FP
Federica Pinto
Author with expertise in Diversity and Function of Gut Microbiome
Achievements
Open Access Advocate
Cited Author
Key Stats
Upvotes received:
0
Publications:
5
(100% Open Access)
Cited by:
460
h-index:
17
/
i10-index:
14
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
120

Cross-cohort gut microbiome associations with immune checkpoint inhibitor response in advanced melanoma

Karla Lee et al.Feb 28, 2022
Abstract The composition of the gut microbiome has been associated with clinical responses to immune checkpoint inhibitor (ICI) treatment, but there is limited consensus on the specific microbiome characteristics linked to the clinical benefits of ICIs. We performed shotgun metagenomic sequencing of stool samples collected before ICI initiation from five observational cohorts recruiting ICI-naive patients with advanced cutaneous melanoma ( n = 165). Integrating the dataset with 147 metagenomic samples from previously published studies, we found that the gut microbiome has a relevant, but cohort-dependent, association with the response to ICIs. A machine learning analysis confirmed the link between the microbiome and overall response rates (ORRs) and progression-free survival (PFS) with ICIs but also revealed limited reproducibility of microbiome-based signatures across cohorts. Accordingly, a panel of species, including Bifidobacterium pseudocatenulatum , Roseburia spp. and Akkermansia muciniphila , associated with responders was identified, but no single species could be regarded as a fully consistent biomarker across studies. Overall, the role of the human gut microbiome in ICI response appears more complex than previously thought, extending beyond differing microbial species simply present or absent in responders and nonresponders. Future studies should adopt larger sample sizes and take into account the complex interplay of clinical factors with the gut microbiome over the treatment course.
120
Citation245
2
Save
0

The person-to-person transmission landscape of the gut and oral microbiomes

Mireia Valles‐Colomer et al.Jan 18, 2023
Abstract The human microbiome is an integral component of the human body and a co-determinant of several health conditions 1,2 . However, the extent to which interpersonal relations shape the individual genetic makeup of the microbiome and its transmission within and across populations remains largely unknown 3,4 . Here, capitalizing on more than 9,700 human metagenomes and computational strain-level profiling, we detected extensive bacterial strain sharing across individuals (more than 10 million instances) with distinct mother-to-infant, intra-household and intra-population transmission patterns. Mother-to-infant gut microbiome transmission was considerable and stable during infancy (around 50% of the same strains among shared species (strain-sharing rate)) and remained detectable at older ages. By contrast, the transmission of the oral microbiome occurred largely horizontally and was enhanced by the duration of cohabitation. There was substantial strain sharing among cohabiting individuals, with 12% and 32% median strain-sharing rates for the gut and oral microbiomes, and time since cohabitation affected strain sharing more than age or genetics did. Bacterial strain sharing additionally recapitulated host population structures better than species-level profiles did. Finally, distinct taxa appeared as efficient spreaders across transmission modes and were associated with different predicted bacterial phenotypes linked with out-of-host survival capabilities. The extent of microorganism transmission that we describe underscores its relevance in human microbiome studies 5 , especially those on non-infectious, microbiome-associated diseases.
0
Citation212
0
Save
9

A step-by-step sequence-based analysis of virome enrichment protocol for freshwater and sediment samples

Federica Pinto et al.Sep 20, 2020
Abstract Cultivation-free metagenomic analysis afforded unprecedented details on the diversity, structure and potential functions of microbial communities in different environments. When employed to study the viral fraction of the community that is recalcitrant to cultivation, metagenomics can shed light into the diversity of viruses and their role in natural ecosystems. However, despite the increasing interest in virome metagenomics, methodological issues still hinder the proper interpretation and comparison of results across studies. Virome enrichment experimental protocols are key multi-step processes needed for separating and concentrating the viral fraction from the whole microbial community prior to sequencing. However, there is little information on their efficiency and their potential biases. To fill this gap, we used metagenomic and amplicon sequencing to examine the microbial community composition through the serial filtration and concentration steps commonly used to produce viral-enriched metagenomes. The analyses were performed on water and sediment samples from an Alpine lake. We found that, although the diversity of the retained microbial communities declined progressively during the serial filtration, the final viral fraction contained a large proportion (from 10% to 40%) of non-viral taxa, and that the efficacy of filtration showed biases based on taxonomy. Our results quantified the amount of bacterial genetic material in viromes and highlighted the influence of sample type on the enrichment efficacy. Moreover, since viral-enriched samples contained a significant portion of microbial taxa, computational sequence analysis should account for such biases in the downstream interpretation pipeline. Importance Filtration is a commonly used method to enrich viral particles in environmental samples. However, there is little information on its efficiency and potential biases on the final result. Using a sequence-based analysis on water and sediment samples, we found that filtration efficacy is dependent on sample type and that the final virome contained a large proportion of non-viral taxa. Our finding stressed the importance of downstream analysis to avoid biased interpretation of data.
9
Citation3
0
Save