Abstract Microbiome dynamics are both crucial indicators and drivers of human health, agricultural output, and industrial bio-applications. However, predicting microbiome dynamics is notoriously difficult because communities often show abrupt structural changes, such as “dysbiosis” in human microbiomes. We here integrate theoretical and empirical bases for anticipating drastic shifts of microbial communities. We monitored 48 experimental microbiomes for 110 days and observed that various community-level events, including collapse and gradual compositional changes, occurred according to a defined set of environmental conditions. We then confirmed that the abrupt community changes observed through the time-series could be described as shifts between “alternative stable states” or dynamics around complex attractors. Furthermore, collapses of microbiome structure were successfully anticipated by means of the diagnostic threshold defined with the energy landscape analysis of statistical physics or that of a stability index of nonlinear mechanics. These results indicate that abrupt microbiome events in complex microbial communities can be forecasted by extending classic ecological concepts to the scale of species-rich microbial systems.

Abstract Species utilizing the same resources often fail to coexist for extended periods of time. Such competitive exclusion mechanisms potentially underly microbiome dynamics, causing breakdowns of communities composed of species with similar genetic backgrounds of resource utilization. Although genes responsible for competitive exclusion among a small number of species have been investigated in pioneering studies, it remains a major challenge to integrate genomics and ecology for understanding stable coexistence in species-rich communities. Here, we show that community-scale analyses of functional gene redundancy can provide a useful platform for interpreting and predicting collapse of bacterial communities. Through 110-day time-series of experimental microbiome dynamics, we analyzed the metagenome-assembled genomes of co-occurring bacterial species. We then inferred ecological niche space based on the multivariate analysis of the genome compositions. The analysis allowed us to evaluate potential shifts in the level of niche overlap between species through time. We hypothesized that community-scale pressure of competitive exclusion could be evaluated by quantifying overlap of genetically determined resource-use profiles (metabolic pathway profiles) among coexisting species. We found that the degree of community compositional changes observed in the experimental microbiome was explained by the magnitude of gene-repertoire overlaps among bacterial species. The metagenome-based analysis of genetic potential for competitive exclusion will help us forecast major events in microbiome dynamics such as sudden community collapse (i.e., dysbiosis).

Abstract In natural and agricultural ecosystems, survival and growth of plants depend substantially on microbes in the endosphere and rhizosphere. Although numerous studies have reported the presence of plant-growth promoting bacteria and fungi in below-ground biomes, it remains a major challenge to understand how sets of microbial species positively or negatively affect plants’ performance. By conducting a series of single- and dual-inoculation experiments of 13 endophytic and soil fungi targeting a Brassicaceae plant species, we here evaluated how microbial effects on plants depend on presence/absence of co-occurring microbes. The comparison of single- and dual-inoculation experiments showed that combinations of the fungal isolates with the highest plant-growth promoting effects in single inoculations did not yield highly positive impacts on plant performance traits (e.g., shoot dry weight). In contrast, pairs of fungi including small/moderate contributions to plants in single-inoculation contexts showed the greatest effects on plants among the 78 fungal pairs examined. These results on the offset and synergistic effects of pairs of microbes suggest that inoculation experiments of single microbial species/isolates can result in the overestimation or underestimation of microbial functions in multi-species contexts. Because keeping single-microbe systems in outdoor conditions is impractical, designing sets of microbes that can maximize performance of crop plants is an important step for the use of microbial functions in sustainable agriculture.

Abstract In aquatic ecosystems, the health of fish depends greatly on the dynamics of microbial community structure in the background environment. Nonetheless, finding microbes with profound impacts on fish’s performance out of thousands of candidate species remains a major challenge. We here show that time-series analyses of microbial population dynamics illuminate core components and structure of fish-associated microbiomes. By targeting eel aquaculture microbiomes as model systems, we reconstructed the population dynamics of 9,605 bacterial and 303 archaeal species/strains across 128 days. Due to the remarkable increase/decrease of constituent microbial populations, the taxonomic compositions of microbiomes changed drastically through time. We then found that some specific microbial taxa showed positive relationship with eels’ activity level even after excluding cofounding effects of environmental parameters (pH and dissolved oxygen level) on population dynamics. In particular, a vitamin B 12 -producing bacteria, Cetobacterium somerae , consistently showed strong positive associations with eels’ activity level across the replicate time-series of the five aquaculture tanks. Network theoretical and metabolic modeling analyses further suggested that the highlighted bacterium formed compartments of close microbe-to-microbe interactions with some other bacterial taxa, forming potential core microbiomes with positive impacts on eels. Overall, these results suggest that integration of microbiology, ecological theory, and network science allows us to explore core species and interactions embedded within complex dynamics of fish-associated microbiomes.

HOIL-1L deficiency was recently reported to be one of the causes of myopathy and dilated cardiomyopathy (DCM). However, the mechanisms by which myopathy and DCM develop have not been clearly elucidated. Here, we sought to elucidate these mechanisms using the murine myoblast cell line C2C12 and disease-specific human induced pluripotent stem cells (hiPSCs). Myotubes were differentiated from control and HOIL-1L-KO C2C12 cells. Cardiomyocytes (CMs) were differentiated from control and patient-derived hiPSCs. We investigated the impact of HOIL-1L on differentiation of myotubes and CMs. Myotubes differentiated from HOIL-1L-KO C2C12 cells exhibited deteriorated differentiation and mitotic cell accumulation. CMs differentiaed from patient-derived hiPSCs had an abnormal morphology with a larger size and were excessively multinucleated compared with CMs differentiaed from control hiPSCs. Further analysis of hiPSC-derived CMs showed that HOIL-1L deficiency caused cell cycle alteration and mitotic cell accumulation. These results were supported by RNA sequencing of C2C12 cell-derived myotubes. In addition, SerpinE2, a cardiac fibrogenesis gene, was significantly upregulated in CMs differentiaed from patient-derived hiPSCs. These results demonstrate that abnormal cell maturation and fibrosis possibly contribute to the development of DCM and myopathy. In conclusion, HOIL-1L is an important intrinsic regulator of cell cycle-related myotube and CM maturation and cell proliferation.

Abstract Theory predicts that biological communities can have multiple basins of attraction in terms of their species/taxonomic compositions. The presence of such basins of community structure has been examined in classic empirical studies on forest–savanna transitions and those on eutrophication in freshwater lakes. Nonetheless, it remains a major challenge to extend the investigations of multistability to species-rich microbial communities. By targeting soil microbiomes, we infer the stability landscapes of community structure based on the concepts of statistical physics. Our analysis on the compiled dataset involving 11 archaeal, 332 bacterial, and 240 fungal families detected from > 1,500 agroecosystem soil samples suggested that both prokaryotic and fungal community compositions could be classified into several basins of attraction. We also found that the basins differed greatly in their associations with crop disease prevalence in agroecosystems. A further analysis highlighted microbial taxa potentially playing key roles in transitions between basins with different ecosystem-scale functions. The statistical framework commonly applicable to diverse microbial and non-microbial communities will reorganize our understanding of relationship among community structure, stability, and functions.

Abstract Understanding potential roles of facilitative interactions between species is one of the major challenges in ecology and microbiology. However, we still have limited knowledge of entangled webs of facilitative interactions in ecosystems. By compiling whole-genome shotgun metagenomic data of an experimental microbial community, we tested the hypothesis that architecture of facilitative interaction networks could change through time. A metabolic modeling approach for estimating dependence between microbial genomes (species) allowed us to infer the network structure of potential facilitative interactions at 13 time points through the 110-day monitoring of experimental microbiomes. We then found that positive feedback loops, which were theoretically predicted to promote cascade breakdown of ecological communities, existed within the inferred networks of metabolic interactions prior to the drastic community-compositional shift observed in the microbiome time-series. We further applied “directed-graph” analyses to pinpoint potential keystone species located at the “upper stream” positions of such feedback loops. These analyses on facilitative interactions will help us understand key mechanisms causing catastrophic shifts in microbial community structure.

Abstract The structure of microbial communities is often classified into discrete or semi-discrete compositions of taxa as represented by “enterotypes” of human gut microbiomes. Elucidating mechanisms that generate such “alternative states” of microbiome compositions has been one of the major challenges in ecology and microbiology. In a time-series analysis of experimental microbiomes, we here show that both deterministic and stochastic ecological processes drive divergence of alternative microbiome states. We introduced species-rich soil-derived microbiomes into eight types of culture media with 48 replicates, monitoring shifts in community compositions at six time points (8 media × 48 replicates × 6 time points = 2,304 community samples). We then confirmed that microbial community structure diverged into a few discrete states in each of the eight medium conditions as predicted in the presence of both deterministic and stochastic community processes. In other words, microbiome structure was differentiated into a small number of reproducible compositions under the same environment. This fact indicates not only the presence of selective forces leading to specific equilibria of community-scale resource use but also the influence of demographic drift (fluctuations) across basins of such equilibria. A reference-genome analysis further suggested that the observed alternative states differed in ecosystem-level functions. These findings will help us examine how microbiome structure and functions can be controlled by changing the “stability landscapes” of ecological community compositions.