“Normal” for the gut microbiota For the benefit of future clinical studies, it is critical to establish what constitutes a “normal” gut microbiome, if it exists at all. Through fecal samples and questionnaires, Falony et al. and Zhernakova et al. targeted general populations in Belgium and the Netherlands, respectively. Gut microbiota composition correlated with a range of factors including diet, use of medication, red blood cell counts, fecal chromogranin A, and stool consistency. The data give some hints for possible biomarkers of normal gut communities. Science , this issue pp. 560 and 565

Functional profiles of microbial communities are typically generated using comprehensive metagenomic or metatranscriptomic sequence read searches, which are time-consuming, prone to spurious mapping, and often limited to community-level quantification. We developed HUMAnN2, a tiered search strategy that enables fast, accurate, and species-resolved functional profiling of host-associated and environmental communities. HUMAnN2 identifies a community’s known species, aligns reads to their pangenomes, performs translated search on unclassified reads, and finally quantifies gene families and pathways. Relative to pure translated search, HUMAnN2 is faster and produces more accurate gene family profiles. We applied HUMAnN2 to study clinal variation in marine metabolism, ecological contribution patterns among human microbiome pathways, variation in species’ genomic versus transcriptional contributions, and strain profiling. Further, we introduce ‘contributional diversity’ to explain patterns of ecological assembly across different microbial community types. HUMAnN2 uses a tiered sequence search to provide rapid and accurate species-level functional profiles of microbial communities from metagenomic and metatranscriptomic data.

Summary

 Gut microbial dysbioses are linked to aberrant immune responses, which are often accompanied by abnormal production of inflammatory cytokines. As part of the Human Functional Genomics Project (HFGP), we investigate how differences in composition and function of gut microbial communities may contribute to inter-individual variation in cytokine responses to microbial stimulations in healthy humans. We observe microbiome-cytokine interaction patterns that are stimulus specific, cytokine specific, and cytokine and stimulus specific. Validation of two predicted host-microbial interactions reveal that TNFα and IFNγ production are associated with specific microbial metabolic pathways: palmitoleic acid metabolism and tryptophan degradation to tryptophol. Besides providing a resource of predicted microbially derived mediators that influence immune phenotypes in response to common microorganisms, these data can help to define principles for understanding disease susceptibility. The three HFGP studies presented in this issue lay the groundwork for further studies aimed at understanding the interplay between microbial, genetic, and environmental factors in the regulation of the immune response in humans. 

PaperClip

With read lengths of currently up to 2 × 300 bp, high throughput and low sequencing costs Illumina's MiSeq is becoming one of the most utilized sequencing platforms worldwide. The platform is manageable and affordable even for smaller labs. This enables quick turnaround on a broad range of applications such as targeted gene sequencing, metagenomics, small genome sequencing and clinical molecular diagnostics. However, Illumina error profiles are still poorly understood and programs are therefore not designed for the idiosyncrasies of Illumina data. A better knowledge of the error patterns is essential for sequence analysis and vital if we are to draw valid conclusions. Studying true genetic variation in a population sample is fundamental for understanding diseases, evolution and origin. We conducted a large study on the error patterns for the MiSeq based on 16S rRNA amplicon sequencing data. We tested state-of-the-art library preparation methods for amplicon sequencing and showed that the library preparation method and the choice of primers are the most significant sources of bias and cause distinct error patterns. Furthermore we tested the efficiency of various error correction strategies and identified quality trimming (Sickle) combined with error correction (BayesHammer) followed by read overlapping (PANDAseq) as the most successful approach, reducing substitution error rates on average by 93%.

Background Stricturing and penetrating complications account for substantial morbidity and health-care costs in paediatric and adult onset Crohn's disease. Validated models to predict risk for complications are not available, and the effect of treatment on risk is unknown. Methods We did a prospective inception cohort study of paediatric patients with newly diagnosed Crohn's disease at 28 sites in the USA and Canada. Genotypes, antimicrobial serologies, ileal gene expression, and ileal, rectal, and faecal microbiota were assessed. A competing-risk model for disease complications was derived and validated in independent groups. Propensity-score matching tested the effect of anti-tumour necrosis factor α (TNFα) therapy exposure within 90 days of diagnosis on complication risk. Findings Between Nov 1, 2008, and June 30, 2012, we enrolled 913 patients, 78 (9%) of whom experienced Crohn's disease complications. The validated competing-risk model included age, race, disease location, and antimicrobial serologies and provided a sensitivity of 66% (95% CI 51–82) and specificity of 63% (55–71), with a negative predictive value of 95% (94–97). Patients who received early anti-TNFα therapy were less likely to have penetrating complications (hazard ratio [HR] 0·30, 95% CI 0·10–0·89; p=0·0296) but not stricturing complication (1·13, 0·51–2·51; 0·76) than were those who did not receive early anti-TNFα therapy. Ruminococcus was implicated in stricturing complications and Veillonella in penetrating complications. Ileal genes controlling extracellular matrix production were upregulated at diagnosis, and this gene signature was associated with stricturing in the risk model (HR 1·70, 95% CI 1·12–2·57; p=0·0120). When this gene signature was included, the model's specificity improved to 71%. Interpretation Our findings support the usefulness of risk stratification of paediatric patients with Crohn's disease at diagnosis, and selection of anti-TNFα therapy. Funding Crohn's and Colitis Foundation of America, Cincinnati Children's Hospital Research Foundation Digestive Health Center.

Inflammatory bowel disease (IBD) is a group of chronic diseases of the digestive tract that affects millions of people worldwide. Genetic, environmental and microbial factors have been implicated in the onset and exacerbation of IBD. However, the mechanisms associating gut microbial dysbioses and aberrant immune responses remain largely unknown. The integrative Human Microbiome Project seeks to close these gaps by examining the dynamics of microbiome functionality in disease by profiling the gut microbiomes of >100 individuals sampled over a 1-year period. Here, we present the first results based on 78 paired faecal metagenomes and metatranscriptomes, and 222 additional metagenomes from 59 patients with Crohn's disease, 34 with ulcerative colitis and 24 non-IBD control patients. We demonstrate several cases in which measures of microbial gene expression in the inflamed gut can be informative relative to metagenomic profiles of functional potential. First, although many microbial organisms exhibited concordant DNA and RNA abundances, we also detected species-specific biases in transcriptional activity, revealing predominant transcription of pathways by individual microorganisms per host (for example, by Faecalibacterium prausnitzii). Thus, a loss of these organisms in disease may have more far-reaching consequences than suggested by their genomic abundances. Furthermore, we identified organisms that were metagenomically abundant but inactive or dormant in the gut with little or no expression (for example, Dialister invisus). Last, certain disease-specific microbial characteristics were more pronounced or only detectable at the transcript level, such as pathways that were predominantly expressed by different organisms in patients with IBD (for example, Bacteroides vulgatus and Alistipes putredinis). This provides potential insights into gut microbial pathway transcription that can vary over time, inducing phenotypical changes that are complementary to those linked to metagenomic abundances. The study's results highlight the strength of analysing both the activity and the presence of gut microorganisms to provide insight into the role of the microbiome in IBD.

In the last 5 years, the rapid pace of innovations and improvements in sequencing technologies has completely changed the landscape of metagenomic and metagenetic experiments. Therefore, it is critical to benchmark the various methodologies for interrogating the composition of microbial communities, so that we can assess their strengths and limitations. The most common phylogenetic marker for microbial community diversity studies is the 16S ribosomal RNA gene and in the last 10 years the field has moved from sequencing a small number of amplicons and samples to more complex studies where thousands of samples and multiple different gene regions are interrogated. We assembled 2 synthetic communities with an even (EM) and uneven (UM) distribution of archaeal and bacterial strains and species, as metagenomic control material, to assess performance of different experimental strategies. The 2 synthetic communities were used in this study, to highlight the limitations and the advantages of the leading sequencing platforms: MiSeq (Illumina), The Pacific Biosciences RSII, 454 GS-FLX/+ (Roche), and IonTorrent (Life Technologies). We describe an extensive survey based on synthetic communities using 3 experimental designs (fusion primers, universal tailed tag, ligated adaptors) across the 9 hypervariable 16S rDNA regions. We demonstrate that library preparation methodology can affect data interpretation due to different error and chimera rates generated during the procedure. The observed community composition was always biased, to a degree that depended on the platform, sequenced region and primer choice. However, crucially, our analysis suggests that 16S rRNA sequencing is still quantitative, in that relative changes in abundance of taxa between samples can be recovered, despite these biases. We have assessed a range of experimental conditions across several next generation sequencing platforms using the most up-to-date configurations. We propose that the choice of sequencing platform and experimental design needs to be taken into consideration in the early stage of a project by running a small trial consisting of several hypervariable regions to quantify the discriminatory power of each region. We also suggest that the use of a synthetic community as a positive control would be beneficial to identify the potential biases and procedural drawbacks that may lead to data misinterpretation. The results of this study will serve as a guideline for making decisions on which experimental condition and sequencing platform to consider to achieve the best microbial profiling.

Summary

 Obesity and type 2 diabetes (T2D) are metabolic disorders that are linked to microbiome alterations. However, their co-occurrence poses challenges in disentangling microbial features unique to each condition. We analyzed gut microbiomes of lean non-diabetic (n = 633), obese non-diabetic (n = 494), and obese individuals with T2D (n = 153) from German population and metabolic disease cohorts. Microbial taxonomic and functional profiles were analyzed along with medical histories, serum metabolomics, biometrics, and dietary data. Obesity was associated with alterations in microbiome composition, individual taxa, and functions with notable changes in Akkermansia, Faecalibacterium, Oscillibacter, and Alistipes, as well as in serum metabolites that correlated with gut microbial patterns. However, microbiome associations were modest for T2D, with nominal increases in Escherichia/Shigella. Medications, including antihypertensives and antidiabetics, along with dietary supplements including iron, were significantly associated with microbiome variation. These results differentiate microbial components of these interrelated metabolic diseases and identify dietary and medication exposures to consider in future studies.