Characterization of microbial growth is of both fundamental and applied interest. Modern platforms can automate collection of high-throughput microbial growth curves, necessitating the development of computational tools to handle and analyze these data to produce insights.

In the face of ubiquitous threats from parasites, hosts can evolve strategies to resist infection or to altogether avoid parasitism, for instance by avoiding behavior that could expose them to parasites or by dispersing away from local parasite threats. At the microbial scale, bacteria frequently encounter viral parasites, bacteriophages. While bacteria are known to utilize a number of strategies to resist infection by phages, and can have the capacity to avoid moving towards phage-infected cells, it is unknown whether bacteria can evolve dispersal to escape from phages. In order to answer this question, we combined experimental evolution and mathematical modeling. Experimental evolution of the bacterium Pseudomonas fluorescens in environments with differing spatial distributions of the phage Phi2 revealed that the host bacteria evolved resistance depending on parasite distribution, but did not evolve dispersal to escape parasite infection. Simulations using parameterized mathematical models of bacterial growth and swimming motility showed that this is a general finding: while increased dispersal is adaptive in the absence of parasites, in the presence of parasites that fitness benefit disappears and resistance becomes adaptive, regardless of the spatial distribution of parasites. Together, these experiments suggest that parasites should rarely, if ever, drive the evolution of bacterial escape via dispersal.

Abstract Bacteria-infecting viruses, bacteriophages, are the most abundant biological entities on the planet, frequently serving as model systems in basic research and increasingly relevant for medical applications such as phage therapy. A common need is to quantify the infectivity of a phage to a given bacterial host (or the resistance of a host to a phage). However, current methods to quantify infectivity suffer from low-throughput or low-precision. One method that has the potential for high-throughput and high-precision quantification of phage-bacteria interactions is growth curves, where bacterial density is measured over time in the presence and absence of phages. Recent work has proposed several approaches to quantify these curves into a metric of phage infectivity. However, little is known about how these metrics relate to one another or to underlying phage and bacterial traits. To address this gap, we apply ecological modeling of phage and bacterial populations to simulate growth curves across a wide range of trait values. Our findings show that many growth curve metrics provide parallel measures of phage infectivity. Informative metrics include the peak and decline portions of bacterial growth curves, are driven by the interactions between underlying phage and bacterial traits, and correlate with conventional measures of phage fitness. Moreover, we show how intrapopulation trait variation can alter growth curve dynamics. Finally, we test the sensitivity of growth curve metrics to inoculum densities, and assess techniques to compare growth curves across different bacterial hosts. In all, our findings support the use of growth curves for precise high-throughput quantification of phage-bacteria interactions across the microbial sciences. Significance Bacteriophages are viruses that infect bacteria. Phages have long been laboratory models and are increasingly being explored as antimicrobials. Commonly, we need to quantify how well a phage infects a bacterial strain. Unfortunately, current methods are either laborious or imprecise. One method that could be better is growth curves, where bacterial growth is measured over time in the presence or absence of phages. However, it has remained unclear how to use such data to produce a single metric of phage infectivity. Here, we used simulations to show that many different metrics provide parallel measures of phage infectivity that match conventional measures across a range of conditions. Our work suggests that growth curves can provide rapid, precise measurement of phage infectivity.

Abstract Characterization of microbial growth is of both fundamental and applied interest. Modern platforms can automate collection of high-throughput microbial growth curves, necessitating the development of computational tools to handle and analyze these data to produce insights. However, existing tools are limited. Many use parametric analyses that require mathematical assumptions about the microbial growth characteristics. Those that use non-parametric or model-free analyses often can only quantify a few traits of interest, and none are capable of importing and reshaping all known growth curve data formats. To address this gap, here I present a newly-developed R package: gcplyr. gcplyr can flexibly import growth curve data in every known format, and reshape it under a flexible and extendable framework so that users can design custom analyses or plot data with popular visualization packages. gcplyr can also incorporate metadata and generate or import experimental designs to merge with data. Finally, gcplyr carries out model-free and non-parametric analyses, extracting a broad range of clinically and ecologically important traits, including initial density, lag time, growth rate and doubling time, carrying capacity, diauxie, area under the curve, extinction time, and more. In sum, gcplyr makes scripted analysis of growth curve data in R straightforward, streamlines common data wrangling and analysis steps, and easily integrates with common visualization and statistical analyses.

Antibiotic resistant bacterial pathogens are increasingly prevalent, driving the need for alternative approaches to chemical antibiotics when treating infections. One such approach is bacteriophage therapy: the use of bacteria-specific viruses that lyse (kill) their host cells. However, while the effect of environmental conditions (e.g. elevated temperature) on antibiotic efficacy is well-studied, the generalized effects of environmental stressors on the potency of phage therapy candidates are seldom studied. Therapeutic phage OMKO1 infects and kills the opportunistic human pathogen Pseudomonas aeruginosa, while selecting for the evolution of antibiotic re-sensitivity in the target bacterial population. Here, we used phage OMKO1 as a model to test how a therapeutic virus degrades in different environments, and whether exposure to an environmental stressor affects subsequent growth ability on host bacteria. We observed that OMKO1 particles were highly tolerant to different saline concentrations, but rapidly deactivated at elevated temperatures and under high concentrations of urea. We also found that exposure to elevated temperature reduced the growth ability of surviving OMKO1 particles, suggesting a temperature-induced phenotypic shift. Our findings demonstrate that OMKO1 is highly tolerant to a range of conditions that could be experienced in and outside the human body, while also showing the need for careful characterization of therapeutic phages to ensure that environmental exposure does not compromise their expected potency, dosing, and pharmacokinetics.