Abstract Streptococcus agalactiae (Group B Streptococcus , GBS) is a commensal of the digestive and genitourinary tracts of humans that emerged as the leading cause of bacterial neonatal infections in Europe and North America during the 1960s. Due to the lack of epidemiological and genomic data, the reasons for this emergence are unknown. Here we show by comparative genome analysis and phylogenetic reconstruction of 229 isolates that the rise of human GBS infections corresponds to the selection and worldwide dissemination of only a few clones. The parallel expansion of the clones is preceded by the insertion of integrative and conjugative elements conferring tetracycline resistance (TcR). Thus, we propose that the use of tetracycline from 1948 onwards led in humans to the complete replacement of a diverse GBS population by only few TcR clones particularly well adapted to their host, causing the observed emergence of GBS diseases in neonates.

ABSTRACT For nearly 3 decades, listeriologists and immunologists have used mainly three strains of the same serovar (1/2a) to analyze the virulence of the bacterial pathogen Listeria monocytogenes . The genomes of two of these strains, EGD-e and 10403S, were released in 2001 and 2008, respectively. Here we report the genome sequence of the third reference strain, EGD, and extensive genomic and phenotypic comparisons of the three strains. Strikingly, EGD-e is genetically highly distinct from EGD (29,016 single nucleotide polymorphisms [SNPs]) and 10403S (30,296 SNPs), and is more related to serovar 1/2c than 1/2a strains. We also found that while EGD and 10403S strains are genetically very close (317 SNPs), EGD has a point mutation in the transcriptional regulator PrfA (PrfA*), leading to constitutive expression of several major virulence genes. We generated an EGD-e PrfA* mutant and showed that EGD behaves like this strain in vitro , with slower growth in broth and higher invasiveness in human cells than those of EGD-e and 10403S. In contrast, bacterial counts in blood, liver, and spleen during infection in mice revealed that EGD and 10403S are less virulent than EGD-e, which is itself less virulent than EGD-e PrfA*. Thus, constitutive expression of PrfA-regulated virulence genes does not appear to provide a significant advantage to the EGD strain during infection in vivo , highlighting the fact that in vitro invasion assays are not sufficient for evaluating the pathogenic potential of L. monocytogenes strains. Together, our results pave the way for deciphering unexplained differences or discrepancies in experiments using different L. monocytogenes strains. IMPORTANCE Over the past 3 decades, Listeria has become a model organism for host-pathogen interactions, leading to critical discoveries in a broad range of fields, including bacterial gene regulation, cell biology, and bacterial pathophysiology. Scientists studying Listeria use primarily three pathogenic strains: EGD, EGD-e, and 10403S. Despite many studies on EGD, it is the only one of the three strains whose genome has not been sequenced. Here we report the sequence of its genome and a series of important genomic and phenotypic differences between the three strains, in particular, a critical mutation in EGD’s PrfA, the main regulator of Listeria virulence. Our results show that the three strains display differences which may play an important role in the virulence differences observed between the strains. Our findings will be of critical relevance to listeriologists and immunologists who have used or may use Listeria as a tool to study the pathophysiology of listeriosis and immune responses.

Abstract Background Genome-wide association studies (GWAS) uncovered a wealth of associations between common variants and human phenotypes. These results, widely shared across the scientific community as summary statistics, fostered a flurry of secondary analysis: heritability and genetic correlation assessment, pleiotropy characterization and multitrait association test. Amongst these secondary analyses, a rising new field is the decomposition of multitrait genetic effects into distinct profiles of pleiotropy. Results We conducted an integrative analysis of GWAS summary statistics from 36 phenotypes to decipher multitrait genetic architecture and its link to biological mechanisms. We started by benchmarking multitrait association tests on a large panel of phenotype sets and established the Omnibus test as the most powerful in practice. We detected 322 new associations that were not previously reported by univariate screening. Using independent significant associations, we investigated the breakdown of genetic association into clusters of variants harboring similar multitrait association profile. Focusing on two subsets of immunity and metabolism phenotypes, we then demonstrate how SNPs within clusters can be mapped to biological pathways and disease mechanisms, providing a putative insight for numerous SNPs with unknown biological function. Finally, for the metabolism set, we investigate the link between gene cluster assignment and success of drug targets in random control trials. We report additional uninvestigated drug targets classified by clusters. Conclusions Multitrait genetic signals can be decomposed into distinct pleiotropy profiles that reveal consistent with pathways databases and random control trials. We propose this method for the mapping of unannotated SNPs to putative pathways.

Abstract Since the first Genome-Wide Association Studies (GWAS), thousands of variant-trait associations have been discovered. However, the sample size required to detect additional variants using standard univariate association screening is increasingly prohibitive. Multi-trait GWAS offers a relevant alternative: it can improve statistical power and lead to new insights about gene function and the joint genetic architecture of human phenotypes. Although many methodological hurdles of multi-trait testing have been discussed, the strategy to select trait, among overwhelming possibilities, has been overlooked. In this study, we conducted extensive multi-trait tests using JASS (Joint Analysis of Summary Statistics) and assessed which genetic features of the analysed sets were associated with anincreased detection of variants as compared to univariate screening. Our analyses identified multiple factors associated with the gain in the association detection in multi-trait tests. Together, these factors of the analysed sets are predictive of the gain of the multi-trait test (Pearson’s ρ equal to 0.43 between the observed and predicted gain, P < 1.6 × 10 -60 ). Applying an alternative multi-trait approach (MTAG, multi-trait analysis of GWAS), we found that in most scenarios but particularly those with larger numbers of traits, JASS outperformed MTAG. Finally, we benchmark several strategies to select set of traits including the prevalent strategy of selecting clinically similar traits, which systematically underperformed selecting clinically heterogenous traits or selecting sets that issued from our data-driven models. This work provides a unique picture of the determinant of multi-trait GWAS statistical power and outline practical strategies for multi-trait testing.

Abstract As a single reference genome cannot possibly represent all the variation present across human individuals, pangenome graphs have been introduced to incorporate population diversity within a wide range of genomic analyses. Several data structures have been proposed for representing collections of genomes as pangenomes, in particular graphs. In this work we collect all publicly available high-quality human haplotypes and constructed the largest human pangenome graphs to date, incorporating 52 individuals in addition to two synthetic references (CHM13 and GRCh38). We build variation graphs and de Bruijn graphs of this collection using five of the state-of-the-art tools: Bifrost , mdbg , Minigraph , Minigraph-Cactus and pggb . We examine differences in the way each of these tools represents variations between input sequences, both in terms of overall graph structure and representation of specific genetic loci. This work sheds light on key differences between pangenome graph representations, informing end-users on how to select the most appropriate graph type for their application.

Abstract Pathogenic Leptospira are the causative agents of leptospirosis, the most widespread zoonotic infectious disease. Leptospirosis is a potentially severe and life-threatening emerging disease with highest burden in sub-tropical areas and impoverished populations. Mechanisms allowing pathogenic Leptospira to survive inside a host and induce acute leptospirosis are not fully understood. The ability to resist deadly oxidants produced by the host during infection is pivotal for Leptospira virulence. We have previously shown that genes encoding defenses against oxidants in L. interrogans are repressed by PerRA (encoded by LIMLP_10155), a peroxide stress regulator of the Fur family. In this study, we describe the identification and characterization of another putative PerR-like regulator (LIMLP_05620) in L. interrogans . Protein sequence and phylogenetic analyses indicated that LIMLP_05620 displayed all the canonical PerR amino acid residues and is restricted to pathogenic Leptospira clades. We therefore named this PerR-like regulator PerRB. In L. interrogans , the PerRB regulon is distinct from that of PerRA. While a perRA mutant had a greater tolerance to peroxide, inactivating perRB led to a higher tolerance to superoxide, suggesting that these two regulators have a distinct function in the adaptation of L. interrogans to oxidative stress. The concomitant inactivation of perRA and perRB resulted in a higher tolerance to both peroxide and superoxide and, unlike the single mutants, a double perRAperRB mutant was avirulent. Interestingly, this correlated with major changes in gene and non-coding RNA expression. Notably, several virulence-associated genes ( clpB , ligA/B , and lvrAB ) were repressed. By obtaining a double mutant in a pathogenic Leptospira strain, our study has uncovered an interplay of two PerRs in the adaptation of Leptospira to oxidative stress with a putative role in virulence and pathogenicity, most likely through the transcriptional control of a complex regulatory network. Author summary Leptospirosis is a widespread infectious disease responsible for over one million of severe cases and 60 000 fatalities annually worldwide. This neglected and emerging disease has a worldwide distribution, but it mostly affects populations from developing countries in sub-tropical areas. The causative agents of leptospirosis are pathogenic bacterial Leptospira spp. There is a considerable deficit in our knowledge of these atypical bacteria, including their virulence mechanisms. In addition to the Leptospira PerRA regulator that represses defenses against peroxide, we have identified and characterized a second PerR regulator in pathogenic Leptospira species (PerRB) that participates in Leptospira tolerance to superoxide. Phenotypic and transcriptomic analyses of single PerRA and PerRB mutants suggest that the two PerRs fulfill distinct functions in the adaptation to oxidative stress. Concomitant inactivation of PerRA and PerRB resulted in a higher tolerance to both peroxide and superoxide. Moreover, the perRAperRB mutant lost its virulence. Major changes in gene expression, including a decreased expression of several virulence factors, were observed in the double perRAperRB mutant. Our study suggests that PerRA and PerRB cooperate to orchestrate a complex regulatory network involved in Leptospira virulence.

Abstract Yersinia pseudotuberculosis is a food-borne pathogen responsible for a self-limiting gastrointestinal disease in humans known as mesenteric lymphadenitis. A phylogenetically distinct Y. pseudotuberculosis cluster from lineages 1 and 8 is associated to a specific syndrome called the Far East scarlet-like fever (FESLF), characterized by skin rash, hyperemic tongue and desquamation. Genome sequencing of FESLF strains previously revealed the presence in the plasmid pVM82 of dot/icm genes, homologous to those known to encode a T4BSS in the intracellular pathogens Legionella pneumophila and Coxiella burnetii. In the present article, we characterized the genomic features and functionality of the Y. pseudotuberculosis T4BSS ( y T4BSS). We found higher dot/icm gene identity between Y. pseudotuberculosis and Pseudomonas putida genes than with those of L. pneumophila or C. burnetii . We validated the presence of all essential dot/icm genes required for the structure of a T4BSS. We then evaluated the conditions required for y T4BSS gene expression in vitro and identified an influence of temperature, with higher expression at 37°C, which mimicks the mammalian host temperature. The y T4BSS is also expressed in cellulo during the Y. pseudotuberculosis intracellular life cycle and in vivo during mouse infection. Although T4BSS functions are well characterized in the intracellular life cycle of L. pneumophila and C. burnetii , the y T4BSS appears to not be required for the intracellular survival nor for the establishment of a replication niche within cells of Y. pseudotuberculosis . Interestingly, the y T4BSS is implicated in Y. pseudotuberculosis FESLF strain pathogenicity when orally inoculated to mice but not during intravenous inoculation. Despite a role in virulence during oral infection, the y T4BSS does not influence organ colonization. However, the y T4BSS appears to be implicated in induction of important necrosis lesions in mesenteric lymph nodes and cæca of mice. Cytokine profil analyses revealed an induction of production of innate immunity related cytokines and chemokines depending on the y T4BSS in cellulo using a mouse bone marrow-derived macrophages infection model. Thus, the y T4BSS modulates cytokine responses of the host innate immune system during oral infection. In conclusion, the y T4BSS is a newly characterized virulence factor implicated in pathogenicity of Y. pseudotuberculosis strains from lineage 8 responsible for FESLF.

Genome Wide Association Study (GWAS) has been the driving force for identifying association between genetic variants and human phenotypes. Thousands of GWAS summary statistics covering a broad range of human traits and diseases are now publicly available, and studies have demonstrated their utility for a range of secondary analyses. This includes in particular the joint analysis of multiple GWAS to identify new genetic variants missed by univariate screenings. However, although several methods have been proposed, there are very few large scale applications published so far because of challenges in implementing these methods on real data. Here, we present JASS (Joint Analysis of Summary Statistics), a polyvalent Python package that addresses this need. Our package solves all practical and computational barriers for large-scale multivariate analysis of GWAS summary statistics. This includes data cleaning and harmonization tools, an efficient algorithm for fast derivation of various joint statistics, an optimized data management process, and a web interface for exploration purposes. Benchmark analyses confirmed the strong performances of JASS. We also performed multiple real data analyses demonstrating the strong potential of JASS for the detection of new associated genetic variants across various scenarios. Our package is freely available at https://gitlab.pasteur.fr/statistical-genetics/jass.

Since the first genome-wide association studies (GWASs), thousands of variant-trait associations have been discovered. However, comprehensively mapping the genetic determinant of complex traits through univariate testing can require prohibitive sample sizes. Multi-trait GWAS can circumvent this issue and improve statistical power by leveraging the joint genetic architecture of human phenotypes. Although many methodological hurdles of multi-trait testing have been solved, the strategy to select traits has been overlooked. In this study, we conducted multi-trait GWAS on approximately 20,000 combinations of 72 traits using an omnibus test as implemented in the Joint Analysis of Summary Statistics. We assessed which genetic features of the sets of traits analyzed were associated with an increased detection of variants compared with univariate screening. Several features of the set of traits, including the heritability, the number of traits, and the genetic correlation, drive the multi-trait test gain. Using these features jointly in predictive models captures a large fraction of the power gain of the multi-trait test (Pearson's r between the observed and predicted gain equals 0.43, p < 1.6 × 10

Comparing the composition of microbial communities among groups of interest (e.g., patients vs healthy individuals) is a central aspect in microbiome research. It typically involves sequencing, data processing, statistical analysis and graphical representation of the detected signatures. Such an analysis is normally obtained by using a set of different applications that require specific expertise for installation, data processing and in some case, programming skills. Here, we present SHAMAN, an interactive web application we developed in order to facilitate the use of (i) a bioinformatic workflow for metataxonomic analysis, (ii) a reliable statistical modelling and (iii) to provide among the largest panels of interactive visualizations as compared to the other options that are currently available. SHAMAN is specifically designed for non-expert users who may benefit from using an integrated version of the different analytic steps underlying a proper metagenomic analysis. The application is freely accessible at , and may also work as a standalone application with a Docker container (aghozlane/shaman), conda and R. The source code is written in R and is available at . Using two datasets (a mock community sequencing and published 16S metagenomic data), we illustrate the strengths of SHAMAN in quickly performing a complete metataxonomic analysis.