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.

Drought stress is a major obstacle to crop productivity, and the severity and frequency of drought are expected to increase in the coming century. Certain root-associated bacteria have been shown to mitigate the negative effects of drought stress on plant growth, and manipulation of the crop microbiome is an emerging strategy for overcoming drought stress in agricultural systems, yet the effect of drought on the development of the root microbiome is poorly understood. Through 16S rRNA amplicon and metatranscriptome sequencing, as well as root metabolomics, we demonstrate that drought delays the development of the early sorghum root microbiome and causes increased abundance and activity of monoderm bacteria, which lack an outer cell membrane and contain thick cell walls. Our data suggest that altered plant metabolism and increased activity of bacterial ATP-binding cassette (ABC) transporter genes are correlated with these shifts in community composition. Finally, inoculation experiments with monoderm isolates indicate that increased colonization of the root during drought can positively impact plant growth. Collectively, these results demonstrate the role that drought plays in restructuring the root microbiome and highlight the importance of temporal sampling when studying plant-associated microbiomes.

Glioblastoma (GBM) is the most aggressive nervous system cancer. Understanding its molecular pathogenesis is crucial to improving diagnosis and treatment. Integrated analysis of genomic, proteomic, post-translational modification and metabolomic data on 99 treatment-naive GBMs provides insights to GBM biology. We identify key phosphorylation events (e.g., phosphorylated PTPN11 and PLCG1) as potential switches mediating oncogenic pathway activation, as well as potential targets for EGFR-, TP53-, and RB1-altered tumors. Immune subtypes with distinct immune cell types are discovered using bulk omics methodologies, validated by snRNA-seq, and correlated with specific expression and histone acetylation patterns. Histone H2B acetylation in classical-like and immune-low GBM is driven largely by BRDs, CREBBP, and EP300. Integrated metabolomic and proteomic data identify specific lipid distributions across subtypes and distinct global metabolic changes in IDH-mutated tumors. This work highlights biological relationships that could contribute to stratification of GBM patients for more effective treatment.

This report demonstrates the use of bioinformatic and chemometric tools on liquid chromatography-mass spectrometry (LC-MS) data for the discovery of trace forensic signatures for sample matching of ten stocks of the nerve-agent precursor known as methylphosphonic dichloride (dichlor). XCMS, a software tool primarily used in bioinformatics, was used to comprehensively search and find candidate LC-MS peaks in a known set of dichlor samples. These candidate peaks were down selected to a group of 34 impurity peaks. Hierarchal cluster analysis and factor analysis demonstrated the potential of these 34 impurities peaks for matching samples based on their stock source. Only one pair of dichlor stocks was not differentiated from one another. An acceptable chemometric approach for sample matching was determined to be variance scaling and signal averaging of normalized duplicate impurity profiles prior to classification by K-nearest neighbors. Using this approach, a test set of seven dichlor samples were all correctly matched to their source stock. The sample preparation and LC-MS method permitted the detection of dichlor impurities quantitatively estimated to be in the parts-per-trillion (w/w). The detection of a common impurity in all dichlor stocks that were synthesized over a 14-year period and by different manufacturers was an unexpected discovery. Our described signature-discovery approach should be useful in the development of a forensic capability to assist investigations following chemical attacks.

Lipids play a fundamental role in fungal cell biology, being components of the cell membrane as well as targets of antifungal drugs. A deeper knowledge of lipid metabolism is key for developing new drugs and a better understanding of fungal pathogenesis. Here we built a comprehensive map of the Histoplasma capsulatum lipid metabolic pathway by integrating proteomic and lipidomic analyses. The map led to the identification of both the fatty acid desaturation and the sphingolipid biosynthesis pathways as targets for drug development. We also found that H. capsulatum produces analogs of platelet-activating factor, a potent regulator of the human immune response. The H. capsulatum platelet-activating factor analogs induced platelet aggregation and stimulated the production of the cytokines interleukin-10 and tumor necrosis factor-α by J774 macrophages. Overall, this lipid metabolic map revealed pathways that can be targeted for drug development, in addition to identifying a regulator of the host immune response.

Gas chromatography-mass spectrometry (GC-MS) represents an analytical technique with significant practical societal impact. Spectral deconvolution is an essential step for interpreting GC-MS data. No public GC-MS repositories that also enable repository-scale analysis exist, in part because deconvolution requires significant user input. We therefore engineered a scalable machine learning workflow for the Global Natural Product Social Molecular Networking (GNPS) analysis platform to enable the mass spectrometry community to store, process, share, annotate, compare, and perform molecular networking of GC-MS data. The workflow performs auto-deconvolution of compound fragmentation patterns via unsupervised non-negative matrix factorization, using a Fast Fourier Transform-based strategy to overcome scalability limitations. We introduce a "balance score" that quantifies the reproducibility of fragmentation patterns across all samples. We demonstrate the utility of the platform with breathomics analysis applied to the early detection of oesophago-gastric cancer, and by creating the first molecular spatial map of the human volatilome.