Changes in gene expression levels determine differentiation of tissues involved in development and are associated with functional decline in aging. Although development is tightly regulated, the transition between development and aging, as well as regulation of post-developmental changes, are not well understood. Here, we measured messenger RNA (mRNA), microRNA (miRNA), and protein expression in the prefrontal cortex of humans and rhesus macaques over the species' life spans. We find that few gene expression changes are unique to aging. Instead, the vast majority of miRNA and gene expression changes that occur in aging represent reversals or extensions of developmental patterns. Surprisingly, many gene expression changes previously attributed to aging, such as down-regulation of neural genes, initiate in early childhood. Our results indicate that miRNA and transcription factors regulate not only developmental but also post-developmental expression changes, with a number of regulatory processes continuing throughout the entire life span. Differential evolutionary conservation of the corresponding genomic regions implies that these regulatory processes, although beneficial in development, might be detrimental in aging. These results suggest a direct link between developmental regulation and expression changes taking place in aging.

Human-targeted drugs may exert off-target effects or can be repurposed to modulate the gut microbiota. However, our understanding of such effects is limited due to a lack of rapid and scalable assay to comprehensively assess microbiome responses to drugs. Drugs and other compounds can drastically change the overall abundance, taxonomic composition, and functions of a gut microbiome.Here, we developed an approach to screen compounds against individual microbiomes in vitro, using metaproteomics to both measure absolute bacterial abundances and to functionally profile the microbiome. Our approach was evaluated by testing 43 compounds (including 4 antibiotics) against 5 individual microbiomes. The method generated technically highly reproducible readouts, including changes of overall microbiome abundance, microbiome composition, and functional pathways. Results show that besides the antibiotics, the compounds berberine and ibuprofen inhibited the accumulation of biomass during in vitro growth of the microbiota. By comparing genus and species level-biomass contributions, selective antibacterial-like activities were found with 35 of the 39 non-antibiotic compounds. Seven of the compounds led to a global alteration of the metaproteome, with apparent compound-specific patterns of functional responses. The taxonomic distributions of altered proteins varied among drugs, i.e., different drugs affect functions of different members of the microbiome. We also showed that bacterial function can shift in response to drugs without a change in the abundance of the bacteria.Current drug-microbiome interaction studies largely focus on relative microbiome composition and microbial drug metabolism. In contrast, our workflow enables multiple insights into microbiome absolute abundance and functional responses to drugs. The workflow is robust, reproducible, and quantitative and is scalable for personalized high-throughput drug screening applications.

Abstract Alterations in gut microbiota have been implicated in the pathogenesis of inflammatory bowel disease (IBD), however factors that mediate the host–microbiota interactions remain largely unknown. Here we collected mucosal-luminal interface samples from a pediatric IBD inception cohort and characterized both the human and microbiota proteins using metaproteomics. We show that microbial proteins related to oxidative stress responses are upregulated in IBD cases compared to controls. In particular, we demonstrate that the expression of human proteins related to oxidative antimicrobial activities is increased in IBD cases and correlates with the alteration of microbial functions. Additionally, we reveal that many of these human proteins are present and show altered abundance in isolated free extracellular vesicles (EVs). Therefore, our study suggests that the alteration of intestinal EV proteomes is associated with the aberrant host–microbiota interactions in IBD.

While splicing differences between tissues, sexes and species are well documented, little is known about the extent and the nature of splicing changes that take place during human or mammalian development and aging. Here, using high‐throughput transcriptome sequencing, we have characterized splicing changes that take place during whole human lifespan in two brain regions: prefrontal cortex and cerebellum. Identified changes were confirmed using independent human and rhesus macaque RNA‐seq data sets, exon arrays and PCR, and were detected at the protein level using mass spectrometry. Splicing changes across lifespan were abundant in both of the brain regions studied, affecting more than a third of the genes expressed in the human brain. Approximately 15% of these changes differed between the two brain regions. Across lifespan, splicing changes followed discrete patterns that could be linked to neural functions, and associated with the expression profiles of the corresponding splicing factors. More than 60% of all splicing changes represented a single splicing pattern reflecting preferential inclusion of gene segments potentially targeting transcripts for nonsense‐mediated decay in infants and elderly.

Abstract The gut microbiome has been associated with a growing list of diseases. Drugs and other compounds can affect the microbiome, but our understanding of drug-induced changes in individual microbiomes is limited due to a lack of rapid and effective high-throughput assay methods. We developed an approach named Rapid Assay of Individual Microbiome (RapidAIM) to screen xenobiotics against individual microbiomes. RapidAIM was evaluated by testing 43 compounds against five individual microbiomes using a metaproteomic approach. We show that our workflow enables quantitative profiling of the microbiome. The tested compounds significantly affected overall microbiome abundance, microbiome composition and functional pathways at multiple taxonomic levels. The microbiome responses to berberine, metformin, diclofenac, fructooligosaccharide and most antibiotics were consistent among most individuals. Interestingly, most of our tested NSAIDs, statins, and histamine-2 blockers induced strong and individually distinct responses. Our workflow offers an effective solution to systematically study the effects of many different compounds on individual microbiomes.

Abstract Multiplexed quantitative proteomics using tandem mass tag (TMT) is increasingly used in –omic study of complex samples. While TMT-based proteomics has the advantages of the higher quantitative accuracy, fewer missing values, and reduced instrument analysis time, it is limited by the increased cost due to the use of labeling reagents. In addition, current TMT labeling workflows involve repeated small volume pipetting of reagents in volatile organic solvents, which may increase the sample-to-sample variations and is not readily suitable for high throughput applications. In this study, we demonstrated that the TMT labeling procedures could be streamlined by using pre-aliquoted dry TMT reagents in a 96 well plate or 12-tube strip. As little as 50 μg dry TMT per channel effectively labels 6-12 μg peptides, yielding efficient TMT labeling efficiency (∼99%) in both microbiome and mammalian cell line samples. This streamlined workflow decreases reagent loss and reduces inter-sample variations. We applied this workflow to analyze 97 samples in a study to evaluate whether ice recrystallization inhibitors improve the cultivability and activity of frozen microbiota. The results demonstrated tight sample clustering corresponding to groups and consistent microbiome responses to prebiotic treatments. This study supports the use of TMT reagents that are pre-aliquoted, dried, and stored for streamlined and robust quantitative proteomics and metaproteomics in high throughput applications.

Summary Functional redundancy is a key property of ecosystems and represents the fact that phylogenetically unrelated taxa can play similar functional roles within an ecosystem. The redundancy of potential functions of human microbiome has been recently quantified using metagenomics data. Yet, the redundancy of functions which are actually expressed within the human microbiome remains largely unexplored. Here, we quantify the protein-level functional redundancy in the human gut microbiome using metaproteomics and network approaches. In particular, our ultra-deep metaproteomics approach revealed high protein-level functional redundancy and high nestedness in proteomic content networks - bipartite graphs that connect taxa with their expressed functions. We further examined multiple metaproteomics datasets and showed that various environmental factors, including individuality, biogeography, xenobiotics, and disease, significantly altered the protein-level functional redundancy. Finally, by projecting the bipartite proteomic content networks into unipartite weighted genus networks, functional hub genera across individual microbiomes were discovered, suggesting that there may be a universal principle of functional organization in microbiome assembly. Highlights Ultra-deep metaproteomics reveals high protein-level functional redundancy in the human gut microbiome Within-sample proteomic content networks display universal topology Various environmental factors influence the redundancy of expressed functions Functional hub genera are present across different datasets

Abstract Salmonella infections (salmonellosis) pose serious health risks to humans, usually via contamination in our food chain. This foodborne pathogen causes major food losses and human illnesses that result in significant economic impacts. Pathogens such as Salmonella have traditionally been kept at bay through the use of antibiotics, but antibiotic overuse within the food industry has led to the development of numerous multidrug-resistant bacterial strains. Thus, governments are now restricting antibiotic use, forcing the industry to search for alternatives to secure safe food chains. Bacteriophages, viruses that infect and kill bacteria, are currently being investigated and used as replacement treatments and prophylactics due to their specificity and efficacy. They are generally regarded as safe alternatives to antibiotics as they are natural components of the ecosystem. One example is BAFASEL, a commercial bacteriophage mixture that specifically targets Salmonella and is currently approved for use in poultry farming. However, when specifically used in the industry they can also make their way into humans through our food chain or exposure as is the case for antibiotics. In particular, agricultural workers could be repeatedly exposed to bacteriophages supplemented in animal feeds. To the best of our knowledge, no studies have investigated the effects of such exposure to bacteriophages on the human gut microbiome. In this study, we used a novel in vitro assay called RapidAIM to investigate BAFASAL’s potential impact on five individual human gut microbiomes. Multi-omics analyses, including 16S rRNA gene sequencing and metaproteomic, revealed that ex vivo human gut microbiota composition and function were unaffected by BAFASAL treatment providing an additional measure for its safety. Due to the critical role of the gut microbiome in human health and the known role of bacteriophages in regulation of microbiome composition and function, we suggest assaying the impact of bacteriophage-cocktails on the human gut microbiome as a part of their safety assessment. Graphical Abstract

Abstract The gut microbiome composition and function are associated with health and diseases. Sweeteners are widely used food additives, although many studies using animal models have linked sweetener consumption to gut microbial changes and health issues. Whether sweeteners directly change the human gut microbiome functionality remains largely unknown. In this study, we systematically investigated the responses of five human gut microbiomes to 21 common sweeteners, using an approach combining high-throughput ex vivo microbiome culturing and metaproteomics to quantify functional changes in different taxa. Hierarchical clustering based on metaproteomic responses of individual microbiomes resulted in two clusters. The first cluster was composed of non-caloric artificial sweeteners (NAS) and two sugar alcohols with shorter carbon backbones (4-5 carbon atoms), and the second cluster was composed of sugar alcohols with longer carbon backbones. The metaproteomic functional responses of the second cluster were similar to the prebiotic fructooligosaccharides and kestose, indicating that these sugar alcohol-type sweeteners have potential prebiotic functions. This study provides a comprehensive evaluation of the direct effects of commonly used sweeteners on the functions of the human gut microbiome using a functional metaproteomics approach, improving our understanding of the roles of sweeteners on microbiome-associated human health and disease issues.

Abstract Background Microbiomes, especially within the gut, are complex and may comprise hundreds of species. The identification of peptides in metaproteomics presents a significant challenge, as it involves matching peptides to mass spectra within an enormous search space for complex and unknown samples. This poses difficulties for both the accuracy and the speed of identification. Specifically, analysis of data-independent acquisition (DIA) datasets has relied on libraries constructed from prior data-dependent acquisition (DDA) results. This approach requires running the samples in DDA mode to construct a library from the identified results, which can then be used for the DIA data. However, this method is resource-intensive, consumes samples, and limits identification to peptides previously identified by DDA. These limitations restrict the application of DIA in metaproteomics research. Results We introduced a novel strategy to reduce the search space by utilizing species abundance and functional abundance information from the microbiome to score each peptide and prioritize those most likely to be detected. Employing this strategy, we have developed and optimized a workflow called MetaDIA for analysis of microbiome DIA data, which operates independently of DDA assistance. Our method demonstrated strong consistency with the traditional DDA-based library approach at both protein and functional levels. Conclusion Our approach successfully created a smaller, yet sufficient database for DIA data search requirements in metaproteomics, showing high consistency with results from the conventional DDA-based library. We believe this method can facilitate the application of DIA in metaproteomics.