Abstract Gut mucosal microbes evolved closest to the host, developing specialized local communities. There is, however, insufficient knowledge of these communities as most studies have employed sequencing technologies to investigate faecal microbiota only. This work used shotgun metagenomics of mucosal biopsies to explore the microbial communities’ compositions of terminal ileum and large intestine in 5 healthy individuals. Functional annotations and genome-scale metabolic modelling of selected species were then employed to identify local functional enrichments. While faecal metagenomics provided a good approximation of the average gut mucosal microbiome composition, mucosal biopsies allowed detecting the subtle variations of local microbial communities. Given their significant enrichment in the mucosal microbiota, we highlight the roles of Bacteroides species and describe the antimicrobial resistance biogeography along the intestine. We also detail which species, at which locations, are involved with the tryptophan/indole pathway, whose malfunctioning has been linked to pathologies including inflammatory bowel disease. Our study thus provides invaluable resources for investigating mechanisms connecting gut microbiota and host pathophysiology.

The human gut microbiota is of increasing interest, with metagenomics a key tool for analyzing bacterial diversity and functionality in health and disease. Despite increasing efforts to expand microbial gene catalogs and an increasing number of metagenome-assembled genomes, there have been few pan-metagenomic association studies and in-depth functional analyses across different geographies and diseases. Here, we explored 6014 human gut metagenome samples across 19 countries and 23 diseases by performing compositional, functional cluster, and integrative analyses. Using interpreted machine learning classification models and statistical methods, we identified Fusobacterium nucleatum and Anaerostipes hadrus with the highest frequencies, enriched and depleted, respectively, across different disease cohorts. Distinct functional distributions were observed in the gut microbiomes of both westernized and nonwesternized populations. These compositional and functional analyses are presented in the open-access Human Gut Microbiome Atlas, allowing for the exploration of the richness, disease, and regional signatures of the gut microbiota across different cohorts.

A clinical trial protocol defines the procedures that should be performed during a clinical trial. Every clinical trial begins with the design of its protocol. While designing the protocol, most researchers refer to electronic databases and extract protocol elements using a keyword search. However, state-of-the-art retrieval systems only offer text-based searches for user-entered keywords. In this study, we present an interactive retrieval system with a context-dependent and protocol-element-selection function for successfully designing a clinical trial protocol. To do this, we first introduce a database for a protocol retrieval system constructed from individual protocol data extracted from 184,634 clinical trials and 13,210 frame structures of clinical trial protocols. The database contains various semantic information that enables the protocols to be filtered during the search operation. Based on the database, we developed a web application called the clinical trial protocol database system (CLIPS; available at ), which enables an interactive search by utilizing protocol elements. CLIPS provides the options to select the next element according to the previous element in the form of a connected tree, thus enabling an interactive search for combinations of protocol elements. The validation results show that our method achieves better performance than existing databases in predicting phenotypic features.

Gut mucosal microbes evolved closest to the host, developing specialized local communities. There is, however, insufficient knowledge of these communities as most studies have employed sequencing technologies to investigate faecal microbiota. This work used shotgun metagenomics of mucosal biopsies to explore the microbial communities compositions of terminal ileum and large intestine in 5 healthy individuals. Functional annotations and genome-scale metabolic modelling of selected species were then employed to identify local functional enrichments. While faecal metagenomics provided a good approximation of the average gut microbiome composition, mucosal biopsies allowed detecting the subtle variations of local microbial communities. Given their significant enrichment in the mucosal microbiota, we highlight the roles of Bacteroides species and describe the antimicrobial resistance biogeography along the intestine. We also detail which species, at which locations, are involved with the tryptophan/indole pathway, whose malfunctioning has been linked to pathologies including inflammatory bowel disease. Our study thus provides invaluable resources for investigating mechanisms connecting gut microbiota and host pathophysiology.

The number of digital healthcare mobile apps on the market is increasing exponentially owing to the development of the mobile network and widespread usage of smartphones. However, only a few of these apps have undergone adequate validation. As with many mobile apps, healthcare apps are generally considered safe to use, making them easy for developers and end-users to exchange them in the marketplace. The existing platforms are not suitable to collect reliable data for evaluating the effectiveness of the apps. Moreover, these platforms only reflect the perspectives of developers and experts, not of end-users. For instance, data collection methods typical of clinical trials are not appropriate for participant-driven assessment of healthcare apps because of their complexity and high cost. Thus, we identified a need for a participant-driven data collection platform for end-users that is interpretable, systematic, and sustainable —as a first step to validate the effectiveness of the apps. To collect reliable data in the participatory trial format, we defined distinct stages for data preparation, storage, and sharing. Interpretable data preparation consists of a protocol database system and semantic feature retrieval method to create a protocol without professional knowledge. Collected data reliability weight calculation belongs to the systematic data storage stage. For sustainable data collection, we integrated the weight method and the future reward distribution function. We validated the methods through statistical tests conducted on 718 human participants. The validation results demonstrate that the methods have significant differences in the comparative experiment and prove that the choice of the right method is essential for reliable data collection. Furthermore, we created a web-based system for our pilot platform to collect reliable data in an integrated pipeline. We validate the platform features with existing clinical and pragmatic trial data collection platforms. In conclusion, we show that the method and platform support reliable data collection, forging a path to effectiveness validation of digital healthcare apps.