ABSTRACT Objective Keystone species are required for the integrity and stability of an ecological community, and therefore, are potential intervention targets for microbiome related diseases. Design Here we describe an algorithm for the identification of keystone species from cross-sectional microbiome data of non-alcoholic fatty liver disease (NAFLD) based on causal inference theories and dynamic intervention modeling (DIM). Results Eight keystone species in the gut of NAFLD, represented by P. loveana , A. indistinctus and D. pneumosintes , were identified by our algorithm, which could efficiently restore the microbial composition of the NAFLD toward a normal gut microbiome with 92.3% recovery. These keystone species regulate intestinal amino acids metabolism and acid-base environment to promote the growth of the butyrate-producing Lachnospiraceae and Ruminococcaceae species. Conclusion Our method may benefit microbiome studies in the broad fields of medicine, environmental science and microbiology. SUMMARY What is already known about this subject? Non-alcoholic fatty liver disease (NAFLD) is a complex multifactorial disease whose pathogenesis remains unclear. Dysbiosis in the gut microbiota affects the initiation and development of NAFLD, but the mechanisms is yet to be established. Keystone species represent excellent candidate targets for gut microbiome-based interventions, as they are defined as the species required for the integrity and stability of the ecological system. What are the new findings? NAFLD showed significant dysbiosis in butyrate-producing Lachnospiraceae and Ruminococcaceae species. Microbial interaction networks were constructed by the novel algorithm with causal inference. Keystone species were identified form microbial interaction networks through dynamic intervention modeling based on generalized Lotka-Volterra model. Eight keystone species of NAFLD with the highest potential for restoring the microbial composition were identified. How might it impact on clinical practice in the foreseeable future? An algorithm for the identification of keystone species from cross-sectional microbiome data based on causal inference theories and dynamic intervention modeling. Eight keystone species in the gut of NAFLD, represented by P. loveana , A. indistinctus and D. pneumosintes , which could efficiently restore the microbial composition of the NAFLD toward a normal gut microbiome. Our method may benefit microbiome studies in the broad fields of medicine, environmental science and microbiology.

ABSTRACT Precocious puberty (PP) mostly stems from endocrine disorders. However, its triggering factors, especially for the early onset of partial PP, and the associated pathogenic mechanisms remain ambiguous. In this study, a systematic analysis in the form of a questionnaire of lifestyles, gut microbiome, and serum metabolome data was carried out to examine the pathogenesis of PP in a cohort comprised of 200 girls, with or without PP. The analysis revealed substantial alterations in gut microbiota, serum metabolites, as well as lifestyle patterns in the PP group, which were characterized by an elevated abundance of β-glucuronidase-producing and butyrate-producing bacteria, and excessive lipid concentration with decreased levels of organic nitrogen compounds in the serum of the participants. These differential microbes and metabolites tend to be reliable non-invasive diagnostic biomarkers aiding the early diagnosis of PP and exhibit a strong discriminative power (AUC = 0.93 and AUC = 0.97, respectively). Furthermore, the microbial biomarkers were confirmed in an independent validation cohort (n = 83, AUC = 0.85). Moreover, structural equation modeling revealed that unhealthy dietary habits were the primary contributors for the alteration of gut microbiota and serum metabolites, triggering the imbalance in the host hormones that leads to premature physical development. Our study determines a causal relationship among the gut microbiota, host metabolites, diet, and clinical characteristics of preadolescent girls who experienced early onset of PP, and formulates non-invasive diagnostic tools demonstrating excellent performance for the early detection of PP.

Thrombospondin-2 (THBS2), a secreted extracellular matrix protein, plays a crucial role in various biological processes including angiogenesis, tissue remodeling, and inflammation. Our study focuses on its function in human gastric cancer (GC). Through bioinformatics and tumor tissue analysis, we compared THBS2 expression in GC tissues and adjacent tissues, and predicted regulatory upstream and downstream molecules. The direct regulatory effect of miR-29b-3p on THBS2 was evaluated through dual-luciferase reporter assays, showing that miR-29b-3p targets the 3'-UTR of THBS2 mRNA, reducing its expression in GC cells. The influence of THBS2 on tumorigenesis and stemness was examined on protein expression levels via Western blot. In vivo, THBS2's role was investigated through xenograft and metastasis assays in nude mice, demonstrating that downregulation of THBS2 impairs GC tumorigenesis and liver metastasis. Our study identified THBS2 as a highly expressed prognostic factor in GC patients. Functionally, THBS2 promotes GC progression through the Notch signaling pathway by regulating Notch3, NEY1, and HES1 proteins, and sustains cancer stem cell-like characteristics by Notch3, including the expression of CD44, Nanog, OCT4, and SOX2. In sum, our study reveals that THBS2 promotes GC progression and stemness, modulated negatively by miR-29b-3p. This suggests potential therapeutic targets within the THBS2/Notch signaling axis for combating gastric cancer.

Abstract Microbial metabolism of bile acids (BAs) is crucial for maintaining homeostasis in vertebrate hosts and environments. Although certain organisms involved in BA metabolism have been identified, a global, comprehensive elucidation of the microbes, metabolic enzymes, and BA remains incomplete. To bridge this gap, we employed hidden Markov models to systematically search in a large-scale and high-quality search library comprising 28,813 RefSeq multi-kingdom microbial complete genomes, which enabled us to construct a secondary bile acid (SBA)-production gene catalog. This catalog greatly expanded the distribution of SBA-production genes across 11 phyla, encompassing bacteria, archaea and fungi, and extended to 14 habitats spanning hosts and environmental contexts. Furthermore, we highlighted the associations between SBAs and gastrointestinal and hepatic disorders, including inflammatory bowel disease, colorectal cancer and nonalcoholic fatty liver disease, further elucidating disease-specific alterations in SBA-production genes. Additionally, we proposed the pig as a particularly suitable animal model for investigating SBA production in humans, given its closely aligned SBA-production gene composition. This gene catalog provides a comprehensive and reliable foundation on microbial BA metabolism for future studies, offering new insights into the microbial contributions to health and disease.

Fibrosis is a key component in the pathogenic mechanism of many diseases. These diseases involving fibrosis may share common mechanisms, therapeutic targets and therefore, common intervention strategies and medicines may be applicable for these diseases. For this reason, deliberately introducing anti-fibrosis characteristics into modelling may lead to more success in drug repositioning. In this study, anti-fibrosis knowledge base was first built by collecting data from multiple resources. Both structural and biological profiles were derived from the knowledge base and used for constructing machine learning models including Structural Profile Prediction Model (SPPM) and Biological Profile Prediction Model (BPPM). Three external public data sets were employed for validation purpose and further exploration of potential repositioning drugs in wider chemical space. The resulting SPPM and BPPM models achieve area under the receiver operating characteristic curve (AUC) of 0.879 and 0.972 in the training set, and 0.814 and 0.874 in the testing set. Additionally, our results also demonstrate that substantial amount of multi-targeting natural products possess notable anti-fibrosis characteristics and might serve as encouraging candidates in fibrosis treatment and drug repositioning. To leverage our methodology and findings, we developed repositioning prediction platform, Drug Repositioning based on Anti-Fibrosis Characteristic (Dr AFC) that is freely accessible via https://www.biosino.org/drafc.

ABSTRACT Background Colorectal cancer (CRC) is a highly heterogeneous cancer with four consensus molecular subtypes (CMSs) characterized by distinct tumor microenvironment (TME). We aimed to depict the characteristics of host-microbiota interactions and their contributions to TME in each CMS. Methods Host transcriptome and intratumoral microbiome profiles of 594 CRC samples were derived from RNA-Seq data from TCGA. Differential host genes and microbes among CMSs were identified. Immune microenvironments were assessed by CIBERSORTx and ESTIMATE and microbial co-abundance analyses were performed by FastSpar. Host-microbiota associations were evaluated by LASSO penalized regression in each CMS. Results Along with distinct host gene signatures, including ferroptosis-related genes and immune microenvironments, 293, 153, 66 and 109 intratumoral differential microbial genera were identified within each of the four CMSs, respectively. Furthermore, the host-microbiota interactions contributed to distinct TME in each CMS, represented by 829, 1,270, 634 and 1,882 robust gene-microbe associations, respectively. The TME in CMS1 was featured with inflammation-related HSF1 activation and interactions between genes of endothelin pathway and Flammeovirga . Integrins-related genes positively correlated with Sutterella in CMS2 while CMS3 displayed microbial associations with biosynthetic and metabolic pathways. Genes in collagens biosynthesis positively correlated with Sutterella , contributing to homeostasis disturbance in CMS4. Besides, ferroptosis dysregulation was more remarkable in immune-high subtypes, which might partly result from the colonization of tissue microbes. Conclusions We systematically profiled the landscapes of TME, of each CMS in CRC, encompassing host genes, intratumoral microbiome and their interactions, which could illuminate novel mechanisms for the heterogeneity in CRC and potential therapeutic targets.

Abstract Background This research strived to construct a new signature utilizing disulfidptosis-related ferroptosis (SRF) genes to anticipate response to immunotherapy, prognosis, and drug sensitivity in individuals with colorectal cancer (CRC). Methods The data for RNA sequencing as well as corresponding clinical information of individuals with CRC, were extracted from The Cancer Genome Atlas (TCGA) dataset. SRF were constructed with the help of the random forest (RF), least absolute shrinkage and selection operator (LASSO), and stepwise regression algorithms. To validate the SRF model, we applied it to an external cohort, GSE38832. Prognosis, immunotherapy response, drug sensitivity, molecular functions of genes, and somatic mutations of genes were compared across the high- and low-risk groups (categories). Following this, all statistical analyses were conducted with the aid of the R (version 4.23) software and various packages of the Cytoscape (version 3.8.0) tool. Results SRF was developed based on five genes (ATG7, USP7, MMD, PLIN4, and THDC2). Both univariate and multivariate Cox regression analyses established SRF as an independent, prognosis-related risk factor. Individuals from the high-risk category had a more unfavorable prognosis, elevated tumor mutational burden (TMB), and significant immunosuppressive status. Hence, they might have better outcomes post-immunotherapy and might benefit from the administration of pazopanib, lapatinib, and sunitinib. Conclusion In conclusion, SRF can act as a new biomarker for prognosis assessment. Moreover, it is also a good predictor of drug sensitivity and immunotherapy response in CRC but should undergo optimization before implementation in clinical settings.

Abstract Microbial signatures show remarkable potentials in predicting colorectal cancer (CRC). This study aimed to evaluate the diagnostic powers of multimodal microbial signatures, multi-kingdom species, genes, and single-nucleotide variants (SNVs) for detecting pre-cancerous adenomas. We performed cross-cohort analyses on whole metagenome sequencing data of 750 samples via xMarkerFinder to identify adenoma-associated microbial multimodal signatures. Our data revealed that fungal species outperformed species from other kingdoms with an area under the ROC curve (AUC) of 0.71 in distinguishing adenomas from controls, while classifier based on SNVs of bacterial species displayed the strongest diagnostic capability (AUC=0.89). SNV biomarkers also exhibited outstanding performances in three independent validation cohorts (AUCs = 0.83, 0.82, and 0.76, respectively) and were highly specific to adenoma. In further support of the above results, functional analyses revealed more frequent inter-kingdom associations between bacteria and fungi, and abnormalities in quorum sensing, purine and butanoate metabolism in adenoma, which were further validated in a newly-recruited cohort via qRT-PCR. Therefore, these data extend our understanding of adenoma-associated multimodal alterations in the gut microbiome and provide a rationale of microbial SNVs for the early detection of CRC.