Abstract Microbial genomes are available at an ever-increasing pace, as cultivation and sequencing become cheaper and obtaining metagenome-assembled genomes (MAGs) becomes more effective. Phylogenetic placement methods to contextualize hundreds of thousands of genomes must thus be efficiently scalable and sensitive from closely related strains to divergent phyla. We present PhyloPhlAn 3.0, an accurate, rapid, and easy-to-use method for large-scale microbial genome characterization and phylogenetic analysis at multiple levels of resolution. PhyloPhlAn 3.0 can assign genomes from isolate sequencing or MAGs to species-level genome bins built from >230,000 publically available sequences. For individual clades of interest, it reconstructs strain-level phylogenies from among the closest species using clade-specific maximally informative markers. At the other extreme of resolution, it scales to large phylogenies comprising >17,000 microbial species. Examples including Staphylococcus aureus isolates, gut metagenomes, and meta-analyses demonstrate the ability of PhyloPhlAn 3.0 to support genomic and metagenomic analyses.

Abstract Metagenomic assembly enables new organism discovery from microbial communities, but it can only capture few abundant organisms from most metagenomes. Here we present MetaPhlAn 4, which integrates information from metagenome assemblies and microbial isolate genomes for more comprehensive metagenomic taxonomic profiling. From a curated collection of 1.01 M prokaryotic reference and metagenome-assembled genomes, we define unique marker genes for 26,970 species-level genome bins, 4,992 of them taxonomically unidentified at the species level. MetaPhlAn 4 explains ~20% more reads in most international human gut microbiomes and >40% in less-characterized environments such as the rumen microbiome and proves more accurate than available alternatives on synthetic evaluations while also reliably quantifying organisms with no cultured isolates. Application of the method to >24,500 metagenomes highlights previously undetected species to be strong biomarkers for host conditions and lifestyles in human and mouse microbiomes and shows that even previously uncharacterized species can be genetically profiled at the resolution of single microbial strains.

Aside from PD-L1 expression, biomarkers of response to immune checkpoint inhibitors (ICIs) in non-small-cell lung cancer (NSCLC) are needed. In a previous retrospective analysis, we documented that fecal Akkermansia muciniphila (Akk) was associated with clinical benefit of ICI in patients with NSCLC or kidney cancer. In the current study, we performed shotgun-metagenomics-based microbiome profiling in a large cohort of patients with advanced NSCLC (n = 338) treated with first- or second-line ICIs to prospectively validate the predictive value of fecal Akk. Baseline stool Akk was associated with increased objective response rates and overall survival in multivariate analyses, independent of PD-L1 expression, antibiotics, and performance status. Intestinal Akk was accompanied by a richer commensalism, including Eubacterium hallii and Bifidobacterium adolescentis, and a more inflamed tumor microenvironment in a subset of patients. However, antibiotic use (20% of cases) coincided with a relative dominance of Akk above 4.8% accompanied with the genus Clostridium, both associated with resistance to ICI. Our study shows significant differences in relative abundance of Akk that may represent potential biomarkers to refine patient stratification in future studies. In a large multicentric study of patients with advanced NSCLC undergoing anti-PD-1 therapy, the relative abundance of intestinal Akkermansia spp. was shown to associate with changes in the gut microbiome ecosystem and clinical outcomes.

Abstract Metagenomic assembly enables novel organism discovery from microbial communities, but from most metagenomes it can only capture few abundant organisms. Here, we present a method - MetaPhlAn 4 - to integrate information from both metagenome assemblies and microbial isolate genomes for improved and more comprehensive metagenomic taxonomic profiling. From a curated collection of 1.01M prokaryotic reference and metagenome-assembled genomes, we defined unique marker genes for 26,970 species-level genome bins, 4,992 of them taxonomically unidentified at the species level. MetaPhlAn 4 explains ∼20% more reads in most international human gut microbiomes and >40% in less-characterized environments such as the rumen microbiome, and proved more accurate than available alternatives on synthetic evaluations while also reliably quantifying organisms with no cultured isolates. Application of the method to >24,500 metagenomes highlighted previously undetected species to be strong biomarkers for host conditions and lifestyles in human and mice microbiomes, and showed that even previously uncharacterized species can be genetically profiled at the resolution of single microbial strains. MetaPhlAn 4 thus integrates the novelty of metagenomic assemblies with the sensitivity and fidelity of reference-based analyses, providing efficient metagenomic profiling of uncharacterized species and enabling deeper and more comprehensive microbiome biomarker detection.

Abstract The gut microbiome plays a key role in cancer immunity. One proposed mechanism is through the elicitation of T cells, which incidentally recognize neo-epitopes arising from cancer mutations (“molecular mimicry (MM)” hypothesis). To support MM, Escherichia coli Nissle was engineered with the SIINFEKL epitope (OVA) and orally administered to C57BL/6 mice. The treatment elicited OVA-specific CD8 + T cells in the lamina propria and inhibited the growth of OVA-B16F10 tumors. Importantly, the administration of Outer Membrane Vesicles (OMVs) engineered with different T cell epitopes elicited epitope-specific T cells and inhibited tumor growth. Microbiome shotgun sequencing and TCR sequencing provided evidence that cross-reacting T cells were induced at the mucosal level and subsequently reached the tumor site. Overall, our data support the role of MM in tumor immunity, assign a new role to OMVs and pave the way to new probiotics/OMV-based anti-cancer immunotherapies.

We present Bioconda (https://bioconda.github.io), a distribution of bioinformatics software for the lightweight, multi-platform and language-agnostic package manager Conda. Currently, Bioconda offers a collection of over 3000 software packages, which is continuously maintained, updated, and extended by a growing global community of more than 200 contributors. Bioconda improves analysis reproducibility by allowing users to define isolated environments with defined software versions, all of which are easily installed and managed without administrative privileges.

In this work we introduce the Gini Index, commonly used as a measure of statistical dispersion to evaluate the income inequality within a nation, as an effective and reliable measure of cell specialization. In particular we use it to evaluate and compare the specialization level of normal and tumor cells according to their gene expressions. Obtained results reveal how Gini Index is able to capture information associated with cell specialization, and show that tumor cells, on average, tend to lose their specialization or in other words their capacity to be the cells they were committed to be, due to cancer.