Abstract More than a decade of gut microbiome studies have a common goal for human health. As most of the disease studies sample the elderly or the middle-aged, a reference cohort for young individuals has been lacking. It is also not clear what other omics data need to be measured to better understand the gut microbiome. Here we present high-depth metagenomic shotgun sequencing data for the fecal microbiome together with other omics data in a cohort of 2,183 adults, and observe a number of vitamins, hormones, amino acids and trace elements to correlate with the gut microbiome and cluster with T cell receptors. Associations with physical fitness, sleeping habits and dairy consumption are identified in this large multi-omic cohort. Many of the associations are validated in an additional cohort of 1,404 individuals. Our comprehensive data are poised to advise future study designs to better understand and manage our gut microbiome both in population and in mechanistic investigations.

The gut microbiome has been the center of attention for human commensal microbiome studies. The vaginal microbiome is also densely populated with bacteria, viruses and fungi, and the presence of microorganisms beyond the cervix is increasingly reported in non-infectious conditions 1–3 . Due to the over 90% of human sequences in female reproductive tract samples 3,4 , metagenomic information has been very limited. 16S rRNA gene amplicon sequencing studies have identified community types in the vaginal microbiota, and observed its dynamic changes due to menstrual cycles and sexual behaviors in small cohorts 5,6 . Here we perform metagenomic shotgun sequencing on cervical samples from 516 women of reproductive age (more than 10-fold of the Human Microbiome Project (HMP) 4 ), and dissect major factors, especially pregnancy and delivery histories and contraception methods on the microbiome composition. Features of other body sites, such as mood fluctuations and facial speckles could potentially be deduced from the vagino-cervical microbiome. Our results offer an unprecedented glimpse into the microbiota in the female reproductive tract and imply disease susceptibilities that may be relieved by behavioural changes.

Abstract The oral microbiota contains billions of microbial cells, which could contribute to diseases in a number of body sites. Challenged by eating, drinking and dental hygiene on a daily basis, the oral microbiota is regarded as highly dynamic. Here, we report significant human genomic associations with the oral metagenome from more than 1,915 individuals, for both the tongue dorsum and saliva. We identified five genetic loci associated with oral microbiota at study-wide significance ( p < 3.16 × 10 −11 ). Four of the five associations were well replicated in an independent cohort of 1,439 individuals: rs1196764 at APPL2 with Prevotella jejuni, Oribacterium uSGB 3339 and Solobacterium uSGB 315 ; rs3775944 at the serum uric acid transporter SLC2A9 with Oribacterium uSGB 1215, Oribacterium uSGB 489 and Lachnoanaerobaculum umeaense ; rs4911713 near OR11H1 with species F0422 uSGB 392; and rs36186689 at LOC105371703 with Eggerthia . Further analyses confirmed 84% (386/455 for tongue dorsum) and 85% (391/466 for saliva) of genetic-microbiota associations including 6 genome-wide significant associations mutually validated between the two niches. Human genetics accounted for at least 10% of oral microbiome compositions between individuals. Machine learning models showed that polygenetic risk score dominated over oral microbiome in predicting predisposing risk of dental diseases such as dental calculus and gingival bleeding. These findings indicate that human genetic differences are one explanation for a stable or recurrent oral microbiome in each individual.

Abstract Spatial transcriptomics measures in situ gene expression at millions of locations within a tissue 1 , hitherto with some trade-off between transcriptome depth, spatial resolution and sample size 2 . Although integration of image-based segmentation has enabled impactful work in this context, it is limited by imaging quality and tissue heterogeneity. By contrast, recent array-based technologies offer the ability to measure the entire transcriptome at subcellular resolution across large samples 3–6 . Presently, there exist no approaches for cell type identification that directly leverage this information to annotate individual cells. Here we propose a multiscale approach to automatically classify cell types at this subcellular level, using both transcriptomic information and spatial context. We showcase this on both targeted and whole-transcriptome spatial platforms, improving cell classification and morphology for human kidney tissue and pinpointing individual sparsely distributed renal mouse immune cells without reliance on image data. By integrating these predictions into a topological pipeline based on multiparameter persistent homology 7–9 , we identify cell spatial relationships characteristic of a mouse model of lupus nephritis, which we validate experimentally by immunofluorescence. The proposed framework readily generalizes to new platforms, providing a comprehensive pipeline bridging different levels of biological organization from genes through to tissues.

Summary Respiratory diseases impose an immense health burden worldwide. Epidemiological studies have revealed extensive disparities in the incidence and severity of respiratory tract infections (RTIs) between males and females . It is recently hypothesized that there might also be a nasal microbiome axis contributing to the observed sex disparities, but without evidence. In this work, we study the nasal microbiome of healthy young adults in, as of today, the largest cohort based on deep shot-gun metagenomic sequencing. We mainly focus on the bacteriome, but also integrate the mycobiome to get a more holistic perspective. De novo assembly is performed to catalog the nasal bacterial colonizers/residents, which also identify and therefore account for uncharacterized components of the community. The bacteriome is then profiled based on the non-redundant metagenome-assembled genomes (MAGs) catalog constructed therefrom. Unsupervised clustering reveals clearly separable structural patterns in the nasal microbiome between the two sexes. Following this link, we systematically evaluate sex differences for the first time and reveal extensive sex-specific features in the nasal microbiome composition. More importantly, through network analyses, we capture markedly higher ecological stability and antagonistic potentials in the nasal microbiome of females than that of males. The analysis of the keystone bacteria of the communities reveal that the sex-dependent evolutionary characteristics might have contributed to this difference . Highlights The non-redundant nasal bacterial MAGs catalog constructed from ultra-deeply sequenced metagenomic data provides a valuable resource. Integrating nasal bacteriome and mycobiome data provides a more holistic perspective for the understudied human nasal microbiome. Unsupervised clustering helps uncover extensive sex differences in the nasal microbiome compositions. Network analyses capture markedly higher ecological stability and antagonistic potentials in the nasal microbiome of females than that of males. Sex-dependent genetic evolutionary forces play a role in the shaping of keystones in the nasal microbial community.

Placenta play essential role in successful pregnancy, as the most important organ connecting and interplaying between mother and fetus. However, the cellular and molecular characteristics of fetal origin and maternal origin cell populations within the fetomaternal interface still is poorly understood. Here, we profiled the transcriptomes of single cells with well-defined maternal-fetal origin that consecutively localized from fetal section (FS), middle section (Mid_S) to maternal section (Mat_S) within the human full-term placenta. Then, we initially identified the cellular and molecular heterogeneity of cytotrophoblast cell (CTB) and stromal cell (STR) with the spatial location and fetal/maternal origin, also highlighted STR cells from fetal origins showed greater proliferation ability in Mat_S compared to cells from FS or Mid_S. Further, by integrating analysis with the first-trimester placental single cell transcriptome data, we revealed that a subpopulation of trophoblast progenitor-like cells (TPLCs) existed in the full-term placenta and mainly distributed in Mid_S, with high expression of pool of putative cell surface makers and unique molecular features. Moreover, through the extravillous cytotrophoblast (EVT) subsets differentiation trajectory and regulation network analysis, we proposed a putative key transcription factor PRDM6 that promoted the differentiation of endovascular extravillous trophoblast cells (enEVT). Finally, based on the integrated analyses of single cell transcriptional profiling of preeclampsia (PE) and match-trimester normal placenta, we highlighted the defective EVT subgroup composition and down-regulation of PRDM6 may lead to an abnormal enEVT differentiation process in PE. Together, our study offers important resources for better understanding of human placenta, stem cell-based therapy as well as PE, and provides new insights on the study of tissue heterogeneity, the clinical prevention and control of PE as well as the maternal-fetal interface.

Abstract Single cell approaches have increased our knowledge about the cell type composition of the non-human primate (NHP), but a detailed characterization of area-specific regulatory features remains outstanding. We generated single-cell chromatin accessibility (single-cell ATAC) and transcriptomic data of 358,237 cells from prefrontal cortex (PFC), primary motor cortex (M1) and primary visual cortex (V1) of adult cynomolgus monkey brain, and integrated this dataset with Stereo-seq (Spatio-Temporal Enhanced REsolution Omics-sequencing) of the corresponding cortical areas to assign topographic information to molecular states. We identified area-specific chromatin accessible sites and their targeted genes, including the cell type-specific transcriptional regulatory network associated with excitatory neurons heterogeneity. We reveal calcium ion transport and axon guidance genes related to specialized functions of PFC and M1, identified the similarities and differences between adult macaque and human oligodendrocyte trajectories, and mapped the genetic variants and gene perturbations of human diseases to NHP cortical cells. This resource establishes a transcriptomic and chromatin accessibility combinatory regulatory landscape at a single-cell and spatially resolved resolution in NHP cortex.

Abstract The aim of this study was to identify the hub genes in breast cancer and provide further insight into the tumorigenesis and development of breast cancer. To explore the hub genes in breast cancer, we performed an integrated bioinformatics analysis. Two gene expression profiles were downloaded from the GEO database. The differentially expressed genes (DEGs) were identified by using the “limma” package. Then, we performed Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) enrichment analysis to explore the functional annotation and potential pathways of the DEGs. Next, protein–protein interaction (PPI) network analysis and weighted gene coexpression network analysis (WGCNA) were conducted to screen for hub genes. To confirm the reliability of the identified hub genes, we obtained TCGA-BRCA data by using WGCNA to screen for genes that were strongly related to breast cancer. By combining the results from the GEO and TCGA datasets, we finally identified 15 real hub genes in breast cancer. Finally, we performed an overall survival analysis to explore the connection between the expression of hub genes and the overall survival time of breast cancer patients. We found that for all hub genes, higher expression was associated with significantly shorter overall survival times among breast cancer patients.

All single-cell RNA-seq protocols and technologies require library preparation prior to sequencing on a platform such as Illumina. Here, we present the first report to utilize the BGISEQ-500 platform for scRNA-seq, and compare the sensitivity and accuracy to Illumina sequencing. We generate a scRNA-seq resource of 468 unique single-cells and 1,297 matched single cDNA samples, performing SMARTer and Smart-seq2 protocols on mESCs and K562 cells with RNA spike-ins. We sequence these libraries on both BGISEQ-500 and Illumina HiSeq platforms using single- and paired-end reads. The two platforms have comparable sensitivity and accuracy in terms of quantification of gene expression, and low technical variability. Our study provides a standardised scRNA-seq resource to benchmark new scRNA-seq library preparation protocols and sequencing platforms.