The gut microbiota influences both local and systemic inflammation. Inflammation contributes to development, progression, and treatment of cancer, but it remains unclear whether commensal bacteria affect inflammation in the sterile tumor microenvironment. Here, we show that disruption of the microbiota impairs the response of subcutaneous tumors to CpG-oligonucleotide immunotherapy and platinum chemotherapy. In antibiotics-treated or germ-free mice, tumor-infiltrating myeloid-derived cells responded poorly to therapy, resulting in lower cytokine production and tumor necrosis after CpG-oligonucleotide treatment and deficient production of reactive oxygen species and cytotoxicity after chemotherapy. Thus, optimal responses to cancer therapy require an intact commensal microbiota that mediates its effects by modulating myeloid-derived cell functions in the tumor microenvironment. These findings underscore the importance of the microbiota in the outcome of disease treatment.

Anti-programmed cell death protein 1 (PD-1) therapy provides long-term clinical benefits to patients with advanced melanoma. The composition of the gut microbiota correlates with anti-PD-1 efficacy in preclinical models and cancer patients. To investigate whether resistance to anti-PD-1 can be overcome by changing the gut microbiota, this clinical trial evaluated the safety and efficacy of responder-derived fecal microbiota transplantation (FMT) together with anti-PD-1 in patients with PD-1-refractory melanoma. This combination was well tolerated, provided clinical benefit in 6 of 15 patients, and induced rapid and durable microbiota perturbation. Responders exhibited increased abundance of taxa that were previously shown to be associated with response to anti-PD-1, increased CD8+ T cell activation, and decreased frequency of interleukin-8-expressing myeloid cells. Responders had distinct proteomic and metabolomic signatures, and transkingdom network analyses confirmed that the gut microbiome regulated these changes. Collectively, our findings show that FMT and anti-PD-1 changed the gut microbiome and reprogrammed the tumor microenvironment to overcome resistance to anti-PD-1 in a subset of PD-1 advanced melanoma.

Despite widespread use of antibiotics for the treatment of life-threatening infections and for research on the role of commensal microbiota, our understanding of their effects on the host is still very limited.Using a popular mouse model of microbiota depletion by a cocktail of antibiotics, we analysed the effects of antibiotics by combining intestinal transcriptome together with metagenomic analysis of the gut microbiota. In order to identify specific microbes and microbial genes that influence the host phenotype in antibiotic-treated mice, we developed and applied analysis of the transkingdom network.We found that most antibiotic-induced alterations in the gut can be explained by three factors: depletion of the microbiota; direct effects of antibiotics on host tissues and the effects of remaining antibiotic-resistant microbes. Normal microbiota depletion mostly led to downregulation of different aspects of immunity. The two other factors (antibiotic direct effects on host tissues and antibiotic-resistant microbes) primarily inhibited mitochondrial gene expression and amounts of active mitochondria, increasing epithelial cell death. By reconstructing and analysing the transkingdom network, we discovered that these toxic effects were mediated by virulence/quorum sensing in antibiotic-resistant bacteria, a finding further validated using in vitro experiments.In addition to revealing mechanisms of antibiotic-induced alterations, this study also describes a new bioinformatics approach that predicts microbial components that regulate host functions and establishes a comprehensive resource on what, why and how antibiotics affect the gut in a widely used mouse model of microbiota depletion by antibiotics.

Abstract Shotgun microbiome sequencing analysis presents several challenges to accurately and consistently depict sample composition and functional potential. Here we present a two-part framework – JAMS (Just a Microbiology System) – whereby with raw fastq files and metadata as input, meaningful analysis within a sample and between a sample can be performed with ease for either shotgun or 16S sequences. JAMS is the first package to provide seamless deconvolution of functions into their taxonomic contributors. We validated our JAMS framework on two human gut shotgun metagenome test datasets against the popular tool MetaPhlAn 4. We further demonstrate the application of the JAMS package, particularly the plotting functions, on a mouse shotgun dataset.

Abstract Liver cancer ranks amongst the deadliest cancers. Nerves have emerged as an understudied regulator of tumor progression. The parasympathetic vagus nerve influences systemic immunity via acetylcholine (ACh). Whether cholinergic neuroimmune interactions influence hepatocellular carcinoma (HCC) remains uncertain. Liver denervation via hepatic vagotomy (HV) significantly reduced liver tumor burden, while pharmacological enhancement of parasympathetic tone promoted tumor growth. Cholinergic disruption in Rag1KO mice revealed that cholinergic regulation requires adaptive immunity. Further scRNA-seq and in vitro studies indicated that vagal ACh dampens CD8+ T cell activity via muscarinic ACh receptor (AChR) CHRM3. Depletion of CD8+ T cells abrogated HV outcomes and selective deletion of Chrm3 on CD8 + T cells inhibited liver tumor growth. Beyond tumor-specific outcomes, vagotomy improved cancer-associated fatigue and anxiety-like behavior. As microbiota transplantation from HCC donors was sufficient to impair behavior, we investigated putative microbiota-neuroimmune crosstalk. Tumor, rather than vagotomy, robustly altered fecal bacterial composition, increasing Desulfovibrionales and Clostridial taxa. Strikingly, in tumor-free mice, vagotomy permitted HCC-associated microbiota to activate hepatic CD8+ T cells. These findings reveal that gut bacteria influence behavior and liver anti-tumor immunity via a dynamic and pharmaceutically targetable, vagus-liver axis.

Abstract Clinical and preclinical studies have established that supplementing diets with ω3 polyunsaturated fatty acids (PUFA) can reduce hepatic dysfunction in nonalcoholic steatohepatitis (NASH). Herein, we used multi-omic network analysis to unveil novel mechanistic targets of ω3 PUFA effects in a preclinical mouse model of western diet induced NASH. After identifying critical molecular processes responsible for the effects of ω3 PUFA, we next performed meta-analysis of human liver cancer transcriptomes and uncovered betacellulin as a key EGFR-binding protein that was induced in liver cancer and downregulated by ω3 PUFAs in animals with NASH. We then confirmed that betacellulin acts by promoting proliferation of quiescent hepatic stellate cells, stimulating transforming growth factor–β2 and increasing collagen production. When used in combination with TLR2/4 agonists, betacellulin upregulated integrins in macrophages thereby potentiating inflammation and fibrosis. Taken together, our results suggest that suppression of betacellulin is one of the key mechanisms associated with anti-inflammatory and antifibrotic effects of ω3 PUFA during NASH. Synopsis Multi-omic network analysis points to mitochondrial cardiolipin precursors as candidate key lipids whereby ω3 fatty acids restore mitochondrial functioning. Multi-omic network analysis suggests betacellulin (BTC) as one of the key mediators of NASH suppressed by ω3 polyunsaturated fatty acids. Reduction of liver fibrosis by omega-3 fatty acids (especially by docosahexaenoic acid, DHA) is accomplished by simultaneous inhibition of betacellulin and TLR agonists. BTC promotes collagen production and induces TGFB2 in hepatic stellate cells. BTC together with TLR2/4 agonists stimulate expression of integrins in macrophages. DHA suppresses BTC-EGFR pathway in NASH animal model potentially preventing progression to hepatocellular carcinoma.

Technological advances have generated tremendous amounts of high-throughput omics data. Integrating data from multiple cohorts and diverse omics types from new and previously published studies can offer a holistic view of a biological system and aid in deciphering its critical players and key mechanisms. In this protocol, we describe how to use Transkingdom Network Analysis (TkNA), a unique causal-inference analytical framework that can perform meta-analysis of cohorts and detect master regulators among measured parameters that govern pathological or physiological responses of host-microbiota (or any multi-omic data) interactions in a particular condition or disease. TkNA first reconstructs the network that represents a statistical model capturing the complex relationships between the different omics of the biological system. Here, it selects differential features and their per-group correlations by identifying robust and reproducible patterns of fold change direction and sign of correlation across several cohorts. Next, a causality-sensitive metric, statistical thresholds, and a set of topological criteria are used to select the final edges that form the transkingdom network. The second part of the analysis involves interrogating the network. Using the network's local and global topology metrics, it detects nodes that are responsible for control of given subnetwork or control of communication between kingdoms and/or subnetworks. The underlying basis of the TkNA approach involves fundamental principles including laws of causality, graph theory and information theory. Hence, TkNA can be used for causal inference via network analysis of any host and/or microbiota multi-omics data. This quick and easy-to-run protocol requires very basic familiarity with the Unix command-line environment.