To study the effect of host genetics on gut microbiome composition, the MiBioGen consortium curated and analyzed genome-wide genotypes and 16S fecal microbiome data from 18,340 individuals (24 cohorts). Microbial composition showed high variability across cohorts: only 9 of 410 genera were detected in more than 95% of samples. A genome-wide association study of host genetic variation regarding microbial taxa identified 31 loci affecting the microbiome at a genome-wide significant (P < 5 × 10−8) threshold. One locus, the lactase (LCT) gene locus, reached study-wide significance (genome-wide association study signal: P = 1.28 × 10−20), and it showed an age-dependent association with Bifidobacterium abundance. Other associations were suggestive (1.95 × 10−10 < P < 5 × 10−8) but enriched for taxa showing high heritability and for genes expressed in the intestine and brain. A phenome-wide association study and Mendelian randomization identified enrichment of microbiome trait loci in the metabolic, nutrition and environment domains and suggested the microbiome might have causal effects in ulcerative colitis and rheumatoid arthritis. Analysis of human genotypes and 16S microbiome data of 18,473 individuals from 25 cohorts through a genome-wide association study, a phenome-wide association study and Mendelian randomization identifies host genetic and microbial trait associations.

To minimize the impact of antibiotics, gut microorganisms harbour and exchange antibiotics resistance genes, collectively called their resistome. Using shotgun sequencing-based metagenomics, we analysed the partial eradication and subsequent regrowth of the gut microbiota in 12 healthy men over a 6-month period following a 4-day intervention with a cocktail of 3 last-resort antibiotics: meropenem, gentamicin and vancomycin. Initial changes included blooms of enterobacteria and other pathobionts, such as Enterococcus faecalis and Fusobacterium nucleatum, and the depletion of Bifidobacterium species and butyrate producers. The gut microbiota of the subjects recovered to near-baseline composition within 1.5 months, although 9 common species, which were present in all subjects before the treatment, remained undetectable in most of the subjects after 180 days. Species that harbour β-lactam resistance genes were positively selected for during and after the intervention. Harbouring glycopeptide or aminoglycoside resistance genes increased the odds of de novo colonization, however, the former also decreased the odds of survival. Compositional changes under antibiotic intervention in vivo matched results from in vitro susceptibility tests. Despite a mild yet long-lasting imprint following antibiotics exposure, the gut microbiota of healthy young adults are resilient to a short-term broad-spectrum antibiotics intervention and their antibiotics resistance gene carriage modulates their recovery processes. Here the authors show that the human gut microbiome can recover after a clinically relevant, broad-spectrum antibiotic treatment and characterization of the resistome indicates that antibiotic resistance genes can impact the recovery process.

Individuals with type 2 diabetes have aberrant intestinal microbiota. However, recent studies suggest that metformin alters the composition and functional potential of gut microbiota, thereby interfering with the diabetes-related microbial signatures. We tested whether specific gut microbiota profiles are associated with prediabetes (defined as fasting plasma glucose of 6.1-7.0 mmol/l or HbA1c of 42-48 mmol/mol [6.0-6.5%]) and a range of clinical biomarkers of poor metabolic health.In the present case-control study, we analysed the gut microbiota of 134 Danish adults with prediabetes, overweight, insulin resistance, dyslipidaemia and low-grade inflammation and 134 age- and sex-matched individuals with normal glucose regulation.We found that five bacterial genera and 36 operational taxonomic units (OTUs) were differentially abundant between individuals with prediabetes and those with normal glucose regulation. At the genus level, the abundance of Clostridium was decreased (mean log2 fold change -0.64 (SEM 0.23), p adj = 0.0497), whereas the abundances of Dorea, [Ruminococcus], Sutterella and Streptococcus were increased (mean log2 fold change 0.51 (SEM 0.12), p adj = 5 × 10-4; 0.51 (SEM 0.11), p adj = 1 × 10-4; 0.60 (SEM 0.21), p adj = 0.0497; and 0.92 (SEM 0.21), p adj = 4 × 10-4, respectively). The two OTUs that differed the most were a member of the order Clostridiales (OTU 146564) and Akkermansia muciniphila, which both displayed lower abundance among individuals with prediabetes (mean log2 fold change -1.74 (SEM 0.41), p adj = 2 × 10-3 and -1.65 (SEM 0.34), p adj = 4 × 10-4, respectively). Faecal transfer from donors with prediabetes or screen-detected, drug-naive type 2 diabetes to germfree Swiss Webster or conventional C57BL/6 J mice did not induce impaired glucose regulation in recipient mice.Collectively, our data show that individuals with prediabetes have aberrant intestinal microbiota characterised by a decreased abundance of the genus Clostridium and the mucin-degrading bacterium A. muciniphila. Our findings are comparable to observations in overt chronic diseases characterised by low-grade inflammation.

Microbiome community typing analyses have recently identified the Bacteroides2 (Bact2) enterotype, an intestinal microbiota configuration that is associated with systemic inflammation and has a high prevalence in loose stools in humans1,2. Bact2 is characterized by a high proportion of Bacteroides, a low proportion of Faecalibacterium and low microbial cell densities1,2, and its prevalence varies from 13% in a general population cohort to as high as 78% in patients with inflammatory bowel disease2. Reported changes in stool consistency3 and inflammation status4 during the progression towards obesity and metabolic comorbidities led us to propose that these developments might similarly correlate with an increased prevalence of the potentially dysbiotic Bact2 enterotype. Here, by exploring obesity-associated microbiota alterations in the quantitative faecal metagenomes of the cross-sectional MetaCardis Body Mass Index Spectrum cohort (n = 888), we identify statin therapy as a key covariate of microbiome diversification. By focusing on a subcohort of participants that are not medicated with statins, we find that the prevalence of Bact2 correlates with body mass index, increasing from 3.90% in lean or overweight participants to 17.73% in obese participants. Systemic inflammation levels in Bact2-enterotyped individuals are higher than predicted on the basis of their obesity status, indicative of Bact2 as a dysbiotic microbiome constellation. We also observe that obesity-associated microbiota dysbiosis is negatively associated with statin treatment, resulting in a lower Bact2 prevalence of 5.88% in statin-medicated obese participants. This finding is validated in both the accompanying MetaCardis cardiovascular disease dataset (n = 282) and the independent Flemish Gut Flora Project population cohort (n = 2,345). The potential benefits of statins in this context will require further evaluation in a prospective clinical trial to ascertain whether the effect is reproducible in a randomized population and before considering their application as microbiota-modulating therapeutics. A cross-sectional analysis of participants in the MetaCardis Body Mass Index Spectrum cohort finds that the higher prevalence of gut microbiota dysbiosis in individuals with obesity is not observed in those who take statin drugs.

Imbalances of gut microbiota composition are linked to a range of metabolic perturbations. In the present study, we examined the gut microbiota of women with gestational diabetes mellitus (GDM) and normoglycaemic pregnant women in late pregnancy and about 8 months postpartum. Gut microbiota profiles of women with GDM (n = 50) and healthy (n = 157) pregnant women in the third trimester and 8 months postpartum were assessed by 16S rRNA gene amplicon sequencing of the V1-V2 region. Insulin and glucose homeostasis were evaluated by a 75 g 2-h oral glucose tolerance test during and after pregnancy. Gut microbiota of women with GDM was aberrant at multiple levels, including phylum and genus levels, compared with normoglycaemic pregnant women. Actinobacteria at phylum level and Collinsella, Rothia and Desulfovibrio at genus level had a higher abundance in the GDM cohort. Difference in abundance of 17 species-level operational taxonomic units (OTUs) during pregnancy was associated with GDM. After adjustment for pre-pregnancy body mass index (BMI), 5 of the 17 OTUs showed differential abundance in the GDM cohort compared with the normoglycaemic pregnant women with enrichment of species annotated to Faecalibacterium and Anaerotruncus and depletion of species annotated to Clostridium (sensu stricto) and to Veillonella. OTUs assigned to Akkermansia were associated with lower insulin sensitivity while Christensenella OTUs were associated with higher fasting plasma glucose concentration. OTU richness and Shannon index decreased from late pregnancy to postpartum regardless of metabolic status. About 8 months after delivery, the microbiota of women with previous GDM was still characterised by an aberrant composition. Thirteen OTUs were differentially abundant in women with previous GDM compared with women with previous normoglycaemic pregnancy. GDM diagnosed in the third trimester of pregnancy is associated with a disrupted gut microbiota composition compared with normoglycaemic pregnant women, and 8 months after pregnancy, differences in the gut microbiota signatures are still detectable. The gut microbiota composition of women with GDM, both during and after pregnancy, resembles the aberrant microbiota composition reported in non-pregnant individuals with type 2 diabetes and associated intermediary metabolic traits.

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 To study the effect of host genetics on gut microbiome composition, the MiBioGen consortium curated and analyzed genome-wide genotypes and 16S fecal microbiome data from 18,340 individuals (24 cohorts). Microbial composition showed high variability across cohorts: only 9 out of 410 genera were detected in more than 95% samples. A genome-wide association study (GWAS) of host genetic variation in relation to microbial taxa identified 31 loci affecting microbiome at a genome-wide significant (P<5×10 −8 ) threshold. One locus, the lactase ( LCT ) gene locus, reached study-wide significance (GWAS signal P=1.28×10 −20 ), and it showed an age-dependent association with Bifidobacterium abundance. Other associations were suggestive (1.95×10 −10 <P<5×10 −8 ) but enriched for taxa showing high heritability and for genes expressed in the intestine and brain. A phenome-wide association study and Mendelian randomization identified enrichment of microbiome trait loci in the metabolic, nutrition and environment domains and suggested the microbiome has causal effects in ulcerative colitis and rheumatoid arthritis.

Abstract The microbial communities of the oral cavity are important elements of oral and systemic health. With emerging evidence highlighting the heritability of oral bacterial microbiota, this study aimed to identify host genome variants that influence oral microbial traits. Using data from 16S rRNA gene amplicon sequencing, we performed genome-wide association studies with univariate and multivariate traits of the salivary microbiota from 610 unrelated adults from the Danish ADDITION-PRO cohort. We identified six single nucleotide polymorphisms (SNPs) in human genomes that showed associations with abundance of bacterial taxa at different taxonomical tiers ( P < 5 × 10 –8 ). Notably, SNP rs17793860 surpassed our study-wide significance threshold ( P < 1.19 × 10 –9 ). Additionally, rs4530093 was linked to bacterial beta diversity ( P < 5 × 10 –8 ). Out of these seven SNPs identified, six exerted effects on metabolic traits, including glycated hemoglobin A1c, triglyceride and high-density lipoprotein cholesterol levels, the risk of type 2 diabetes and stroke. Our findings highlight the impact of specific host SNPs on the composition and diversity of the oral bacterial community. Importantly, our results indicate an intricate interplay between host genetics, the oral microbiota, and metabolic health. We emphasize the need for integrative approaches considering genetic, microbial, and metabolic factors.

Background and aims: Understanding the aetiology, clinical presentation and prognosis of type 2 diabetes (T2D) and optimizing its treatment might be facilitated by biomarkers that help predict a person's susceptibility to the risk factors that cause diabetes or its complications, or response to treatment. The IMI DIRECT (Diabetes Research on Patient Stratification) Study is a European Union (EU) Innovative Medicines Initiative (IMI) project that seeks to test these hypotheses in two recently established epidemiological cohorts. Here, we describe the characteristics of these cohorts at baseline and at the first main follow-up examination (18-months). Materials and methods: From a sampling-frame of 24,682 European-ancestry adults in whom detailed health information was available, participants at varying risk of glycaemic deterioration were identified using a risk prediction algorithm and enrolled into a prospective cohort study (n=2127) undertaken at four study centres across Europe (Cohort 1: prediabetes). We also recruited people from clinical registries with recently diagnosed T2D (n=789) into a second cohort study (Cohort 2: diabetes). The two cohorts were studied in parallel with matched protocols. Endogenous insulin secretion and insulin sensitivity were modelled from frequently sampled 75g oral glucose tolerance (OGTT) in Cohort 1 and with mixed-meal tolerance tests (MMTT) in Cohort 2. Additional metabolic biochemistry was determined using blood samples taken when fasted and during the tolerance tests. Body composition was assessed using MRI and lifestyle measures through self-report and objective methods. Results: Using ADA-2011 glycaemic categories, 33% (n=693) of Cohort 1 (prediabetes) had normal glucose regulation (NGR), and 67% (n=1419) had impaired glucose regulation (IGR). 76% of the cohort was male, age=62(6.2) years; BMI=28.4(4.0) kg/m2; fasting glucose=5.7(0.6)mmol/l; 2-hr glucose=5.9(1.6) mmol/l [mean(SD)]. At follow-up, 18.5(1.4) months after baseline, fasting glucose=5.8(0.6)mmol/l; 2-hr OGTT glucose=6.1(1.7) mmol/l [mean(SD)]. In Cohort 2 (diabetes): 65% (n=508) were lifestyle treated (LS) and 35% (n=271) were lifestyle + metformin treated (LS+MET). 58% of the cohort was male, age=62(8.1) years; BMI=31(5.0)kg/m2; fasting glucose=7.2(1.4)mmol/l; 2-hr glucose=8.6(2.8)mmol/l [mean(SD)]. At follow-up, 18.2(0.6) months after baseline, fasting glucose=7.8(1.8)mmol/l; 2-hr MMTT glucose=9.5(3.3) mmol/l [mean(SD)]. Conclusion: The epidemiological IMI DIRECT cohorts are the most intensely characterised prospective studies of glycaemic deterioration to date. Data from these cohorts help illustrate the heterogeneous characteristics of people at risk of or with T2D, highlighting the rationale for biomarker stratification of the disease - the primary objective of the DIRECT consortium.

Summary The Norwegian-Danish Basin (NDB) holds an optimal position for Carbon Capture Storage activities in northern Europe. However, the storage capacity of the NDB is not well constrained and the integrity of sealing units above closures, as well as the risks associated with crestal salt-related faults, have yet to be characterized. This study provides updated geologic knowledge applicable for the development of underground storage offshore southern Norway. Based on a compilation of a wide dataset of well and seismic data (3D,2D) we present an updated tectono-stratigraphy of the whole basin. We also address how the development of salt structures controlled the accommodation of multiple regional stress episodes, the distribution of porous storage units, and the formation of structural traps within the NDB. Our results suggest that the deformed Triassic records could provide vast structural traps. At the footwall of N-S faults, Jurassic depocenters may hold good storage units but the depositional environments and the distribution of these units might must be accurately mapped. We also investigate erosion features in the Chalk that may have influenced the location of Paleocene reservoirs, reshaping the NDB. Seismic gas signals question the sealing capacity of crestal fault above diapirs.