an ultrasonography of the thyroid was performed in all subjects. Free thyroxine (fT4) and free triiodothyronine (fT3) levels were only measured if the serum TSH was outside the normal range. Results: The median UIC values were 197 μg/L in school-age children (SAC) and 205 μg/L in a cohort population. Six cities were classified as regions with adequate iodine intake (AII), and four cities as regions with more than adequate iodine intake (MTAII), according to median SAC UIC. The prevalence of clinical hypothyroidism, subclinical hypothyroidism, and positive thyroid antibodies was significantly higher in MTAII cities than it was in AII cities. Moreover, the prevalence of clinical hyperthyroidism (1.1% vs. 0.8%, p = 0.033) and Graves' disease (0.8% vs. 0.5%, p = 0.019) also significantly increased in MTAII cities. Compared with a five-year prospective study conducted in 1999, the prevalence of goiter significantly decreased (2.9% vs. 5.02%, p = 0.001), but there was a significant increase in thyroid nodules (12.8% vs. 2.78%, p = 0.001). The prevalence of subclinical hypothyroidism (16.7% vs. 3.22%), positive TPOAb (11.5% vs. 9.81%), and positive TgAb (12.6% vs. 9.09%) significantly increased, while no changes were seen in clinical hyperthyroidism, subclinical hyperthyroidism, or Graves' disease. Conclusion: The goal of eliminating iodine deficiency has been successfully achieved in China. However, the prevalence and spectrum of thyroid disorders has increased, reflecting possible adverse effects of increased iodine intake.

Abstract Aim To evaluate the association between different degrees of hyperglycaemia and the risk of all‐cause mortality among hospitalized patients with COVID‐19. Materials and Methods In a retrospective study conducted from 22 January to 17 March 2020, 453 patients were admitted to Union Hospital in Wuhan, China, with laboratory‐confirmed severe acute respiratory syndrome coronavirus 2 infection. Patients were classified into four categories: normal glucose, hyperglycaemia (fasting glucose 5.6‐6.9 mmol/L and/or HbA1c 5.7%‐6.4%), newly diagnosed diabetes (fasting glucose ≥7 mmol/L and/or HbA1c ≥6.5%) and known diabetes. The major outcomes included in‐hospital mortality, intensive care unit (ICU) admission and invasive mechanical ventilation (IMV). Results Patients with newly diagnosed diabetes constituted the highest percentage to be admitted to the ICU (11.7%) and require IMV (11.7%), followed by patients with known diabetes (4.1%; 9.2%) and patients with hyperglycaemia (6.2%; 4.7%), compared with patients with normal glucose (1.5%; 2.3%), respectively. The multivariable‐adjusted hazard ratios of mortality among COVID‐19 patients with normal glucose, hyperglycaemia, newly diagnosed diabetes and known diabetes were 1.00, 3.29 (95% confidence interval [CI] 0.65‐16.6), 9.42 (95% CI 2.18‐40.7) and 4.63 (95% CI 1.02‐21.0), respectively. Conclusion We showed that COVID‐19 patients with newly diagnosed diabetes had the highest risk of all‐cause mortality compared with COVID‐19 patients with known diabetes, hyperglycaemia and normal glucose. Patients with COVID‐19 need to be kept under surveillance for blood glucose screening.

Abstract Motivation Identification of biological pathways plays a central role in understanding both human health and diseases. Although much work has previously been done to explore the biological pathways by using single omics data, little effort has been reported using multi-omics data integration, mainly due to methodological and technological limitations. Compared to single omics data, multi-omics data will help identifying disease specific functional pathways with both higher sensitivity and specificity, thus gaining more comprehensive insights into the molecular architecture of disease processes. Results In this paper, we propose two computational approaches that integrate multi-omics data and identify disease-specific biological pathways with high sensitivity and specificity. Applying our methods to an experimental multi-omics data dataset on muscular dystrophy subtypes, we identified disease-specific pathways of high biological plausibility. The developed methodology will likely have a broad impact on improving the molecular characterization of many common diseases. Contact yuewang@vt.edu Supplementary information Supplementary information attached.

Abstract Genome-wide association studies (GWAS) of schizophrenia (SCZ) have revealed over 100 risk loci. We investigated whether these SCZ-associated variants regulate gene expression by cell type. Using a fully unsupervised deconvolution method, we calculated gene expression by clusters of estimated cell types (cell-groups, CGs). Five CGs emerged in the dorsolateral prefrontal cortices (DLPFC) of 341 donors with and without SCZ. By mapping expression quantitative trait loci (eQTL) per CG, we partitioned the heritability of SCZ risk in GWAS by CGs. CG-specific expressions and eQTLs were replicated in both a deconvoluted bulk tissue data set with a different method and also in sorted-cell expression data. Further, we characterized CG-specific gene differential expression and cell proportion changes in SCZ brains. We found upper-layer neurons in the DLPFC to be associated with SCZ based on enrichment of SCZ heritability in eQTLs, disease-related transcriptional signatures, and decreased cell proportion. Our study suggests that neurons and related anomalous circuits in the upper layers of the DLPFC may have a major contribution to SCZ risk.

Abstract We develop an accurate and efficient method to detect marker genes among many subtypes using subtype-enriched expression profiles. We implement a Cosine based One-sample Test (COT) Python software that is easy to use and applicable to multi-omics data. We demonstrate the performance and utility of COT on gene expression and proteomics data acquired from tissue or cell subtypes. Formulated as a one-sample test with Cosine similarity test statistic in scatter space, the detected de novo marker genes will allow biologists to perform a more comprehensive and unbiased molecular characterization, deconvolution and classification of complex tissue or cell subtypes.

Nationwide estimates of the impact of common modifiable risk factors on mortality remain crucial. We aim to assess the influence of social determinants, lifestyle, and metabolic factors on mortality in 174,004 adults aged ≥40 years from the China Cardiometabolic Disease and Cancer Cohort (4C) Study. We reveal that 17 modifiable factors are independently associated with mortality, accounting for 64.8% of all-cause mortality, 77.4% of cardiovascular mortality, and 44.8% of cancer mortality. Low education emerges as the leading factor for both all-cause and cancer mortality, while hypertension is predominant for cardiovascular mortality. Moreover, low gross domestic product per capita and high ambient particulate matter with a diameter of <2.5 μm (PM2.5) air pollution account for 7.8% and 4.3% for all-cause mortality, respectively, using a different method. Gender-specific analyses reveal distinct patterns, with women's mortality primarily associated with social determinants and men exhibiting stronger associations with lifestyle factors. Targeted health interventions are essential to mitigate mortality risks effectively in China.

Complex tissues are composite ecological systems whose components interact with each other to create a unique physiological or pathophysiological state distinct from that found in other tissue microenvironments. To explore this ground yet dynamic state, molecular profiling of bulk tissues and mathematical deconvolution can be jointly used to characterize heterogeneity as an aggregate of molecularly distinct tissue or cell subtypes. We first introduce an efficient and fully unsupervised deconvolution method, namely the Convex Analysis of Mixtures – CAM3.0, that may aid biologists to confirm existing or generate novel scientific hypotheses about complex tissues in many biomedical contexts. We then evaluate the CAM3.0 functional pipelines using both simulations and benchmark data. We also report diverse case studies on bulk tissues with unknown number, proportion and expression patterns of the molecular archetypes. Importantly, these preliminary results support the concept that expression patterns of molecular archetypes often reflect the interactive not individual contributions of many known or novel cell types, and unsupervised deconvolution would be more powerful in uncovering novel multicellular or subcellular archetypes.

Novel diabetes phenotypes were proposed by the Europeans through cluster analysis, but Chinese community diabetes populations might exhibit different characteristics. This study aims to explore the clinical characteristics of novel diabetes subgroups under data-driven analysis in Chinese community diabetes populations.

Abstract Motivation Complex biological tissues are often a heterogeneous mixture of several molecularly distinct cell or tissue subtypes. Both subtype compositions and expressions in individual samples can vary across different biological states or conditions. Computational deconvolution aims to dissect patterns of bulk gene expression data into subtype compositions and subtype-specific expressions. Typically, existing deconvolution methods can only estimate averaged subtype-specific expressions in a population, while detecting differential expressions or co-expression networks in particular subtypes requires unique subtype expression estimates in individual samples. Different from population-level deconvolution, however, individual-level deconvolution is mathematically an underdetermined problem because there are more variables than observations. Results We report a sample-wise Convex Analysis of Mixtures (swCAM) method that can estimate subtype proportions and subtype-specific expressions in individual samples from bulk tissue transcriptomes. We extend our previous CAM framework to include a new term accounting for between-sample variations and formulate swCAM as a nuclear-norm and ℓ 2,1 -norm regularized matrix factorization problem. We determine hyperparameter values using a cross-validation scheme with random entry exclusion and obtain a swCAM solution using an efficient alternating direction method of multipliers. The swCAM is implemented in open-source R scripts. Experimental results on realistic simulation data show that swCAM can accurately estimate subtype-specific expressions in individual samples and successfully extract co-expression networks in particular subtypes that are otherwise unobtainable using bulk expression data. Application of swCAM to bulk-tissue data of 320 samples from bipolar disorder patients and controls identified changes in cell proportions, expression and coexpression modules in patient neurons. Mitochondria related genes showed significant changes suggesting an important role of energy dysregulation in bipolar disorder. Availability and implementation The R Scripts of swCAM is freely available at https://github.com/Lululuella/swCAM . A user’s guide and a vignette are provided. Contact yuewang@vt.edu Supplementary information Supplementary data are available at Bioinformatics online.

Abstract Background Not many large‐sample investigations are available that compare the potency of the relationship of remnant cholesterol (RC) and other lipid parameters with diabetes and prediabetes. The goals of our study are to discover the relationship between RC and prediabetes, diabetes, and insulin resistance (IR) and to investigate RC, high‐density lipoprotein cholesterol (HDL‐C), non‐HDL‐C, triglycerides (TG), low‐density lipoprotein cholesterol (LDL‐C), total cholesterol (TC), TC/HDL‐C, LDL‐C/HDL‐C, and TG/HDL‐C, which are the lipid parameters that are most positively related to diabetes, prediabetes, and IR. Methods This research enrolled 36 684 subjects from China's eight provinces. We employed multiple logistic regression analysis for testing the relationship between lipid parameters and diabetes, prediabetes, and IR. Results After adjusting for potential confounders, and comparing the results with other lipid parameters, the positive relationship between RC and diabetes (odds ratio [OR] 1.417, 95% confidence interval [CI]: 1.345–1.492), prediabetes (OR 1.555, 95% CI: 1.438–1.628), and IR (OR 1.488, 95% CI: 1.404–1.577) was highest. RC was still related to diabetes, prediabetes, and IR even when TG <2.3 mmol/L (diabetes: OR 1.256, 95% CI: 1.135–1.390; prediabetes: OR 1.503, 95% CI: 1.342–1.684; and IR: OR 1.278, 95% CI: 1.140–1.433), LDL‐C <2.6 mmol/L (diabetes: OR 1.306, 95% CI: 1.203–1.418; prediabetes: OR 1.597, 95% CI: 1.418–1.798; and IR: OR 1.552, 95% CI: 1.416–1.701), or HDL‐C ≥1 mmol/L (diabetes: OR 1.456, 95% CI: 1.366–1.550; prediabetes: OR 1.553, 95% CI: 1.421–1.697; and IR: OR 1.490, 95% CI: 1.389–1.598). Conclusion RC is more positively related to diabetes, prediabetes, and IR than conventional lipids and lipid ratios in the general population, the relationships between RC and diabetes, prediabetes, and IR are stable, even if HDL‐C, LDL‐C, or TG are at appropriate levels. image