Abstract Microbial metabolic processes greatly impact ecosystem functioning and the physiology of multi-cellular host organisms. The inference of metabolic capabilities and phenotypes from genome sequences with the help of reference biomolecular knowledge stored in online databases remains a major challenge in systems biology. Here, we present gapseq : a novel tool for automated pathway prediction and metabolic network reconstruction from microbial genome sequences. gapseq combines databases of reference protein sequences (UniProt, TCDB), in tandem with pathway and reaction databases (MetaCyc, KEGG, ModelSEED). This enables the prediction of an organism’s metabolic capabilities from sequence homology and pathway topology criteria. By incorporating a novel LP-based gap-filling algorithm, gapseq facilitates the construction of genome-scale metabolic models that are suitable for metabolic phenotype predictions by using constraint-based flux analysis. We validated gapseq by comparing predictions to experimental data for more than 3, 000 bacterial organisms comprising 14, 895 phenotypic traits that include enzyme activity, energy sources, fermentation products, and gene essentiality. This large-scale phenotypic trait prediction test showed, that gapseq yields an overall accuracy of 81% and thereby outperforms other commonly used reconstruction tools. Furthermore, we illustrate the application of gapseq -reconstructed models to simulate biochemical interactions between microorganisms in multi-species communities. Altogether, gapseq is a new method that improves the predictive potential of automated metabolic network reconstructions and further increases their applicability in biotechnological, ecological, and medical research. gapseq is available at https://github.com/jotech/gapseq .

Summary Fine-scale knowledge of the changes in composition and function of the human gut microbiome compared that of our closest relatives is critical for understanding the evolutionary processes underlying its developmental trajectory. To infer taxonomic and functional changes in the gut microbiome across hominids at different timescales, we performed high-resolution metagenomic-based analyses of the fecal microbiome from over two hundred samples including diverse human populations, as well as wild-living chimpanzees, bonobos, and gorillas. We find human-associated taxa depleted within non-human apes and patterns of host-specific gut microbiota, suggesting the widespread acquisition of novel microbial clades along the evolutionary divergence of hosts. In contrast, we reveal multiple lines of evidence for a pervasive loss of diversity in humans populations in correlation with a high Human Development Index, including evolutionarily conserved clades. Similarly, patterns of co-phylogeny are found to be disrupted in humans. Together with identifying individual microbial taxa and functional adaptations that correlate to host phylogeny, these findings offer new and exciting insights into specific candidates playing a role in the diverging trajectories of the gut microbiome of hominids, demonstrating that repeated horizontal gene transfer and gene loss, as well as the adaptation to transient microaerobic conditions appear to have played a role in the evolution of the human gut microbiome.

Aging is the predominant cause of morbidity and mortality in industrialized countries. The specific molecular mechanisms that drive aging are poorly understood, especially the contribution of the microbiota in these processes. Here, we combined multi-omics with metabolic modeling in mice to comprehensively characterize host-microbiome interactions and how they are affected by aging. Our findings reveal a complex dependency of host metabolism on microbial functions, including previously known as well as novel interactions. We observed a pronounced reduction in metabolic activity within the aging microbiome, which we attribute to reduced beneficial interactions in the microbial community and a reduction in its metabolic output. These microbial changes coincided with a corresponding downregulation of key host pathways predicted by our model to be dependent on the microbiome that are crucial for maintaining intestinal barrier function, cellular replication, and homeostasis. Our results elucidate microbiome-host interactions that potentially influence host aging processes, focusing on microbial nucleotide metabolism as a pivotal factor in aging dynamics. These pathways could serve as future targets for the development of microbiome-based therapies against aging.

Abstract Chronic inflammatory diseases (CID) are systems disorders affecting various organs including the intestine, joint and skin. The essential amino acid tryptophan (Trp) is not only used for protein synthesis but can also be catabolized to various bioactive derivatives that are important for cellular energy metabolism and immune regulation. Increased Trp catabolism via the kynurenine pathway is seen across individual CID entities 1–5 . Here, we assessed the levels of Trp and tryptophan derivatives across 13 CID to investigate the extent and nature of Trp wasting as a systems phenomenon in CID. We found reduced serum Trp levels across the majority of CID and a prevailing negative relationship between Trp and systemic inflammatory marker C-reactive protein (CRP). Increases in the kynurenine-to-Trp ratio (Kyn:Trp) indicate that the kynurenine pathway is a major route for CID-related Trp wasting. However, the extent of Trp depletion and its relationship with disease activity varies by disease, indicating potential differences in Trp metabolism. In addition, we find that amino acid catabolism in chronic inflammation is specific to tryptophan wasting, whereas other proteinogenic amino acids are not affected. Hence, our results suggest that increased Trp catabolism is a common metabolic occurrence in CID that may directly affect systemic immunity. Grant support This work was supported by the DFG Cluster of Excellence 1261 “Precision medicine in chronic inflammation” (KA, SSchr, PR, BH, SWa), the BMBF (e:Med Juniorverbund “Try-IBD” 01ZX1915A and 01ZX2215, the e:Med Network iTREAT 01ZX2202A, and GUIDE-IBD 031L0188A), DFG RU5042 (PR, KA), and Innovative Medicines Initiative 2 Joint Undertakings (“Taxonomy, Treatments, Targets and Remission”, No. 831434, “ImmUniverse”, grant agreement No. 853995, “BIOMAP”, grant agreement No. 821511).

Summary The exchange of metabolites among different bacterial genotypes profoundly impacts the structure and function of microbial communities. However, the factors governing the establishment of these cross-feeding interactions remain poorly understood. While shared physiological features may facilitate interactions among more closely related individuals, a lower relatedness should reduce competition and thus increase the potential for synergistic interactions. Here we investigate how the relationship between a metabolite donor and recipient affects the propensity of strains to engage in unidirectional cross-feeding interactions. For this, we performed pairwise cocultivation experiments between four auxotrophic recipients and 25 species of potential amino acid donors. Auxotrophic recipients grew in the vast majority of pairs tested (78%), suggesting metabolic cross-feeding interactions are readily established. Strikingly, both the phylogenetic distance between donor and recipient and the dissimilarity of their metabolic networks were positively associated with the growth of auxotrophic recipients. Analysing the co-growth of species from a gut microbial community in-silico also revealed that recipient genotypes benefitted more from interacting with metabolically dissimilar partners, thus corroborating the empirical results. Together, our work identifies the metabolic dissimilarity between bacterial genotypes as key factor determining the establishment of metabolic cross-feeding interactions in microbial communities. Highlights The exchange of essential metabolites is common in microbial communities Metabolic cross-feeding interactions readily establish between auxotrophic and prototrophic bacterial strains Both the phylogenetic and the metabolic dissimilarity between donors and recipients determines the successful establishment of metabolic cross-feeding interactions

The microbiome is generally assumed to have a substantial influence on the biology of multicellular organisms. The exact functional contributions of the microbes are often unclear and cannot be inferred easily from 16S rRNA genotyping, which is commonly used for taxonomic characterization of the bacterial associates. In order to bridge this knowledge gap, we here analyzed the metabolic competences of the native microbiome of the model nematode Caenorhabditis elegans. We integrated whole genome sequences of 77 bacterial microbiome members with metabolic modelling and experimental characterization of bacterial physiology. We found that, as a community, the microbiome can synthesize all essential nutrients for C. elegans. Both metabolic models and experimental analyses further revealed that nutrient context can influence how bacteria interact within the microbiome. We identified key bacterial traits that are likely to influence the microbe's ability to colonize C. elegans (e.g., pyruvate fermentation to acetoin) and the resulting effects on nematode fitness (e.g., hydroxyproline degradation). Considering that the microbiome is usually neglected in the comprehensive research on this nematode, the resource presented here will help our understanding of C. elegans biology in a more natural context. Our integrative approach moreover provides a novel, general framework to dissect microbiome-mediated functions.

Amino acid auxotrophies are prevalent among bacteria. They can govern ecological dynamics in microbial communities and indicate metabolic cross-feeding interactions among coexisting genotypes. Despite the ecological importance of auxotrophies, their distribution and impact on the diversity and function of the human gut microbiome remain poorly understood. This study performed the first systematic analysis of the distribution of amino acid auxotrophies in the human gut microbiome using a combined metabolomic, metagenomic, and metabolic modeling approach. Results showed that amino acid auxotrophies are ubiquitous in the colon microbiome, with tryptophan auxotrophy being the most common. Auxotrophy frequencies were higher for those amino acids that are also essential to the human host. Moreover, a higher overall abundance of auxotrophies was associated with greater microbiome diversity and stability, and the distribution of auxotrophs was found to be related to the human host9s metabolome, including trimethylamine oxide, small aromatic acids, and secondary bile acids. Thus, our results suggest that amino acid auxotrophies are important factors contributing to microbiome ecology and host-microbiome metabolic interactions.

While studies on anthropogenic activities and antibiotic resistance are numerous, the impact of microbial interactions on resistance in complex communities remains uncertain. Here we demonstrate a correlation between the presence of Myxococcus xanthus in natural soil communities and the abundance of antibiotic-resistant bacteria. Further, introducing M. xanthus isolates also enriches antibiotic resistance. This is due to the mass lysis of M. xanthus cells, which results in a toxic environment that fosters the proliferation of pre-existing resistant bacteria rather than de novo resistance evolution. Metagenomic analysis revealed that this enrichment is not limited to the tested antibiotics in culture-based methods, indicating its broader relevance. Crucially, these findings go beyond laboratory settings, showing M. xanthus introduction enriches resistant isolates in natural soil communities. Finally, we demonstrate that the mass lysis of M. xanthus cells during starvation-induced development (key aspect of the lifecycle of M. xanthus) also results in the enrichment of antibiotic resistance in soil communities. Together, we demonstrate how life-history traits in bacterial predators, like M. xanthus, significantly impact antibiotic resistomes in nature. This study also highlights the complex dynamics at play in the evolution and maintenance of antibiotic resistance, emphasizing the role of interspecies interactions in shaping antibiotic resistance profiles.

The biology of all organisms is influenced by the associated community of microorganisms. In spite of its importance, it is usually not well understood how exactly this microbiome affects host functions and what are the underlying molecular processes. To rectify this knowledge gap, we took advantage of the nematode C. elegans as a tractable, experimental model system and assessed the inducible transcriptome response after colonization with members of its native microbiome. For this study, we focused on two isolates of the genus Ochrobactrum. These bacteria are known to be abundant in the nematode's microbiome and are capable of colonizing and persisting in the nematode gut, even under stressful conditions. The transcriptome response was assessed across development and three time points of adult life, using general and C. elegans-specific enrichment analyses to identify affected functions. Our assessment revealed an influence of the microbiome members on the nematode's dietary response, development, fertility, immunity, and energy metabolism. This response is mainly regulated by a GATA transcription factor, most likely ELT-2, as indicated by the enrichment of (i) the GATA motif in the promoter regions of inducible genes and (ii) of ELT-2 targets among the differentially expressed genes. We compared our transcriptome results with a corresponding previously characterized proteome data set, highlighting a significant overlap in the differentially expressed genes and the affected functions. Our analysis further identified a core set of 86 genes that consistently responded to the microbiome members across development and adult life, including several C-type lectin-like genes and genes known to be involved in energy metabolism or fertility. We additionally assessed the consequences of induced gene expression with the help of metabolic network model analysis, using a previously established metabolic network for C. elegans. This analysis complemented the enrichment analyses by revealing an influence of the Ochrobactrum isolates on C. elegans energy metabolism and furthermore metabolism of specific amino acids, fatty acids, and also folate biosynthesis. Our findings highlight the multifaceted impact of naturally colonizing microbiome isolates on C. elegans life history and thereby provide a framework for further analysis of microbiome-mediated host functions.

The microbiome is increasingly receiving attention as an important modulator of host health and disease. However, while numerous mechanisms through which the microbiome influences its host have been identified, there is still a lack of approaches that allow to specifically modulate the abundance of individual microbes or microbial functions of interest. Moreover, current approaches for microbiome manipulation such as fecal transfers often entail a non-specific transfer of entire microbial communities with potentially unwanted side effects. To overcome this limitation, we here propose the concept of precision prebiotics that specifically modulate the abundance of a microbiome member species of interest. In a first step, we show that defining precision prebiotics by compounds that are only taken up by the target species but no other species in a community is usually not possible due to overlapping metabolic niches. Subsequently, we present a metabolic modeling network framework that allows us to define precision prebiotics for a two-member C. elegans microbiome model community comprising the immune-protective Pseudomonas lurida MYb11 and the persistent colonizer Ochrobactrum vermis MYb71. Thus, we predicted compounds that specifically boost the abundance of the host-beneficial MYb11, four of which were experimentally validated in vitro (L-serine, L-threonine, D-mannitol, and γ-aminobutyric acid). L-serine was further assessed in vivo, leading to an increase in MYb11 abundance also in the worm host. Overall, our findings demonstrate that constraint-based metabolic modeling is an effective tool for the design of precision prebiotics as an important cornerstone for future microbiome-targeted therapies.