Superspreading events shaped the coronavirus disease 2019 (COVID-19) pandemic, and their rapid identification and containment are essential for disease control. Here, we provide a national-scale analysis of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) superspreading during the first wave of infections in Austria, a country that played a major role in initial virus transmissions in Europe. Capitalizing on Austria's well-developed epidemiological surveillance system, we identified major SARS-CoV-2 clusters during the first wave of infections and performed deep whole-genome sequencing of more than 500 virus samples. Phylogenetic-epidemiological analysis enabled the reconstruction of superspreading events and charts a map of tourism-related viral spread originating from Austria in spring 2020. Moreover, we exploited epidemiologically well-defined clusters to quantify SARS-CoV-2 mutational dynamics, including the observation of low-frequency mutations that progressed to fixation within the infection chain. Time-resolved virus sequencing unveiled viral mutation dynamics within individuals with COVID-19, and epidemiologically validated infector-infectee pairs enabled us to determine an average transmission bottleneck size of 103 SARS-CoV-2 particles. In conclusion, this study illustrates the power of combining epidemiological analysis with deep viral genome sequencing to unravel the spread of SARS-CoV-2 and to gain fundamental insights into mutational dynamics and transmission properties.

Abstract Superspreading events shape the COVID-19 pandemic. Here we provide a national-scale analysis of SARS-CoV-2 outbreaks in Austria, a country that played a major role for virus transmission across Europe and beyond. Capitalizing on a national epidemiological surveillance system, we performed deep whole-genome sequencing of virus isolates from 576 samples to cover major Austrian SARS-CoV-2 clusters. Our data chart a map of early viral spreading in Europe, including the path from low-frequency mutations to fixation. Detailed epidemiological surveys enabled us to calculate the effective SARS-CoV-2 population bottlenecks during transmission and unveil time-resolved intra-patient viral quasispecies dynamics. This study demonstrates the power of integrating deep viral genome sequencing and epidemiological data to better understand how SARS-CoV-2 spreads through populations. Graphical Abstract

Summary DNA base damage is a major source of oncogenic mutations 1 . Such damage can produce strand-phased mutation patterns and multiallelic variation through the process of lesion segregation 2 . Here, we exploited these properties to reveal how strand-asymmetric processes, such as replication and transcription, shape DNA damage and repair. Despite distinct mechanisms of leading and lagging strand replication 3,4 , we observe identical fidelity and damage tolerance for both strands. For small DNA adducts, our results support a model in which the same translesion polymerase is recruited on-the-fly to both replication strands, starkly contrasting the strand asymmetric tolerance of bulky adducts 5 . We find that DNA damage tolerance is also common during transcription, where RNA-polymerases frequently bypass lesions without triggering repair. At multiple genomic scales, we show the pattern of DNA damage induced mutations is largely shaped by the influence of DNA accessibility on repair efficiency, rather than gradients of DNA damage. Finally, we reveal specific genomic conditions that can corrupt the fidelity of nucleotide excision repair and actively drive oncogenic mutagenesis. These results provide insight into how strand-asymmetric mechanisms underlie the formation, tolerance, and repair of DNA damage, thereby shaping cancer genome evolution.

Abstract DNA base damage is a major source of oncogenic mutations 1 . Such damage can produce strand-phased mutation patterns and multiallelic variation through the process of lesion segregation 2 . Here we exploited these properties to reveal how strand-asymmetric processes, such as replication and transcription, shape DNA damage and repair. Despite distinct mechanisms of leading and lagging strand replication 3,4 , we observe identical fidelity and damage tolerance for both strands. For small alkylation adducts of DNA, our results support a model in which the same translesion polymerase is recruited on-the-fly to both replication strands, starkly contrasting the strand asymmetric tolerance of bulky UV-induced adducts 5 . The accumulation of multiple distinct mutations at the site of persistent lesions provides the means to quantify the relative efficiency of repair processes genome wide and at single-base resolution. At multiple scales, we show DNA damage-induced mutations are largely shaped by the influence of DNA accessibility on repair efficiency, rather than gradients of DNA damage. Finally, we reveal specific genomic conditions that can actively drive oncogenic mutagenesis by corrupting the fidelity of nucleotide excision repair. These results provide insight into how strand-asymmetric mechanisms underlie the formation, tolerance and repair of DNA damage, thereby shaping cancer genome evolution.

Investigating the emergence of a particular cell type is a recurring theme in models of growing cellular populations. The evolution of resistance to therapy is a classic example. Common questions are: when does the cell type first occur, and via which sequence of steps is it most likely to emerge? For growing populations, these questions can be formulated in a general framework of branching processes spreading through a graph from a root to a target vertex. Cells have a particular fitness value on each vertex and can transition along edges at specific rates. Vertices represents cell states, say genotypes or physical locations, while possible transitions are acquiring a mutation or cell migration. We focus on the setting where cells at the root vertex have the highest fitness and transition rates are small. Simple formulas are derived for the time to reach the target vertex and for the probability that it is reached along a given path in the graph. We demonstrate our results on several scenarios relevant to the emergence of drug resistance, including: the orderings of resistance-conferring mutations in bacteria and the impact of imperfect drug penetration in cancer.

Abstract Dysregulation of the tumour suppressor gene Adenomatous Polyposis Coli ( APC) is a canonical step in colorectal cancer development. Curiously, most colorectal tumours carry biallelic mutations that result in only partial loss of APC function, suggesting that a ‘just-right’ level of APC inactivation, and hence Wnt signalling, provides the optimal conditions for tumorigenesis. Mutational processes act variably across the APC gene, which could contribute to the bias against complete APC inactivation. Thus the selective consequences of partial APC loss are unclear. Here we propose a mathematical model to quantify the tumorigenic effect of biallelic APC genotypes, controlling for somatic mutational processes. Analysing sequence data from >2500 colorectal cancers, we find that APC genotypes resulting in partial protein function confer about 50 times higher probability of progressing to cancer compared to complete APC inactivation. The optimal inactivation level varies with anatomical location and additional mutations of Wnt pathway regulators. We use this context dependency to assess the regulatory effect of secondary Wnt drivers in combination with APC in vivo , and provide evidence that mutant AMER1 combines with APC genotypes that lead to relatively low Wnt. The fitness landscape of APC inactivation is consistent across microsatellite unstable and POLE -deficient colorectal cancers and tumours in patients with Familial Adenomatous Polyposis suggesting a general ‘just-right’ optimum, and pointing to Wnt hyperactivation as a potential cancer vulnerability.

Phenotypic delay – the time delay between genetic mutation and expression of the corresponding phenotype – is generally neglected in evolutionary models, yet recent work suggests that it may be more common than previously assumed. Here, we use computer simulations and theory to investigate the significance of phenotypic delay for the evolution of bacterial resistance to antibiotics. We consider three mechanisms which could potentially cause phenotypic delay: effective polyploidy, dilution of antibiotic-sensitive molecules and accumulation of resistance-enhancing molecules. We find that the accumulation of resistant molecules is relevant only within a narrow parameter range, but both the dilution of sensitive molecules and effective polyploidy can cause phenotypic delay over a wide range of parameters. We further investigate whether these mechanisms could affect population survival under drug treatment and thereby explain observed discrepancies in mutation rates estimated by Luria-Delbrück fluctuation tests. While the effective polyploidy mechanism does not affect population survival, the dilution of sensitive molecules leads both to decreased probability of survival under drug treatment and underestimation of mutation rates in fluctuation tests. The dilution mechanism also changes the shape of the Luria-Delbrück distribution of mutant numbers, and we show that this modified distribution provides an improved fit to previously published experimental data.Author Summary Understanding precisely how some bacteria survive exposure to antibiotics is a major research focus. Specific mutations in the bacterial genome are known to provide protection. However, it remains unclear how much time passes between a bacterium acquiring the genetic change and being able to tolerate antibiotics - termed the phenotypic delay - and what controls this delay. Here, using computer simulations and mathematical arguments we discuss three biologically plausible mechanisms of phenotypic delay. We investigate how each mechanism would affect the outcome of laboratory experiments often used to study the evolution of antibiotic resistance, and we highlight how the delay might be detected in such experiments. We also show that the existence of the delay could explain an observed discrepancy in the measurement of mutation rates, and demonstrate that one of our models provides a superior fit to experimental data. Our work exposes how molecular details at the intracellular level can have a direct effect on evolution at the population level.