Exome sequencing on a large cohort of parent–child trios with sporadic autism spectrum disorders shows that de novo point mutations are mainly paternal in origin and positively correlate with paternal age, and identifies a highly interconnected network formed from the products of the most severe mutations. Although it is well accepted that genetics makes a strong contribution to autism spectrum disorder, most of the underlying causes of the condition remain unknown. Three groups present large-scale exome-sequencing studies of individuals with sporadic autism spectrum disorder, including many parent–child trios and unaffected siblings. The overall message from the three papers is that there is extreme locus heterogeneity among autistic individuals, with hundreds of genes involved in the condition, and with no single gene contributing to more than a small fraction of cases. Sanders et al. report the association of the gene SCN2A, previously identified in epilepsy syndromes, with the risk of autism. Neale et al. find strong evidence that CHD8 and KATNAL2 are autism risk factors. O'Roak et al. observe that a large proportion of the mutated proteins have crucial roles in fundamental developmental pathways, including β-catenin and p53 signalling. It is well established that autism spectrum disorders (ASD) have a strong genetic component; however, for at least 70% of cases, the underlying genetic cause is unknown1. Under the hypothesis that de novo mutations underlie a substantial fraction of the risk for developing ASD in families with no previous history of ASD or related phenotypes—so-called sporadic or simplex families2,3—we sequenced all coding regions of the genome (the exome) for parent–child trios exhibiting sporadic ASD, including 189 new trios and 20 that were previously reported4. Additionally, we also sequenced the exomes of 50 unaffected siblings corresponding to these new (n = 31) and previously reported trios (n = 19)4, for a total of 677 individual exomes from 209 families. Here we show that de novo point mutations are overwhelmingly paternal in origin (4:1 bias) and positively correlated with paternal age, consistent with the modest increased risk for children of older fathers to develop ASD5. Moreover, 39% (49 of 126) of the most severe or disruptive de novo mutations map to a highly interconnected β-catenin/chromatin remodelling protein network ranked significantly for autism candidate genes. In proband exomes, recurrent protein-altering mutations were observed in two genes: CHD8 and NTNG1. Mutation screening of six candidate genes in 1,703 ASD probands identified additional de novo, protein-altering mutations in GRIN2B, LAMC3 and SCN1A. Combined with copy number variant (CNV) data, these results indicate extreme locus heterogeneity but also provide a target for future discovery, diagnostics and therapeutics.

Exome sequencing studies of autism spectrum disorders (ASDs) have identified many de novo mutations but few recurrently disrupted genes. We therefore developed a modified molecular inversion probe method enabling ultra-low-cost candidate gene resequencing in very large cohorts. To demonstrate the power of this approach, we captured and sequenced 44 candidate genes in 2446 ASD probands. We discovered 27 de novo events in 16 genes, 59% of which are predicted to truncate proteins or disrupt splicing. We estimate that recurrent disruptive mutations in six genes-CHD8, DYRK1A, GRIN2B, TBR1, PTEN, and TBL1XR1-may contribute to 1% of sporadic ASDs. Our data support associations between specific genes and reciprocal subphenotypes (CHD8-macrocephaly and DYRK1A-microcephaly) and replicate the importance of a β-catenin-chromatin-remodeling network to ASD etiology.

Autism spectrum disorder (ASD) manifests as alterations in complex human behaviors including social communication and stereotypies. In addition to genetic risks, the gut microbiome differs between typically developing (TD) and ASD individuals, though it remains unclear whether the microbiome contributes to symptoms. We transplanted gut microbiota from human donors with ASD or TD controls into germ-free mice and reveal that colonization with ASD microbiota is sufficient to induce hallmark autistic behaviors. The brains of mice colonized with ASD microbiota display alternative splicing of ASD-relevant genes. Microbiome and metabolome profiles of mice harboring human microbiota predict that specific bacterial taxa and their metabolites modulate ASD behaviors. Indeed, treatment of an ASD mouse model with candidate microbial metabolites improves behavioral abnormalities and modulates neuronal excitability in the brain. We propose that the gut microbiota regulates behaviors in mice via production of neuroactive metabolites, suggesting that gut-brain connections contribute to the pathophysiology of ASD.

The human microbiome plays a key role in a wide range of host-related processes and has a profound effect on human health. Comparative analyses of the human microbiome have revealed substantial variation in species and gene composition associated with a variety of disease states but may fall short of providing a comprehensive understanding of the impact of this variation on the community and on the host. Here, we introduce a metagenomic systems biology computational framework, integrating metagenomic data with an in silico systems-level analysis of metabolic networks. Focusing on the gut microbiome, we analyze fecal metagenomic data from 124 unrelated individuals, as well as six monozygotic twin pairs and their mothers, and generate community-level metabolic networks of the microbiome. Placing variations in gene abundance in the context of these networks, we identify both gene-level and network-level topological differences associated with obesity and inflammatory bowel disease (IBD). We show that genes associated with either of these host states tend to be located at the periphery of the metabolic network and are enriched for topologically derived metabolic “inputs.” These findings may indicate that lean and obese microbiomes differ primarily in their interface with the host and in the way they interact with host metabolism. We further demonstrate that obese microbiomes are less modular, a hallmark of adaptation to low-diversity environments. We additionally link these topological variations to community species composition. The system-level approach presented here lays the foundation for a unique framework for studying the human microbiome, its organization, and its impact on human health.

The combinatorial cross-regulation of hundreds of sequence-specific transcription factors (TFs) defines a regulatory network that underlies cellular identity and function. Here we use genome-wide maps of in vivo DNaseI footprints to assemble an extensive core human regulatory network comprising connections among 475 sequence-specific TFs and to analyze the dynamics of these connections across 41 diverse cell and tissue types. We find that human TF networks are highly cell selective and are driven by cohorts of factors that include regulators with previously unrecognized roles in control of cellular identity. Moreover, we identify many widely expressed factors that impact transcriptional regulatory networks in a cell-selective manner. Strikingly, in spite of their inherent diversity, all cell-type regulatory networks independently converge on a common architecture that closely resembles the topology of living neuronal networks. Together, our results provide an extensive description of the circuitry, dynamics, and organizing principles of the human TF regulatory network.

The human microbiome plays a key role in human health and is associated with numerous diseases. Metagenomic-based studies are now generating valuable information about the composition of the microbiome in health and in disease, demonstrating nonneutral assembly processes and complex co-occurrence patterns. However, the underlying ecological forces that structure the microbiome are still unclear. Specifically, compositional studies alone with no information about mechanisms of interaction, potential competition, or syntrophy, cannot clearly distinguish habitat-filtering and species assortment assembly processes. To address this challenge, we introduce a computational framework, integrating metagenomic-based compositional data with genome-scale metabolic modeling of species interaction. We use in silico metabolic network models to predict levels of competition and complementarity among 154 microbiome species and compare predicted interaction measures to species co-occurrence. Applying this approach to two large-scale datasets describing the composition of the gut microbiome, we find that species tend to co-occur across individuals more frequently with species with which they strongly compete, suggesting that microbiome assembly is dominated by habitat filtering. Moreover, species’ partners and excluders exhibit distinct metabolic interaction levels. Importantly, we show that these trends cannot be explained by phylogeny alone and hold across multiple taxonomic levels. Interestingly, controlling for host health does not change the observed patterns, indicating that the axes along which species are filtered are not fully defined by macroecological host states. The approach presented here lays the foundation for a reverse-ecology framework for addressing key questions concerning the assembly of host-associated communities and for informing clinical efforts to manipulate the microbiome.

Abstract Microorganisms frequently migrate from one ecosystem to another. Yet, despite the potential importance of this process in modulating the environment and the microbial ecosystem, our understanding of the fundamental forces that govern microbial dispersion is still lacking. Moreover, while theoretical models and in-vitro experiments have highlighted the contribution of species interactions to community assembly, identifying such interactions in vivo, specifically in communities as complex as the human gut, remains challenging. To address this gap, here we introduce a robust and rigorous computational framework, termed Relative Dispersion Ratio ( RDR ) analysis, and leverage data from well-characterized fecal microbiota transplant trials, to rigorously pinpoint dependencies between taxa during the colonization of human gastrointestinal tract. Our analysis identifies numerous pairwise dependencies between co-colonizing microbes during migration between gastrointestinal environments. We further demonstrate that identified dependencies agree with previously reported findings from in-vitro experiments and population-wide distribution patterns. Finally, we explore metabolic dependencies between these taxa and characterize the functional properties that facilitate effective dispersion. Collectively, our findings provide insights into the principles and determinants of community dynamics following ecological translocation, informing potential opportunities for precise community design.

Abstract CRISPR-Cas9’s RNA-guided genome targeting ability has been leveraged to develop a plethora of effectors including targeted transcriptional activators, DNA base editors, and DNA prime editors. Although systems for inducibly modulating Cas9 activity have been developed, current approaches for conferring temporal control require extensive screening of functional protein components. A simpler and general strategy for conferring temporal control over diverse Cas9-based effector activities is needed. Here we describe a versatile chemically-controlled and rapidly-activated DNA binding Cas9 module (ciCas9) that is able to confer temporal control over a variety of Cas9-based effectors. Using the ciCas9 module, we engineer temporally-controlled cytidine and adenine DNA base editors. We employ the ciCas9 base editors to reveal that in vivo bystander editing kinetics occurs via a dependent process where editing at a preferred nucleotide position increases the frequency of edits at a second nucleotide within a target site. Finally, we demonstrate the versatility of the ciCas9 module by creating a temporally-controlled transcriptional activator, a dual cytidine and adenine base editor, and a prime editor.

Abstract The abundance of both taxonomic groups and gene categories in microbiome samples can now be easily assayed via various sequencing technologies, and visualized using a variety of software tools. However, the assemblage of taxa in the microbiome and its gene content are clearly linked, and tools for visualizing the relationship between these two facets of microbiome composition and for facilitating exploratory analysis of their co-variation are lacking. Here we introduce BURRITO , a web tool for interactive visualization of microbiome multi-omic data with paired taxonomic and functional information. BURRITO simultaneously visualizes the taxonomic and functional compositions of multiple samples and dynamically highlights relationships between taxa and functions to capture the underlying structure of these data. Users can browse for taxa and functions of interest and interactively explore the share of each function attributed to each taxon across samples. BURRITO supports multiple input formats for taxonomic and metagenomic data, allows adjustment of data granularity, and can export generated visualizations as static publication-ready formatted figures. In this paper, we describe the functionality of BURRITO, and provide illustrative examples of its utility for visualizing various trends in the relationship between the composition of taxa and functions in complex microbiomes.

While the composition of the human gut microbiome has been well defined, the forces governing its assembly are poorly understood. Recently, prominent members of this community from the order Bacteroidales were shown to possess the type VI secretion system (T6SS), which mediates contact-dependent antagonism between Gram-negative bacteria. However, the distribution of the T6SS in human gut microbiomes and its role have not yet been characterized. To address this challenge, we construct an extensive catalog of T6SS effector/immunity (E-I) genes from three genetic architectures (GA1-3) found in Bacteroidales genomes. We then use metagenomic analysis to assess the abundances of these genes across a large set of gut microbiome samples. We find that despite E-I diversity across reference strains, each individual microbiome harbors a limited set of E-I genes representing a single E-I genotype. Importantly, for GA1-2, these genotypes are not associated with a specific species, suggesting selection for compatibility. GA3, in contrast, is restricted to B. fragilis, and its low diversity reflects a single B. fragilis strain per sample. We further show that in infant microbiomes GA3 is enriched and B. fragilis strains are replaced over time, suggesting competition for dominance in developing microbiomes. Finally, we find a strong association between the presence of GA3 and increased abundance of Bacteroides, indicating that this system confers a selective advantage in vivo in Bacteroides rich ecosystems. Combined, our findings provide the first comprehensive characterization of the T6SS landscape in the human microbiome, implicating it in both intra- and inter-species interactions.