ABSTRACT Metabarcoding has become the de facto method for characterizing the structure of microbial communities in complex environmental samples. To determine how sequencing platform may influence microbial community characterization, we present a large-scale comparison of two sequencing platforms; Illumina MiSeq and a new platform DNBSEQ-G400 developed by MGI Tech. The accuracy of DNBSEQ-G400 on bacterial and fungal mock samples and compared sequencing consistency and precision between DNBSEQ-G400 and MiSeq platforms by sequencing the fungal ITS2 region from 1144 soil samples with 3 technical replicates. The DNBSEQ-G400 showed a high accuracy in reproducing mock communities containing different proportions of bacteria and fungi, respectively. The taxonomic profiles of the 1144 soil samples generated by the two DNBSEQ-G400 modes closely resembled each other and were highly correlated with those generated by the MiSeq platform. Analyses of technical replicates demonstrated a run bias against certain taxa on the MiSeq but not DNBSEQ-G400 platform. Based on lower cost, greater capacity, and less bias, we conclude that DNBSEQ-G400 is an optimal platform for short-term metabarcoding of microbial communities. IMPORTANCE Experimental steps that generate sequencing bias during amplicon sequencing have been intensively evaluated, including the choice of primer pair, polymerase, PCR cycle and technical replication. However, few studies have assessed the accuracy and precision of different sequencing platforms. Here, we compared the performance of newly released DNBSEQ-G400 sequencer with that of the commonly used Illumina MiSeq platform by leveraging amplicon sequencing of a large number of soil samples. Significant sequencing bias among major fungal genera was found in parallel MiSeq runs, which can be easily neglected without the use of sequencing controls. We emphasize the importance of technical controls in large-scale sequencing efforts and provide DNBSEQ-G400 as an alternative with increased sequencing capacity and more stable reproducibility for amplicon sequencing.

Although several large-scale environmental microbial projects have been initiated in the past two decades, understanding of the role of complex microbiotas is still constrained by problems of detecting and identifying unknown microorganisms 1-6 .Currently, hypervariable regions of rRNA genes as well as internal transcribed spacer regions are broadly used to identify bacteria and fungi within complex communities 7,8 , but taxonomic and phylogenetic resolution is hampered by insufficient sequencing length 9-11 . Direct sequencing of full length rRNA genes is currently limited by read length using second generation sequencing or sacrificed quality and throughput by using single molecule sequencing. We developed a novel method to sequence and assemble nearly full length rRNA genes using second generation sequencing.Benchmarking was performed on mock bacterial and fungal communities as well as two forest soil samples. The majority of rRNA gene sequences of all species in the mock community samples were successfully recovered with identities above 99.5% compared to the reference sequences. For soil samples we obtained exquisite coverage with identification of a large number of putative new species, as well as high abundance correlation between replicates. This approach provides a cost-effective method for obtaining extensive and accurate information on complex environmental microbial communities.

Bone mass loss contributes to the risk of bone fracture in elderly. Many factors including age, obesity, estrogen and diet, are associated with bone mass loss. Some mice transplantation experiments suggest that the intestinal microbiome might influence the bone mass by regulating the immune system. However, there has been little evidence from human studies, not to mention the metagenome-wide association studies (MWAS). We have recruited 361 Chinese elderly women to explore the influence of gut microbiome on bone health by metagenomic shotgun sequencing data. Our results indicate that some lifestyle habits, like tea-drinking, have beneficial effects on bone mass loss. In addition, the gut microbiome diversity mildly increases with bone mass loss which might be contributed by the raise of pathogenic genera, such as Escherichia. Moreover, we have detected some microbial species and modules as markers for bone mineral density (BMD). Functionally, we observed positive correlation between bone mass loss and some modules which might influence the BMD, saying pectin degradation, trehalose degration and arginine degration.

Abstract Hematopoietic dysfunction has been associated with a reduction in the number of active precursors. However, precursor quantification at homeostasis and under diseased conditions is constrained by the scarcity of available methods. To address this issue, we optimized a method for quantifying a wide range of hematopoietic precursors. Assuming the random induction of a stable label in precursors following a binomial distribution, the estimation depends on the inverse correlation between precursor numbers and the variance of precursor labeling among independent samples. Experimentally validated to cover the full dynamic range of hematopoietic precursors in mice (1 to 10 5 ), we utilized this approach to demonstrate that thousands of precursors, which emerge after modest expansion during fetal-to-adult transition, contribute to native and perturbed hematopoiesis. We further estimated the number of precursors in a mouse model of Fanconi Anemia, showcasing how repopulation deficits can be segregated into autologous (cell proliferation) and non-autologous causes (lack of precursor). Our results support an accessible and reliable approach for precursor quantification, emphasizing the contemporary perspective that native hematopoiesis is highly polyclonal.

Hematopoietic dysfunction has been associated with a reduction in the number of active precursors. However, precursor quantification at homeostasis and under diseased conditions is constrained by the scarcity of available methods. To address this issue, we optimized a method for quantifying a wide range of hematopoietic precursors. Assuming the random induction of a stable label in precursors following a binomial distribution, estimates depend on the inverse correlation between precursor numbers and the variance of precursor labeling among independent samples. Experimentally validated to cover the full dynamic range of hematopoietic precursors in mice (1–10 5 ), we utilized this approach to demonstrate that thousands of precursors, which emerge after modest expansion during fetal-to-adult transition, contribute to native and perturbed hematopoiesis. We further estimated the number of precursors in a mouse model of Fanconi Anemia, showcasing how repopulation deficits can be classified as autologous (cell proliferation) and non-autologous (lack of precursor). Our results support an accessible and reliable approach for precursor quantification, emphasizing the contemporary perspective that native hematopoiesis is highly polyclonal.