Genome-wide association studies have identified thousands of loci for common diseases, but, for the majority of these, the mechanisms underlying disease susceptibility remain unknown. Most associated variants are not correlated with protein-coding changes, suggesting that polymorphisms in regulatory regions probably contribute to many disease phenotypes. Here we describe the Genotype-Tissue Expression (GTEx) project, which will establish a resource database and associated tissue bank for the scientific community to study the relationship between genetic variation and gene expression in human tissues.

Expression, genetic variation, and tissues Human genomes show extensive genetic variation across individuals, but we have only just started documenting the effects of this variation on the regulation of gene expression. Furthermore, only a few tissues have been examined per genetic variant. In order to examine how genetic expression varies among tissues within individuals, the Genotype-Tissue Expression (GTEx) Consortium collected 1641 postmortem samples covering 54 body sites from 175 individuals. They identified quantitative genetic traits that affect gene expression and determined which of these exhibit tissue-specific expression patterns. Melé et al. measured how transcription varies among tissues, and Rivas et al. looked at how truncated protein variants affect expression across tissues. Science , this issue p. 648 , p. 660 , p. 666 ; see also p. 640

These recommendations update information concerning the vaccine and antiviral agents available for controlling influenza during the 1997-98 influenza season (superseding MMWR 1996;45[No. RR-5]:1-24). The principal changes include information about a) the influenza virus strains included in the trivalent vaccine for 1997-98, b) the vaccination of pregnant and breastfeeding women, and c) side effects and adverse reactions.

Context

 Influenza and respiratory syncytial virus (RSV) cause substantial morbidity and mortality. Statistical methods used to estimate deaths in the United States attributable to influenza have not accounted for RSV circulation. 

Objective

 To develop a statistical model using national mortality and viral surveillance data to estimate annual influenza- and RSV-associated deaths in the United States, by age group, virus, and influenza type and subtype. 

Design, Setting, and Population

 Age-specific Poisson regression models using national viral surveillance data for the 1976-1977 through 1998-1999 seasons were used to estimate influenza-associated deaths. Influenza- and RSV-associated deaths were simultaneously estimated for the 1990-1991 through 1998-1999 seasons. 

Main Outcome Measures

 Attributable deaths for 3 categories: underlying pneumonia and influenza, underlying respiratory and circulatory, and all causes. 

Results

 Annual estimates of influenza-associated deaths increased significantly between the 1976-1977 and 1998-1999 seasons for all 3 death categories (P<.001 for each category). For the 1990-1991 through 1998-1999 seasons, the greatest mean numbers of deaths were associated with influenza A(H3N2) viruses, followed by RSV, influenza B, and influenza A(H1N1). Influenza viruses and RSV, respectively, were associated with annual means (SD) of 8097 (3084) and 2707 (196) underlying pneumonia and influenza deaths, 36 155 (11 055) and 11 321 (668) underlying respiratory and circulatory deaths, and 51 203 (15 081) and 17 358 (1086) all-cause deaths. For underlying respiratory and circulatory deaths, 90% of influenza- and 78% of RSV-associated deaths occurred among persons aged 65 years or older. Influenza was associated with more deaths than RSV in all age groups except for children younger than 1 year. On average, influenza was associated with 3 times as many deaths as RSV. 

Conclusions

 Mortality associated with both influenza and RSV circulation disproportionately affects elderly persons. Influenza deaths have increased substantially in the last 2 decades, in part because of aging of the population, underscoring the need for better prevention measures, including more effective vaccines and vaccination programs for elderly persons.

The Genotype-Tissue Expression (GTEx) project dissects how genetic variation affects gene expression and splicing.

Since its identification in April 2009, an A(H1N1) virus containing a unique combination of gene segments from both North American and Eurasian swine lineages has continued to circulate in humans. The lack of similarity between the 2009 A(H1N1) virus and its nearest relatives indicates that its gene segments have been circulating undetected for an extended period. Its low genetic diversity suggests that the introduction into humans was a single event or multiple events of similar viruses. Molecular markers predictive of adaptation to humans are not currently present in 2009 A(H1N1) viruses, suggesting that previously unrecognized molecular determinants could be responsible for the transmission among humans. Antigenically the viruses are homogeneous and similar to North American swine A(H1N1) viruses but distinct from seasonal human A(H1N1).

ContextRespiratory viral infections are responsible for a large number of hospitalizations in the United States each year.ObjectiveTo estimate annual influenza-associated hospitalizations in the United States by hospital discharge category, discharge type, and age group.Design, Setting, and ParticipantsNational Hospital Discharge Survey (NHDS) data and World Health Organization Collaborating Laboratories influenza surveillance data were used to estimate annual average numbers of hospitalizations associated with the circulation of influenza viruses from the 1979-1980 through the 2000-2001 seasons in the United States using age-specific Poisson regression models.Main Outcome MeasuresWe estimated influenza-associated hospitalizations for primary and any listed pneumonia and influenza and respiratory and circulatory hospitalizations.ResultsAnnual averages of 94 735 (range, 18 908-193 561) primary and 133 900 (range, 30 757-271 529) any listed pneumonia and influenza hospitalizations were associated with influenza virus infections. Annual averages of 226 054 (range, 54 523-430 960) primary and 294 128 (range, 86 494-544 909) any listed respiratory and circulatory hospitalizations were associated with influenza virus infections. Persons 85 years or older had the highest rates of influenza-associated primary respiratory and circulatory hospitalizations (1194.9 per 100 000 persons). Children younger than 5 years (107.9 primary respiratory and circulatory hospitalizations per 100 000 persons) had rates similar to persons aged 50 through 64 years. Estimated rates of influenza-associated hospitalizations were highest during seasons in which A(H3N2) viruses predominated, followed by B and A(H1N1) seasons. After adjusting for the length of each influenza season, influenza-associated primary pneumonia and influenza hospitalizations increased over time among the elderly. There were no significant increases in influenza-associated primary respiratory and circulatory hospitalizations after adjusting for the length of the influenza season.ConclusionsSignificant numbers of influenza-associated hospitalizations in the United States occur among the elderly, and the numbers of these hospitalizations have increased substantially over the last 2 decades due in part to the aging of the population. Children younger than 5 years had rates of influenza-associated hospitalizations similar to those among individuals aged 50 through 64 years. These findings highlight the need for improved influenza prevention efforts for both young and older US residents.

We recently described a methodology that reliably predicted chemotherapeutic response in multiple independent clinical trials. The method worked by building statistical models from gene expression and drug sensitivity data in a very large panel of cancer cell lines, then applying these models to gene expression data from primary tumor biopsies. Here, to facilitate the development and adoption of this methodology we have created an R package called pRRophetic. This also extends the previously described pipeline, allowing prediction of clinical drug response for many cancer drugs in a user-friendly R environment. We have developed several other important use cases; as an example, we have shown that prediction of bortezomib sensitivity in multiple myeloma may be improved by training models on a large set of neoplastic hematological cell lines. We have also shown that the package facilitates model development and prediction using several different classes of data.

Hae Kyung Im and colleagues report a method for predicting gene expression perturbations from genotype data after training on reference transcriptome data sets. Association of predicted gene expression with disease traits identifies known and new candidate disease genes. Genome-wide association studies (GWAS) have identified thousands of variants robustly associated with complex traits. However, the biological mechanisms underlying these associations are, in general, not well understood. We propose a gene-based association method called PrediXcan that directly tests the molecular mechanisms through which genetic variation affects phenotype. The approach estimates the component of gene expression determined by an individual's genetic profile and correlates 'imputed' gene expression with the phenotype under investigation to identify genes involved in the etiology of the phenotype. Genetically regulated gene expression is estimated using whole-genome tissue-dependent prediction models trained with reference transcriptome data sets. PrediXcan enjoys the benefits of gene-based approaches such as reduced multiple-testing burden and a principled approach to the design of follow-up experiments. Our results demonstrate that PrediXcan can detect known and new genes associated with disease traits and provide insights into the mechanism of these associations.

THE disease non-insulin-dependent (type 2) diabetes mellitus (NIDDM) is characterized by abnormally high blood glucose resulting from a relative deficiency of insulin1. It affects about 2% of the world's population and treatment of diabetes and its complications are an increasing health-care burden2. Genetic factors are important in the aetiology of NIDDM, and linkage studies are starting to localize some of the genes that influence the development of this disorder3. Maturity-onset diabetes of the young (MODY), a single-gene disorder responsible for 2–5% of NIDDM, is characterized by autosomal dominant inheritance and an age of onset of 25 years or younger4–6. MODY genes have been localized to chromosomes 7, 12 and 20 (refs 5, 7, 8) and clinical studies indicate that mutations in these genes are associated with abnormal patterns of glucose-stimulated insulin secretion1,9. The gene on chromosome 7 (MODY2) encodes the glycolytic enzyme glucokinase5 which plays a key role in generating the metabolic signal for insulin secretion and in integrating hepatic glucose uptake. Here we show that subjects with the MODY3-form of NIDDM have mutations in the gene encoding hepatocyte nuclear factor-1α (HNF-1α, which is encoded by the gene TCF1). HNF-1α is a transcription factor that helps in the tissue-specific regulation of the expression of several liver genes10,11 and also functions as a weak transactivator of the rat insulin-I gene12.