Motivation: Identification of complex relationships within members of microbial communities is key to understand and guide microbial transplantation and provide personalized anti-microbial and probiotic treatments. Since members of a given microbial community can be simultaneously involved in multiple relations that altogether will determine their abundance, not all significant relations between organisms are expected to be manifested as visually uninterrupted patterns and be detected using traditional correlation nor mutual information coefficient based approaches. Results: This manuscript proposes a pattern specific way to quantify the strength and estimate the statistical significance of two-dimensional co-presence, co-exclusion, and one-way relations patterns between abundance profiles of two organisms which can be extended to three or more dimensional patterns. Presented approach can also be extended by including a variety of physical (pH, temperature, oxygen concentration) and biochemical (antimicrobial susceptibility, nutrient and metabolite concentration) variables into the search for multidimensional patterns. The presented approach has been tested using 2,380 microbiome samples from the Human Microbiome Project resulting in body-site specific networks of statistically significant 2D patterns. We also were able to demonstrate the presence of several 3D patterns in the Human Microbiome Project data.

Abstract Motivation: The data generation capabilities of High Throughput Sequencing (HTS) instruments have exponentially increased over the last few years, while the cost of sequencing has dramatically decreased allowing this technology to become widely used in biomedical studies. For small labs and individual researchers, however, storage and transfer of large amounts of HTS data present a significant challenge. The recent trends in increased sequencing quality and genome coverage can be used to reconsider HTS data storage strategies. Results: We present Broom, a stand-alone application designed to select and store only high-quality sequencing reads at extremely high compression rates. Written in C++, the application ac-cepts single and paired-end reads in FASTQ and FASTA formats and decompresses data in FASTA format. Availability: C++ code available at https://scsb.utmb.edu/labgroups/fofanov/broom.asp Contact: lealbayr@utmb.edu Supplementary information: Supplementary data are available at https://scsb.utmb.edu/labgroups/fofanov/broom.asp

Microbial activities have detrimental effects on industrial infrastructure. If not controlled, microbial presence can result in corrosion, biofilm formation, and product degradation. Serial dilution tests are routinely used for evaluating presence and abundance of microorganisms by diluting samples and culturing microbes in specific media designed to support microorganisms with particular properties, such as sulfate reduction. A high-throughput sequencing approach was used to evaluate changes in microbial composition during four standard serial dilution tests. Analysis of 159 isolates revealed significant differences in the microbial compositions of sequential serial dilution titers and identified several cases where: (a) bacteria known to have a detrimental metabolic function (such as acid production) were lost in the serial dilution medium designed to test for this function; (b) bacteria virtually absent in the original sample became dominant in the serial dilution medium. These observations raise concerns regarding the accuracy and overall usefulness of serial dilution tests.

Microbial interactions are an underappreciated force in shaping insect microbiome communities. Although pairwise patterns of symbiont interactions have been identified, we have a poor understanding regarding the scale and the nature of co-occurrence and co-exclusion interactions within the microbiome. To characterize these patterns in mosquitoes, we sequenced the bacterial microbiome of Aedes aegypti, Ae. albopictus, and Culex quinquefasciatus caught in the field or reared in the laboratory and used these data to generate interaction networks. For collections, we used traps that attracted host-seeking or ovipositing female mosquitoes to determine how physiological state affects the microbiome under field conditions. Interestingly, we saw few differences in species richness or microbiome community structure in mosquitoes caught in either trap. Co-occurrence and co-exclusion analysis identified 116 pairwise interactions substantially increasing the list of bacterial interactions observed in mosquitoes. Networks generated from the microbiome of Ae. aegypti often included highly interconnected hub bacteria. There were several instances where co-occurring bacteria co-excluded a third taxa, suggesting the existence of tripartite relationships. Several associations were observed in multiple species or in field and laboratory-reared mosquitoes indicating these associations are robust and not influenced by environmental or host factors. To demonstrate that microbial interactions can influence colonization of the host, we administered symbionts to Ae. aegypti larvae that either possessed or lacked their resident microbiota. We found that the presence of resident microbiota can inhibit colonization of particular bacterial taxa. Our results highlight that microbial interactions in mosquitoes are complex and influence microbiome composition.

Motivation: Identification of complex relationships among members of microbial communities is key to understand and control the microbiota. Co-exclusion is arguably one of the most important patterns reflecting microorganisms' intolerance to each other's presence. Knowing these relations opens an opportunity to manipulate microbiotas, personalize anti-microbial and probiotic treatments as well as guide microbiota transplantation. The co-exclusion pattern however, cannot be appropriately described by a linear function nor its strength be estimated using covariance or (negative) Pearson and Spearman correlation coefficients. This manuscript proposes a way to quantify the strength and evaluate the statistical significance of co-exclusion patterns between two, three or more variables describing a microbiota and allows one to extend analysis beyond microorganism abundance by including other microbiome associated measurements such as, pH, temperature etc., as well as estimate the expected numbers of false positive co-exclusion patterns in a co-exclusion network. Results: The implemented computational pipeline (CoEx) tested against 2,380 microbial profiles (samples) from The Human Microbiome Project resulted in body-site specific pairwise co-exclusion patterns. Availability: C++ source code for calculation of the score and p-value for 2, 3, and 4 dimensional co-exclusion patterns as well as source code and executable files for the CoEx pipeline are available at https://scsb.utmb.edu/labgroups/fofanov/co-exclusion_in_microbial_communities.asp Contact: lealbayr@utmb.edu Supplementary information: Supplementary data are available at biorxiv online.