Big data abound in microbiology, but the workflows designed to enable researchers to interpret data can constrain the biological questions that can be asked. Five years after anvi’o was first published, this community-led multi-omics platform is maturing into an open software ecosystem that reduces constraints in ‘omics data analyses.

Abstract Genes of unknown function are among the biggest challenges in molecular biology, especially in microbial systems, where 40%-60% of the predicted genes are unknown. Despite previous attempts, systematic approaches to include the unknown fraction into analytical workflows are still lacking. Here, we propose a conceptual framework and a computational workflow that bridge the known-unknown gap in genomes and metagenomes. We showcase our approach by exploring 415,971,742 genes predicted from 1,749 metagenomes and 28,941 bacterial and archaeal genomes. We quantify the extent of the unknown fraction, its diversity, and its relevance across multiple biomes. Furthermore, we provide a collection of 283,874 lineage-specific genes of unknown function for Cand . Patescibacteria, being a significant resource to expand our understanding of their unusual biology. Finally, by identifying a target gene of unknown function for antibiotic resistance, we demonstrate how we can enable the generation of hypotheses that can be used to augment experimental data.

Abstract Genomes and metagenomes contain a considerable percentage of genes of unknown function, which are often excluded from downstream analyses limiting our understanding of the studied biological systems. To address this challenge, we developed AGNOSTOS, a combined database-computational workflow resource that unifies the known and unknown coding sequence space of genomes and metagenomes. Here, we present AGNOSTOS-DB, an extensive database of high-quality gene clusters enriched with functional, ecological and phylogenetic information. Moreover, AGNOSTOS allows integrating new data into existing AGNOSTOS-DBs, maximizing the information retrievable for the genes of unknown function. As a proof of concept, we provide a seed database that integrates the predicted genes from marine and human metagenomes, as well as from Bacteria, Archaea, Eukarya and giant viruses environmental and cultivar genomes. The seed database comprises 6,572,081 gene clusters connecting 342 million genes and represents a comprehensive and scalable resource for the inclusion and exploration of the unknown fraction of genomes and metagenomes.

Respiratory reductases enable microbes to utilize molecules present in anaerobic ecosystems as energy-generating respiratory electron acceptors. Here we identify three taxonomically distinct families of human gut bacteria (Burkholderiaceae, Eggerthellaceae, Erysipelotrichaceae) that encode large arsenals of tens-to-hundreds of respiratory-like reductases per genome. Screening species from each family ( Sutterella wadsworthensis , Eggerthella lenta , and Holdemania filiformis ), we discover 22 metabolites used as respiratory electron acceptors in a species-specific manner. Identified reactions transform multiple classes of dietary- and host-derived metabolites, including bioactive molecules resveratrol and itaconate. Products of identified respiratory metabolisms highlight poorly characterized compounds, such as the itaconate-derived 2-methylsuccinate. Reductase substrate-profiling defines enzyme-substrate pairs and reveals a complex picture of reductase evolution, providing evidence that reductases with specificities for related cinnamate substrates independently emerged at least four times. These studies thus establish an exceptionally versatile form of anaerobic respiration that directly links microbial energy metabolism to the gut metabolome.

A wide variety of human diseases are associated with loss of microbial diversity in the human gut, inspiring a great interest in the diagnostic or therapeutic potential of the microbiota. However, the ecological forces that drive diversity reduction in disease states remain unclear, rendering it difficult to ascertain the role of the microbiota in disease emergence or severity. One hypothesis to explain this phenomenon is that microbial diversity is diminished as disease states select for microbial populations that are more fit to survive environmental stress caused by inflammation or other host factors. Here, we tested this hypothesis on a large scale, by developing a software framework to quantify the enrichment of microbial metabolisms in complex metagenomes as a function of microbial diversity. We applied this framework to over 400 gut metagenomes from individuals who are healthy or diagnosed with inflammatory bowel disease (IBD). We found that high metabolic independence (HMI) is a distinguishing characteristic of microbial communities associated with individuals diagnosed with IBD. A classifier we trained using the normalized copy numbers of 33 HMI-associated metabolic modules not only distinguished states of health versus IBD, but also tracked the recovery of the gut microbiome following antibiotic treatment, suggesting that HMI is a hallmark of microbial communities in stressed gut environments.

Abstract The remarkable pace of genomic data generation is rapidly transforming our understanding of life at the micron scale. Yet this data stream also creates challenges for team science. A single microbe can have multiple versions of genome architecture, functional gene annotations, and gene identifiers; additionally, the lack of mechanisms for collating and preserving advances in this knowledge raises barriers to community coalescence around shared datasets. “Digital Microbes” are frameworks for interoperable and reproducible collaborative science through open source, community-curated data packages built on a (pan)genomic foundation. Housed within an integrative software environment, Digital Microbes ensure real-time alignment of research efforts for collaborative teams and facilitate novel scientific insights as new layers of data are added. Here we describe two Digital Microbes: 1) the heterotrophic marine bacterium Ruegeria pomeroyi DSS-3 with > 100 transcriptomic datasets from lab and field studies, and 2) the pangenome of the cosmopolitan marine heterotroph Alteromonas containing 339 genomes. Examples demonstrate how an integrated framework collating public (pan)genome-informed data can generate novel and reproducible findings.

Abstract The remarkable pace of genomic data generation focused on the physiology and ecology of microbes is rapidly transforming our understanding of life at the micron scale. Yet this data stream has also created challenges for finding interoperable and extensible modes of analysis. From our own experience, a single microbe often has multiple versions of its genome architecture, functional gene annotation, and gene naming system, without a straightforward mechanism for collating information and preserving crucial advances in annotation. These dispersed data sources raise barriers to collaborations, and more generally hinder community coalescence around shared datasets of model organisms. Here, we describe the “Digital Microbe” data product which provides a framework for interoperability, reproducibility, and collaborative microbial science. A Digital Microbe is an open source, community-curated data package built on a (pan)genome foundation, which is housed within an integrative software environment. Using Digital Microbes ensures real-time alignment of research efforts within collaborative teams, and, as new layers of ’omic, experimental, or modeling data are added, facilitates the generation of novel scientific insights. We describe two Digital Microbes, one for the model heterotrophic marine bacterium Ruegeria pomeroyi DSS-3 which includes >100 transcriptomic datasets from lab and field studies; and another for the pangenome of the cosmopolitan heterotrophic marine bacterial genus Alteromonas represented by 339 genomes. Examples are provided to demonstrate how an integrated framework that collates public (pan)genome-informed data can generate novel and reproducible findings.

Plasmids are extrachromosomal genetic elements that often encode fitness enhancing features. However, many bacteria carry 'cryptic' plasmids that do not confer clear beneficial functions. We identified one such cryptic plasmid, pBI143, which is ubiquitous across industrialized gut microbiomes, and is 14 times as numerous as crAssphage, currently established as the most abundant genetic element in the human gut. The majority of mutations in pBI143 accumulate in specific positions across thousands of metagenomes, indicating strong purifying selection. pBI143 is monoclonal in most individuals, likely due to the priority effect of the version first acquired, often from one's mother. pBI143 can transfer between Bacteroidales and although it does not appear to impact bacterial host fitness in vivo, can transiently acquire additional genetic content. We identified important practical applications of pBI143, including its use in identifying human fecal contamination and its potential as an inexpensive alternative for detecting human colonic inflammatory states.