The Critical Assessment of Metagenome Interpretation (CAMI) community initiative presents results from its first challenge, a rigorous benchmarking of software for metagenome assembly, binning and taxonomic profiling. Methods for assembly, taxonomic profiling and binning are key to interpreting metagenome data, but a lack of consensus about benchmarking complicates performance assessment. The Critical Assessment of Metagenome Interpretation (CAMI) challenge has engaged the global developer community to benchmark their programs on highly complex and realistic data sets, generated from ∼700 newly sequenced microorganisms and ∼600 novel viruses and plasmids and representing common experimental setups. Assembly and genome binning programs performed well for species represented by individual genomes but were substantially affected by the presence of related strains. Taxonomic profiling and binning programs were proficient at high taxonomic ranks, with a notable performance decrease below family level. Parameter settings markedly affected performance, underscoring their importance for program reproducibility. The CAMI results highlight current challenges but also provide a roadmap for software selection to answer specific research questions.

Abstract In metagenome analysis, computational methods for assembly, taxonomic profiling and binning are key components facilitating downstream biological data interpretation. However, a lack of consensus about benchmarking datasets and evaluation metrics complicates proper performance assessment. The Critical Assessment of Metagenome Interpretation (CAMI) challenge has engaged the global developer community to benchmark their programs on datasets of unprecedented complexity and realism. Benchmark metagenomes were generated from ~700 newly sequenced microorganisms and ~600 novel viruses and plasmids, including genomes with varying degrees of relatedness to each other and to publicly available ones and representing common experimental setups. Across all datasets, assembly and genome binning programs performed well for species represented by individual genomes, while performance was substantially affected by the presence of related strains. Taxonomic profiling and binning programs were proficient at high taxonomic ranks, with a notable performance decrease below the family level. Parameter settings substantially impacted performances, underscoring the importance of program reproducibility. While highlighting current challenges in computational metagenomics, the CAMI results provide a roadmap for software selection to answer specific research questions.

Shotgun metagenome data sets of microbial communities are highly diverse, not only due to the natural variation of the underlying biological systems, but also due to differences in laboratory protocols, replicate numbers, and sequencing technologies. Accordingly, to effectively assess the performance of metagenomic analysis software, a wide range of benchmark data sets are required. Here, we describe the CAMISIM microbial community and metagenome simulator. The software can model different microbial abundance profiles, multi-sample time series and differential abundance studies, includes real and simulated strain-level diversity, and generates second and third generation sequencing data from taxonomic profiles or de novo. Gold standards are created for sequence assembly, genome binning, taxonomic binning, and taxonomic profiling. CAMSIM generated the benchmark data sets of the first CAMI challenge. For two simulated multi-sample data sets of the human and mouse gut microbiomes we observed high functional congruence to the real data. As further applications, we investigated the effect of varying evolutionary genome divergence, sequencing depth, and read error profiles on two popular metagenome assemblers, MEGAHIT and metaSPAdes, on several thousand small data sets generated with CAMISIM. CAMISIM can simulate a wide variety of microbial communities and metagenome data sets together with truth standards for method evaluation. All data sets and the software are freely available at: https://github.com/CAMI-challenge/CAMISIM

Abstract Interactions between plants and neighboring microbial species are fundamental elements that collectively determine the structure and function of the plant microbiota. However, the molecular basis of such interactions is poorly characterized. Here, we monocolonized Arabidopsis leaves with nine plant- associated bacteria from all major phyla of the plant microbiota and profiled co- transcriptomes of plants and bacteria. We detected both common and distinct co- transcriptome signatures among plant-commensal pairs. In planta responses of commensals were similar to those of a disarmed pathogen characterized by the suppression of genes involved in general metabolism in contrast to a virulent pathogen. We identified genes that are enriched in the genome of plant-associated bacteria and induced in planta , which may be instrumental for bacterial adaptation to the host environment and niche separation. This study provides insights into how plants discriminate among bacterial strains and lays the foundation for in- depth mechanistic dissection of plant-microbiota interactions.

Abstract Healthy plants are colonized by microorganisms from the surrounding environment, which form stable communities and provide beneficial services to the host. Culture-independent profiling of the bacterial root microbiota shows that different plant species are colonized by distinct bacterial communities, even if they share the same habitat. It is, however, not known to what extent the host actively selects these communities and whether commensal bacteria are adapted to a specific plant species. Here, we report a sequence-indexed culture collection from roots and nodules of the model legume Lotus japonicus that contains representatives from the majority of species found in culture-independent profiles. Using taxonomically paired synthetic communities from L. japonicus and the crucifer Arabidopsis thaliana in a multi-species gnotobiotic system, we detect clear signatures of host preference among commensal bacteria in a community context, but not in mono-associations. Sequential inoculation of either host reveals strong priority effects during the assembly of the root microbiota, where established communities are resilient to invasion by late-comers. However, we found that host preference by commensal bacteria confers a competitive advantage in their native host. We reveal that host preference is prevalent in commensal bacteria from diverse taxonomic groups and that this trait is directly linked to their invasiveness into standing root-associated communities.

Abstract Plants recognize surrounding microbes by sensing microbe-associated molecular patterns (MAMPs) to activate pattern-triggered immunity (PTI). Despite their significance for microbial control, the evolution of PTI responses remains largely uncharacterized. Employing comparative transcriptomics of six Arabidopsis thaliana accessions and three additional Brassicaceae species for PTI responses to the MAMP flg22, we identified a set of genes with expression changes under purifying selection in the Brassicaceae species and genes exhibiting species-specific expression signatures. Variation in flg22-triggered transcriptome and metabolome responses across Brassicaceae species was incongruent with their phylogeny while expression changes were strongly conserved within A. thaliana , suggesting directional selection for some species-specific gene expression. We found the enrichment of WRKY transcription factor binding sites in 5’-regulatory regions in conserved and species-specific responsive genes, linking the emergence of WRKY-binding sites with the evolution of gene responses in PTI. Our findings advance our understanding of transcriptome evolution during biotic stress.