ABSTRACT Accurate generative statistical modeling of count data is of critical relevance for the analysis of biological datasets from high-throughput sequencing technologies. Important instances include the modeling of microbiome compositions from amplicon sequencing surveys and the analysis of cell type compositions derived from single-cell RNA sequencing. Microbial and cell type abundance data share remarkably similar statistical features, including their inherent compositionality and a natural hierarchical ordering of the individual components from taxonomic or cell lineage tree information, respectively. To this end, we introduce a Bayesian model for t ree-aggregated a mplicon and s ingle- c ell co mpositional d ata a nalysis ( tascCODA ) that seamlessly integrates hierarchical information and experimental covariate data into the generative modeling of compositional count data. By combining latent parameters based on the tree structure with spike-and-slab Lasso penalization, tascCODA can determine covariate effects across different levels of the population hierarchy in a data-driven parsimonious way. In the context of differential abundance testing, we validate tascCODA ’s excellent performance on a comprehensive set of synthetic benchmark scenarios. Our analyses on human single-cell RNA-seq data from ulcerative colitis patients and amplicon data from patients with irritable bowel syndrome, respectively, identified aggregated cell type and taxon compositional changes that were more predictive and parsimonious than those proposed by other schemes. We posit that tascCODA 1 constitutes a valuable addition to the growing statistical toolbox for generative modeling and analysis of compositional changes in microbial or cell population data.

The "innate-like" T cell compartment, known as Tinn, represents a diverse group of T cells that straddle the boundary between innate and adaptive immunity, having the ability to mount rapid responses following activation. In mice, this ability is acquired during thymic development. We explored the transcriptional landscape of Tinn compared to conventional T cells (Tconv) in the human thymus and blood using single cell RNA sequencing and flow cytometry. We reveal that in human blood, the majority of Tinn cells, including iNKT, MAIT, and Vdelta2+Vgamma9+ T cells, share an effector program characterized by the expression of unique chemokine and cytokine receptors, and cytotoxic molecules. This program is driven by specific transcription factors, distinct from those governing Tconv cells. Conversely, only a fraction of thymic Tinn cells displays an effector phenotype, while others share transcriptional features with developing Tconv cells, indicating potential divergent developmental pathways. Unlike the mouse, human Tinn cells do not differentiate into multiple effector subsets but develop a mixed type I/type III effector potential. To conduct a comprehensive cross-species analysis, we constructed a murine Tinn developmental atlas and uncovered additional species-specific distinctions, including the absence of type II Tinn cells in humans, which implies distinct immune regulatory mechanisms across species. The study provides insights into the development and functionality of Tinn cells, emphasizing their role in immune responses and their potential as targets for therapeutic interventions.

Abstract Background Irritable Bowel Syndrome (IBS) is a chronic functional bowel disorder causing abdominal discomfort, as well as transit deregulation with constipation and/or diarrhea. The pathophysiology of IBS is poorly understood and believed to be multifactorial. The role of gut microbiota in IBS has been investigated in several case-control studies, in particular via 16S rRNA amplicon sequencing surveys. These studies, however, have not yet led to a consistent picture of significant changes in gut microbial compositions across health and disease. One key bottleneck is the modest cohort sizes of most individual studies and a high diversity of experimental, bioinformatics, and statistical analysis approaches across studies. Results We address these shortcomings by presenting MetaIBS, an open-access data repository and associated meta-analysis workflow of thirteen 16S rRNA amplicon datasets comprising both fecal matter and sigmoid biopsy samples spanning ∽ 2,500 IBS and healthy individuals. MetaIBS includes a tailored computational framework that (i) enables coherent de novo processing and taxonomic assignments of the raw 16S rRNA amplicon reads across experimental protocols and sequencing technologies, and (ii) statistical workflows for visualization and analysis at different taxonomic ranks and data granularity. Our statistical meta-analysis shows that popular high-level microbiome summary statistics, including Firmicutes/Bacteroidota ratios or diversity indices, are insufficient for reliable discrimination between IBS patients and healthy controls. Fine-grained multi-method differential abundance and classification analysis, however, can identify sets of differentially abundant taxa that replicate across multiple datasets , including Coprococcus eutactus and Alistipes finegoldii . Conclusions MetaIBS provides a curated and reproducible data and (meta-)analysis resource for amplicon-based IBS research at unprecedented scale. MetaIBS allows assessing the heterogeneity of IBS cohorts across multiple experimental protocols, sample types, and IBS phenotypes. Our framework will likely contribute to more coherent insights into the role of the microbiome in IBS and the discovery of reliable microbial IBS biomarkers for follow-up functional and translational studies.