According to the hygiene hypothesis, the increasing incidence of autoimmune diseases in western countries may be explained by changes in early microbial exposure, leading to altered immune maturation. We followed gut microbiome development from birth until age three in 222 infants in Northern Europe, where early-onset autoimmune diseases are common in Finland and Estonia but are less prevalent in Russia. We found that Bacteroides species are lowly abundant in Russians but dominate in Finnish and Estonian infants. Therefore, their lipopolysaccharide (LPS) exposures arose primarily from Bacteroides rather than from Escherichia coli, which is a potent innate immune activator. We show that Bacteroides LPS is structurally distinct from E. coli LPS and inhibits innate immune signaling and endotoxin tolerance; furthermore, unlike LPS from E. coli, B. dorei LPS does not decrease incidence of autoimmune diabetes in non-obese diabetic mice. Early colonization by immunologically silencing microbiota may thus preclude aspects of immune education.

Abstract Motivation: The continued progress in developing technological platforms, availability of many published experimental datasets, as well as different statistical methods to analyze those data have allowed approaching the same research question using various methods simultaneously. To get the best out of all these alternatives, we need to integrate their results in an unbiased manner. Prioritized gene lists are a common result presentation method in genomic data analysis applications. Thus, the rank aggregation methods can become a useful and general solution for the integration task. Results: Standard rank aggregation methods are often ill-suited for biological settings where the gene lists are inherently noisy. As a remedy, we propose a novel robust rank aggregation (RRA) method. Our method detects genes that are ranked consistently better than expected under null hypothesis of uncorrelated inputs and assigns a significance score for each gene. The underlying probabilistic model makes the algorithm parameter free and robust to outliers, noise and errors. Significance scores also provide a rigorous way to keep only the statistically relevant genes in the final list. These properties make our approach robust and compelling for many settings. Availability: All the methods are implemented as a GNU R package RobustRankAggreg, freely available at the Comprehensive R Archive Network http://cran.r-project.org/. Contact: vilo@ut.ee Supplementary information Supplementary data are available at Bioinformatics online.

Host factors in the intestine help select for bacteria that promote health. Certain commensals can utilize mucins as an energy source, thus promoting their colonization. However, health conditions such as inflammatory bowel disease (IBD) are associated with a reduced mucus layer, potentially leading to dysbiosis associated with this disease. We characterize the capability of commensal species to cleave and transport mucin-associated monosaccharides and identify several Clostridiales members that utilize intestinal mucins. One such mucin utilizer, Peptostreptococcus russellii, reduces susceptibility to epithelial injury in mice. Several Peptostreptococcus species contain a gene cluster enabling production of the tryptophan metabolite indoleacrylic acid (IA), which promotes intestinal epithelial barrier function and mitigates inflammatory responses. Furthermore, metagenomic analysis of human stool samples reveals that the genetic capability of microbes to utilize mucins and metabolize tryptophan is diminished in IBD patients. Our data suggest that stimulating IA production could promote anti-inflammatory responses and have therapeutic benefits.

DNA epigenetic modifications, such as methylation, are important regulators of tissue differentiation, contributing to processes of both development and cancer. Profiling the tissue-specific DNA methylome patterns will provide novel insights into normal and pathogenic mechanisms, as well as help in future epigenetic therapies. In this study, 17 somatic tissues from four autopsied humans were subjected to functional genome analysis using the Illumina Infinium HumanMethylation450 BeadChip, covering 486 428 CpG sites. Only 2% of the CpGs analyzed are hypermethylated in all 17 tissue specimens; these permanently methylated CpG sites are located predominantly in gene-body regions. In contrast, 15% of the CpGs are hypomethylated in all specimens and are primarily located in regions proximal to transcription start sites. A vast number of tissue-specific differentially methylated regions are identified and considered likely mediators of tissue-specific gene regulatory mechanisms since the hypomethylated regions are closely related to known functions of the corresponding tissue. Finally, a clear inverse correlation is observed between promoter methylation within CpG islands and gene expression data obtained from publicly available databases. This genome-wide methylation profiling study identified tissue-specific differentially methylated regions in 17 human somatic tissues. Many of the genes corresponding to these differentially methylated regions contribute to tissue-specific functions. Future studies may use these data as a reference to identify markers of perturbed differentiation and disease-related pathogenic mechanisms.

Abstract Microbial community studies in general, and of the human microbiome in inflammatory bowel disease (IBD) in particular, have now achieved a scale at which it is practical to associate features of the microbiome with environmental exposures and health outcomes across multiple large-scale populations. This permits the development of rigorous meta-analysis methods, of particular importance in IBD as a means by which the heterogeneity of disease etiology and treatment response might be explained. We have thus developed MMUPHin (Meta-analysis Methods with a Uniform Pipeline for Heterogeneity in microbiome studies) for joint normalization, meta-analysis, and population structure discovery using microbial community taxonomic and functional profiles. Applying this method to ten IBD cohorts (5,151 total samples), we identified a single consistent axis of microbial associations among studies, including newly associated taxa such as Acinetobacter and Turicibacter detected due to the sensitivity of meta-analysis. Linear random effects models further revealed associations with medications, disease location, and interaction effects consistent within and between studies. Finally, multiple unsupervised clustering metrics and dissimilarity measures agreed on a lack of discrete microbiome “types” in the IBD gut microbiome. These results thus provide a benchmark for consistent characterization of the IBD gut microbiome and a general framework applicable to meta-analysis of any microbial community types.

Whole-genome sequencing is increasingly adopted in clinical settings to identify pathogen transmissions. Currently, such studies are performed largely retrospectively, but to be actionable they need to be carried out prospectively, in which samples are continuously added and compared to previous samples. To enable prospective pathogen comparison, genomic relatedness metrics based on single nucleotide differences must be consistent across time, efficient to compute and reliable for a large variety of samples. The choice of genomic regions to compare, i.e., the core genome, is critical to obtain a good metric. We propose a novel core genome method that selects conserved sequences in the reference genome by comparing its k-mer content to that of publicly available genome assemblies. The conserved-sequence genome is sample set-independent, which enables prospective pathogen monitoring. Based on clinical data sets of 3436 S. aureus, 1523 K. pneumoniae and 348 E. faecium samples, we show that the conserved-sequence genome disambiguates same-patient samples better than a core genome consisting of conserved genes. The conserved-sequence genome confirms outbreak samples with high accuracy: in a set of 2335 S. aureus samples, it correctly identifies 44 out of 45 outbreak samples, whereas the conserved gene method confirms 38 out of 45 outbreak samples.