Reducing antibiotics overuse in animal agriculture is one key in combat against the spread of antibiotic resistance. Probiotics are a potential replacement of antibiotics in animal feed; however, it is not clear whether and how probiotics and antibiotics differ in impact on physiology and microbial ecology of host animals. Host phenotype and fecal microbiota of broilers with either antibiotics or probiotics as feed additive were simultaneously sampled at four time points from birth to slaughter and then compared. Probiotic feeding resulted in a lower feed conversion ratio (FCR) and induced the highest level of immunity response, suggesting greater economic benefits in broiler farming. Probiotic use but not antibiotic use recapitulated the characteristics of age-dependent development of gut microbiota in the control group. The maturation of intestinal microbiota was greatly accelerated by probiotic feeding, yet significantly retarded and eventually delayed by antibiotic feeding. LP-8 stimulated the growth of many intestinal Lactobacillus spp. and led to an altered bacterial correlation network where Lactobacillus spp. are negatively correlated with 14 genera and positively linked with none, yet from the start antibiotic feeding featured a less-organized network where such inter-genera interactions were fewer and weaker. Consistently, microbiota-encoded functions as revealed by metagenome sequencing were highly distinct between the two groups. Thus, “intestinal microbiota maturation index” was proposed to quantitatively compare impact of feed additives on animal microecology. Our results reveal a tremendous potential of probiotics as antibiotics’ substitute in poultry farming.

Accurate microbial identification and abundance estimation are crucial for metagenomics analysis. Various methods for classifying metagenomic data and estimating taxonomic profiles, broadly referred to as metagenomic profilers, have been developed. Yet, benchmarking metagenomic profilers remains challenging because some tools are designed to report relative sequence abundance while others report relative taxonomic abundance. Here, we show how misleading conclusions can be drawn by neglecting this distinction between relative abundance types when benchmarking metagenomic profilers. Moreover, we show compelling evidence that interchanging sequence abundance and taxonomic abundance will influence both per-sample summary statistics and cross-sample comparisons. We suggest that the microbiome research community should pay attention to potentially misleading biological conclusions arising from this issue when benchmarking metagenomic profilers, by carefully considering the type of abundance data that was analyzed and interpreted, and clearly stating the strategy used for metagenomic profiling.

Developing feasible Ag nanowire (NW) transparent conductive thin films (TCFs) with good conductivity, transparency, mechanical durability, strong adhesion, and high stability is a great challenge. Herein, novel TCFs composed of Ag NWs/Al2O3 on polyethylene terephthalate (PET) substrates with synchronously improved conductivity, transparency, mechanical durability, adhesion, and stability, are prepared. The corresponding values (before coating Al2O3: 13.0 Ω/sq. at 86.1 %, after coating Al2O3: 11.7 Ω/sq. at 87.7 %) indicate that the deposition of Al2O3 enhances the transparency and conductivity of Ag NW networks. Moreover, the resistance does not change significantly after 50 taping cycles and 2000 bending cycles with a bending radius of 5.0 mm, indicating the strong adhesion and good mechanical flexibility of Al2O3/Ag NWs composites. In addition, Al2O3/Ag NWs composites possess excellent stability to resist strong oxidizing, hot and humid environments. As a proof of concept, the flexible transparent heater prepared by Al2O3/Ag NWs composites is successfully demonstrated, verifying the practicability.

Abstract Accurate species identification and abundance estimation are critical for the interpretation of whole metagenome shotgun sequencing (WMS) data. Numerous computational methods, broadly referred to as metagenomic profilers, have been developed to identify species in microbiome samples by classification of sequencing reads and quantification of their relative abundances. Yet, existing metagenomic profilers typically suffer from false positive identifications and consequently biased relative abundance estimation (as false positives can be accounted for more than 90% of total identified species). Here, we present a new metagenomic profiler MAP2B ( M et A genomic P rofiler based on type IIB restriction site) to resolve those issues. We first illustrate the pitfalls of using relative abundance as the only feature in determining false positives. We then propose a feature set to distinguish false positives from true positives. By benchmarking the performance in metagenomic profiling using data from CAMI2 (Critical Assessment of Metagenome Interpretation: second round of challenge), we illustrate the superior performance of MAP2B (F1 score ~ 0.93) over existing metagenomic profilers (F1 score ranges from 0.18 to 0.58). We further tested the performance of MAP2B using real WMS data from an ATCC mock community, confirming its superior performance and robustness against sequencing depth. In addition, by leveraging WMS data from an IBD cohort, we demonstrate the taxonomic features obtained by MAP2B can better discriminate disease status and predict metabolomic profiles.

Abstract Microbiomes are inherently linked by their structural similarity, yet the global features of such similarity are not clear. Here we propose as solution a search-based microbiome transition network. By traversing a composition-similarity based network of 177,022 microbiomes, we show that although the compositions are distinct by habitat, each microbiome is on-average only seven neighbors from any other microbiome on Earth, indicating the inherent homology of microbiome at the global scale. This network is scale-free, suggesting a high degree of stability and robustness in microbiome transition. By tracking the minimum spanning tree in this network, a global roadmap of microbiome dispersal was derived that tracks the potential paths of formulating and propagating microbiome diversity. Such search-based global microbiome networks, reconstructed within hours on just one computing node, provide a readily expanded reference for tracing the origin and evolution of existing or new microbiomes.

Abstract Previous studies suggested that microbial communities harbor keystone species whose removal can cause a dramatic shift in microbiome structure and functioning. Yet, an efficient method to systematically identify keystone species in microbial communities is still lacking. This is mainly due to our limited knowledge of microbial dynamics and the experimental and ethical difficulties of manipulating microbial communities. Here, we propose a Data-driven Keystone species Identification (DKI) framework based on deep learning to resolve this challenge. Our key idea is to implicitly learn the assembly rules of microbial communities from a particular habitat by training a deep learning model using microbiome samples collected from this habitat. The well-trained deep learning model enables us to quantify the community-specific keystoneness of each species in any microbiome sample from this habitat by conducting a thought experiment on species removal. We systematically validated this DKI framework using synthetic data generated from a classical population dynamics model in community ecology. We then applied DKI to analyze human gut, oral microbiome, soil, and coral microbiome data. We found that those taxa with high median keystoneness across different communities display strong community specificity, and many of them have been reported as keystone taxa in literature. The presented DKI framework demonstrates the power of machine learning in tackling a fundamental problem in community ecology, paving the way for the data-driven management of complex microbial communities.

Abstract Most adults experience episodes of gingivitis, which can progress to the irreversible, chronic state of periodontitis. However the mechanistic roles of plaque in gingivitis onset and progression to periodontitis remain elusive. Here, we integrated the longitudinal multi-omics data from plaque metagenome, metabolome and salivary cytokines in 40 adults who transit from naturally-occurring gingivitis (NG), to healthy gingivae (baseline) and then to experimental gingivitis (EG). During EG, rapid and consistent alterations in plaque microbiota, metabolites and salivary cytokines emerged as early as 24-72 hours after pause of oral hygiene, defining an asymptomatic ‘sub-optimal health’ (SoH) stage. SoH also features a steep and synergetic decrease of plaque-derived betaine and Rothia spp., suggesting an anti-gum-inflammation mechanism by health-promoting microbial residents. Global, cross-cohort meta-analysis revealed a high Microbiome-based Periodontitis Index at SoH state, due to its convergent taxonomical and functional profiles towards those of periodontitis. In contrast, caries SoH features a microbial signature very distinct from caries. Thus SoH is a universal state of polymicrobial inflammations with disease-specific features, which is key to maintaining a disease-preventive plaque.

Abstract Microbiome samples with low microbial biomass or severe DNA degradation remain challenging for amplicon-based (e.g., 16S/18S-rRNA) or whole-metagenome sequencing (WMS) approaches. Here, we introduce 2bRAD-M, a highly reduced and cost-effective metagenome-sequencing strategy which only sequences ~1% of metagenome and can simultaneously produce species-level bacterial, archaeal, and fungal profiles for low-biomass and highly degraded samples. For mock communities, 2bRAD-M can accurately generate species-level taxonomic profiles for otherwise hard-to-sequence samples with ( i ) low biomass of merely 1 pg of total DNA, ( ii ) high host DNA contamination (99%), and ( iii ) severely fragmented DNA (50-bp) from degraded samples. Tests of 2bRAD-M on stool, skin and environment-surface samples deliver successful reconstruction of comprehensive, high-resolution microbial profiles with agreement across 16S-rRNA, WMS and existing literature. In addition, it enables microbial profiling in formalin-fixed paraffin-embedded (FFPE) cervical tissue samples which were recalcitrant to conventional approaches due to the low amount and heavy degradation of microbial DNA, and discriminated healthy tissue, pre-invasive cancer and invasive cancer via species-level microbial profiles with 91.1% accuracy. Therefore, 2bRAD-M greatly expands the reach of microbiome sequencing.