A key aspect of bacterial survival is the ability to evolve while migrating across spatially varying environmental challenges. Laboratory experiments, however, often study evolution in well-mixed systems. Here, we introduce an experimental device, the microbial evolution and growth arena (MEGA)–plate, in which bacteria spread and evolved on a large antibiotic landscape (120 × 60 centimeters) that allowed visual observation of mutation and selection in a migrating bacterial front. While resistance increased consistently, multiple coexisting lineages diversified both phenotypically and genotypically. Analyzing mutants at and behind the propagating front, we found that evolution is not always led by the most resistant mutants; highly resistant mutants may be trapped behind more sensitive lineages. The MEGA-plate provides a versatile platform for studying microbial adaption and directly visualizing evolutionary dynamics.

Abstract Classical theory shows that large communities are destabilized by random interactions among species pairs, creating an upper bound on ecosystem diversity. However, species interactions often occur in high-order combinations, whereby the interaction between two species is modulated by one or more other species. Here, by simulating the dynamics of communities with random interactions, we find that the classical relationship between diversity and stability is inverted for high-order interactions. More specifically, while a community becomes more sensitive to pairwise interactions as its number of species increases, its sensitivity to three-way interactions remains unchanged, and its sensitivity to four-way interactions actually decreases. Therefore, while pairwise interactions lead to sensitivity to the addition of species, four-way interactions lead to sensitivity to species removal, and their combination creates both a lower and an upper bound on the number of species. These findings highlight the importance of high-order species interactions in determining the diversity of natural ecosystems.

We study the structure of social networks of students by examining the graphs of Facebook “friendships” at five U.S. universities at a single point in time. We investigate the community structure of each single-institution network and employ visual and quantitative tools, including standardized pair-counting methods, to measure the correlations between the network communities and a set of self-identified user characteristics (residence, class year, major, and high school). We review the basic properties and statistics of the employed pair-counting indices and recall, in simplified notation, a useful formula for the z-score of the Rand coefficient. Our study illustrates how to examine different instances of social networks constructed in similar environments, emphasizes the array of social forces that combine to form “communities,” and leads to comparative observations about online social structures, which reflect offline social structures. We calculate the relative contributions of different characteristics to the community structure of individual universities and compare these relative contributions at different universities. For example, we examine the importance of common high school affiliation at large state universities and the varying degrees of influence that common major can have on the social structure at different universities. The heterogeneity of the communities that we observe indicates that university networks typically have multiple organizing factors rather than a single dominant one.

Adeno-associated virus (AAV) capsids can deliver transformative gene therapies, but our understanding of AAV biology remains incomplete. We generated the complete first-order AAV2 capsid fitness landscape, characterizing all single-codon substitutions, insertions, and deletions across multiple functions relevant for in vivo delivery. We discovered a frameshifted gene in the VP1 region that expresses a membrane-associated accessory protein that limits AAV production through competitive exclusion. Mutant biodistribution revealed the importance of both surface-exposed and buried residues, with a few phenotypic profiles characterizing most variants. Finally, we algorithmically designed and experimentally verified a diverse in vivo targeted capsid library with viability far exceeding random mutagenesis approaches. These results demonstrate the power of systematic mutagenesis for deciphering complex genomes and the potential of empirical machine-guided protein engineering.

Summary Adeno-associated virus (AAV) capsids have shown clinical promise as delivery vectors for gene therapy. However, the high prevalence of pre-existing immunity against natural capsids poses a challenge for widespread treatment. The generation of diverse capsids that are potentially more capable of immune evasion is challenging because introducing multiple mutations often breaks capsid assembly. Here we target a representative, immunologically relevant 28-amino-acid segment of the AAV2 capsid and show that a low-complexity Variational Auto-encoder (VAE) can interpolate in sequence space to produce diverse and novel capsids capable of packaging their own genomes. We first train the VAE on a 564-sample Multiple-Sequence Alignment (MSA) of dependo-parvoviruses, and then further augment this dataset by adding 22,704 samples from a deep mutational exploration (DME) on the target region. In both cases the VAE generated viable variants with many mutations, which we validated experimentally. We propose that this simple approach can be used to optimize and diversify other proteins, as well as other capsid traits of interest for gene delivery.

Construction of genetic variant libraries with phenotypic measurement is central to advancing today's functional genomics, and remains a grand challenge. Here, we introduce a Cas9-based approach for generating pools of mutants with defined genetic alterations (deletions, substitutions and insertions), along with methods for tracking their fitness en masse. We demonstrate the utility of our approach in performing focused analysis of hundreds of mutants of a single protein and in investigating the biological function of an entire family of poorly characterized genetic elements. Our platform allows fundamental biology questions to be investigated in a quick, easy and affordable manner.

A major puzzle in ecology is how antibiotic resistant, sensitive and producer species coexist in close proximity. Recently, we showed that antibiotic degrading species dramatically alter community dynamics: replacing intrinsic resistance with resistance through degradation generates stable communities resilient to spatial mixing, large species abundance perturbations, changes in interaction strengths, and differences in species growth rates. In addition to ecological stability, it is interesting to consider evolutionary stability of these communities to the appearance of cheater species that either cease production or degradation of antibiotics. Our investigation of evolutionary stability of cyclical 3-species communities revealed that these communities are robust to cheaters that stop degrading antibiotics. Our simulations also showed that cheaters that stop producing antibiotics do not take over the community, yet they can transiently invade and cause community collapse. In the analytical approximation we initially investigated, production cheaters with a small fitness advantage can invade the community simply because the benefit of inhibiting competitors is shared among all cells. Here, we consider evolutionary stability to cheaters in our complete model, where spatial mixing is introduced only after a short range colonization step. In this regime, an antibiotic producer cell directly benefits from killing nearby competitor species as it has a greater chance of colonizing the newly voided spaces created by the action of its antibiotic. Simulating response to cheater invasions for the cyclical three species community and for random 4-species ecologically stable topologies, we find that these communities can be fully resilient to both degradation and production cheaters. The strength of selection against cheaters varies with the area of the zone of inhibition around producers and is maximized for weak inhibition, where there is less overlap between the killing zones of neighboring cells. These results may aid the construction of complex synthetic communities that are both ecological and evolutionary stable.